作者：梁旭鹏
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
数据产品经理修炼手册——从零基础到大数据产品实践试读：
序言
1.为什么要写这本书
工作以后，我喜欢把工作中遇到的问题和思路做一些总结，然后整理成文章，并通过“人人都是产品经理”社区把这些文章发表出来，慢慢地，积累了一些读者，也收到了很多读者的一些反馈和疑问，正是读者的这些问题，一直督促我不断更新、完善自己的专栏。
直到有一天，电子工业出版社博文视点公司的石悦编辑联系到我，问我有没有兴趣写一本数据产品经理方面的书，现在市面上这类书不多。这与我写专栏的目的不谋而合，我写专栏就是想让更多的人了解数据产品经理，与别人分享做数据产品经理的心得和体会，写书会更系统地传播这些知识。于是，我就欣然接受了。
在面试别人的时候，我总爱问：“你最近看了数据产品经理方面的什么书？”面试者大部分都会说市面上讲数据产品经理的太少了，大部分都是讲数据分析的，例如《数据化管理：洞悉零售及电子商务运营》《深入浅出数据分析》等。确实，因为数据产品经理是大数据成熟应用以后才有的职位，只有三五年的时间，所以这方面的书远没有数据分析这个已经相对成熟的行业多。甚至有些人，根本分不清数据产品和数据分析，或者干脆一起投递简历了。
目前，大数据在各个领域的应用越来越广，数据驱动产品和精细化运营已经是企业经营的制胜法宝。把数据产品化，并通过数据产品真正驱动业务增长，越来越受到人们关注。但是，现在市面上相关实战经验的书籍还比较少，市场还相对空白，数据产品经理还是一个新的岗位。因此，我会充分结合业务的情况来讲述数据产品经理的日常工作，同时，讲述大数据产品化及应用、落地与具体业务，内容更具有实践性，可以为数据产品经理的日常工作提供指导。我联合网易、今日头条的大数据产品经理一起奉献数据产品领域的术与道，希望能够让你全面了解数据产品经理。
2.本书面向的读者
本书主要面向工作0～3年的数据产品经理，你们可能刚刚迈出校园，意气风发地准备在大数据这一行大有所为，希望用数据产品驱动世界改变。本书也面向已经在公司实现了一款以上的数据产品或者项目，正在为公司后续数据产品做更多规划的数据产品经理。你们都可以通过此书获取一定的灵感，即使书中提到的项目你正在做或者已经完成了。阅读本书在某种程度上也是复习和验证，并可以用来进一步完善现有的数据产品功能。我希望此书能够打开你的思路，使你早日成为一个合格、优秀的数据产品经理。
另外，为了让更多刚入门的数据产品经理能够读懂此书，我在书中介绍了一些数据产品经理需要的基础知识。本书也同样适用于想转行做数据产品经理的读者，可以帮助你了解数据产品经理的日常工作和需要的能力，使你能够快速入门。这些内容没有太多认知上的难度，更容易被理解。
3.我与本书的局限
我是本着给读者分享做数据产品经理这几年的心得和体会才开始写本书的，感谢专栏的粉丝和朋友们的鼓励，让我得以坚持下来。写书就像跑马拉松，我看着每次写下的文字感觉又向终点迈出了一步，特别是在本书接近完成的时候，情不自禁地加快脚步希望本书能与读者尽快见面。
尽管如此，我与本书仍然存在一些局限性：（1）书中的内容是我在数据产品领域实践经验的总结与分享，并非权威理论，书中如果有疏漏，还请读者见谅。当然，我还要感谢王瑞杰和李岩贡献自己工作以来的一些经验和成果，他们让本书显得更完整。（2）我只是把自己这些年来的工作经历和经验做一个总结，并且努力地追求专业。无论是阅读本书还是阅读我的专栏，你都可以看到一个真实的数据产品经理。由于涉及业务的保密性，书中提到的一些例子不能够特别具体，甚至图片都是经过替代和处理的，而不是完全引用原始数据或者产品功能，还请各位读者见谅。（3）工作以来，有幸我加入的公司都很重视数据产品，无论是美团还是摩拜，大数据都有着广泛的应用场景，并且通过数据驱动精细化运营。但是书中有些内容，并不适用于所有公司，例如自建大数据分析平台等，读者可以根据自己公司的实际情况选择适用的部分阅读。（4）书中的内容主要针对大数据领域，或者说，更多的是针对数据产品经理这个职位，但是有一些通用的方法和思路还是可以适用于更多领域的。
我只是一名普通的作者，本书也只是经验分享，请对我多一些宽容和鼓励，欢迎读者把阅读中发现的问题反馈给我，读者的反馈会让我更好地迭代数据产品领域的知识，然后整理更多的内容分享给大家。
最后，本书只是我整理工作过程中的一些心得体会，不能完全当成一本工具书或者万能宝典，数据产品经理这个职位刚兴起，很多理论和知识还在完善中，你可以把书中提到的一些知识与实践结合起来，并通过实现更多的数据产品项目，提升自己在数据产品经理这个职位上的经验，打开思路。
梁旭鹏
2019年1月
读者服务
轻松注册成为博文视点社区用户（www.broadview.com.cn），扫码直达本书页面。
提交勘误：您对书中内容的修改意见可在 提交勘误 处提交，若被采纳，将获赠博文视点社区积分（在您购买电子书时，积分可用来抵扣相应金额）。
交流互动：在页面下方 读者评论 处留下您的疑问或观点，与我们和其他读者一同学习交流。
页面入口：http：//www.broadview.com.cn/36034
第1章 初识数据产品经理
1.1 为什么要有数据产品经理
1.1.1 大数据行业现状人人都在说大数据，那么“大数据”这个词是从哪里来的呢？据资料记载，大数据一词最早出现在1983年著名未来学家托夫勒在其所著的《第三次浪潮》中，该书提出“如果IBM的主机拉开了信息化革命的大幕，那么‘大数据’才是第三次浪潮的华彩乐章”。随着计算机和存储地不断发展，直到2009年“大数据”才成为信息技术行业中的热门词汇，逐渐被人们所知。
大数据时代的到来，首先，离不开不断发展的计算机存储能力和完美的计算能力。其次，随着移动互联网、物联网的发展和智能手机的普及，每天无时无刻不在产生海量的数据，有了一定的数据量。就这样，海量数据与计算能力相结合，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题，于是，就迎来了我们身处的大数据时代，它让我们充分地认识到了数据的价值与意义。
在网络还没有普及的时候，很多数据都是离线存储在本地的，并不会作为公开数据或者资源存放在互联网上，例如音乐、照片、视频、文件、个人的一些记录等。但是现在，我们几乎每天都会使用互联网或者移动互联网上的网站或者应用，会产生大量的用户数据和行为数据，海量的数据里面蕴含了巨大的商业价值，这也正是大数据的价值所在。
随着移动互联网和智能硬件的发展，我们的数据会以各种各样的方式被存储记录下来，下面是生活中我们经常会接触的一些场景。（1）手机等设备上的各种应用收集了用户各种各样的行为数据，用户每天产生大量的访问数据，这些数据被某些公司所有，形成大量的用户行为数据。企业利用用户每天操作各种App的数据，可以分析或者优化产品。（2）随着电子地图以及导航应用（如高德地图、百度地图）的发展，我们的交通出行越来越方便，同时产生了大量的出行数据，它代表的更多的是用户的出行方式和出行行为，这些数据经过分析和结合具体的业务场景将会产生巨大的商业价值。（3）在进入社交网络的时代后，微信、微博、抖音这些应用就从来不会离开我们的视野，甚至占据了用户大量的时间。掌握这些数据，我们就可以轻易地了解用户的社交属性信息，引导更多的人参与其中，创造越来越多的数据，通过分析这些数据可以了解人们的社交关系网和生活、社交习惯，能够掌握一个人的日常情况。（4）淘宝、京东、美团等电商的崛起，带来了大量的网上交易数据，包含支付数据、搜索行为、物流运输、购买喜好、点击顺序、评价数据等。通过分析这些数据，我们可以掌握用户的购物习惯和消费情况。（5）随着百度等搜索引擎和知识问答社区的流行，用户的主动搜索点击行为和提问也汇集了大量的数据。通过这些数据，我们可以了解到用户关心的问题和日常生活中遇到的各种问题。
什么是大数据呢？大数据是如何定义的呢？其实目前并没有一个统一、准确、唯一的定义，不同公司、不同用户、不同产品的角度不同，对大数据的理解也不一样，每个人对大数据的理解也不尽相同。但可以确定的是，我们所指的大数据与过去传统的数据截然不同，其产生方式、存储载体、访问方式、表现形式、来源特点等都与传统数据有很大的差别。很多互联网公司使用的都是其产品和服务的用户群体的行为数据，这些数据是全面的、准确的，并且可以挖掘出巨大的数据价值。随着大数据的发展，大数据展现了4V特性，即体量巨大（Volume）、处理速度快（Velocity）、类型多种多样（Variety）、价值大（Value），如图1-1所示。
由于篇幅有限，对大数据4V特性就不做具体介绍了，读者可以查找相关资料进一步了解。
下面我们了解一下大数据在国内外的发展现状。首先，大数据在国外已经得到各国政府的高度重视，各国政府分别针对大数据制定了各种政策进行支持与保障，促进其发展，大数据已经在企业里得到了广泛的应用和发展。图1-1 大数据4V特性
美国政府为了大力推动大数据的应用与发展，计划把包括健康、能源、气候、教育、金融、公共安全等领域的数据和信息公开，让企业和个人都能够获取这些数据，希望能够从中挖掘更多的价值和应用场景，为经济和企业发展贡献力量。随着美国不断扩大数据的公开范围和受用对象的范围，越来越多的企业和个人能够接触到更大范围的数据，对于数据的共享和企业的创新都有很大的作用。2016年5月，美国政府公布了《联邦大数据研发战略计划》，用来加速发展大数据行业与经济增长，并针对大数据研发方面的规划提出了7条战略计划，加强了获取数据、分析数据、应用数据的技术处理速度。针对近些年的美国总统选举，大数据在预测方面的效果已经引起越来越多的人的关注，大数据的应用也已经在各行各业取得了一定的突破与发展。
英国为了促进大数据的发展，以数据共享为基础，不断提升技术能力，助力大数据平台建设。其中，英国政府投资了1.13亿英镑新建哈璀（Hartree）大数据中心，投资了4200万英镑建立了艾伦图灵研究所，开展大数据科学与技术的研究。为了在战略上对大数据进行指导，英国成立了大数据战略委员会，向社会发布了《开放数据战略白皮书》，向社会开放了获取政府数据的渠道，保证大数据创造更大的价值。
同时，瑞典已经从2017年开始，计划投资2.5亿瑞士法郎，启动为期4年的大数据专项（Big Data，NFP75）作为国家重点的科研计划，该专项主要包括大数据基础技术研究、社会法律问题以及大数据应用等。其中，大数据基础技术研究主要包括大数据存储技术、大数据架构、大数据计算等技术和设施的投入。社会法律问题包括个人数据的安全、社会伦理问题以及法律安全风险等。大数据应用主要包含在各个领域的应用，以及如何挖掘更大的数据价值，以数据驱动社会发展与进步。
与此同时，我国政府也积极地推进大数据的发展，为大数据的发展营造良好的环境。2014年，大数据被首次写进国家的《政府工作报告》中。
随着大数据的蓬勃发展，数据安全也被提高到了前所未有的高度，但是现在多数企业对数据的管理能力不足，导致数据安全得不到应有的重视。2018年，Facebook超过5000万条数据被泄露，类似安全事件的发生给国家安全敲响了警钟。目前，我国已经出台了《中华人民共和国网络安全法》，在《中华人民共和国网络安全法》的基础上，明确了数据管理与保护的各种规章制度，提出数据在收集、处理、使用等各个环节的建议及要求。同时，还应该建立针对大数据分类、分级的安全保护机制，结合每个行业自身的数据特点，决定哪一级数据需要脱敏，哪一级数据涉密，哪些数据可以公开，确保对数据资产做好分级、分类，企业要针对数据建立适合自身的安全保护策略。最后，应该为广大网民进行数据安全及个人隐私方面的培训，加强网络安全教育，提升网络安全意识，推动全社会形成重视数据安全的良好氛围。
纵观国内外，大数据已经得到蓬勃发展，形成了一定的产业规模，并上升到国家战略层面，大数据技术和应用也得到了突飞猛进的发展。大数据基础设施、大数据计算架构以及大数据的云计算等技术不断更新迭代，大数据新模式、新业务也取得了实质性发展，传统企业已经开始以大数据为驱动力，助力产业转型升级。人工智能、深度学习、工业物联网、智能硬件、虚拟现实、智慧城市等领域的发展，推动了大数据的应用与普及。新兴行业、传统行业围绕数据服务体系，已经形成了传统行业数据平台、互联网数据平台及物联网数据平台等各个大数据平台，如联想的工业大数据平台。其中，也发展了一批大数据公司，为企业提供数据服务。随着市场规模不断壮大，一些大数据产品为中小企业的发展提供了更多的数据支撑和数据驱动，如神策数据、GrowingIO、BDP商业数据平台等。
中国大数据产业规模变化趋势如图1-2所示，2017年已经达到4700亿元，同比增长30%。其中，大数据硬件产业发展迅猛，产值已经突破234亿元，同比增长39%。随着大数据在各个行业的融合、应用、不断深化，预计2020年中国大数据市场产值将突破1万亿元的规模。
中国商业联合会数据分析专业委员会提供的资料显示，在未来3～5年，中国大数据的人才需求量为180万人，而截止到2017年5月，统计发现中国大数据从业人员只有30万人，人才缺口相当巨大。大数据领域的高端人才更紧缺，目前这些高端人才主要来自海外回国和传统企业跨行业的人才，远远没有满足现在庞大的市场需求。图1-2 中国大数据产业规模变化趋势
针对大数据人才供不应求的情况，各大高校陆续开通了大数据相关课程，培训机构也开设了各种培训班，用来培养大数据领域人才。可是，人才的培养需要一定的时间和实际工作经验，短期内还难以解决大数据领域人才短缺的现象。
大数据领域对人才的标准也随着其迅速的发展不断变化，在大数据发展初期，对人才的需求主要集中在ETL开发、数据仓库开发、Hadoop开发以及系统架构开发等技术领域，以计算机、传统IT背景的人才为主。目前随着大数据向各个垂直领域的延伸发展、大数据应用领域的不断拓展，大数据领域对统计学、数学专业的人才，从事数据分析、数据挖掘、机器学习、大数据项目管理等领域人才的需求加大。本书要重点介绍的数据产品经理，也在这个过程中逐渐走进人们的视线，成为一个新的产品经理岗位。1.1.2 数据产品经理的前世今生
要讲清楚数据产品经理，首先要弄清楚数据产品经理负责的内容——数据产品。在这些年的工作中，我理解的数据产品是可以发挥数据价值去辅助用户做更优决策的一种产品形式。它在用户的决策和行动过程中，可以提供更多的分析展现和数据洞察，让数据更直观、高效地驱动业务。可见，数据产品主要消费数据，通过自动化形成稳定的产品形态。显然，数据分析师经常写的报告也可以被理解为以数据为主要产出的产品，但并不具备自动化产出的特性。
从受众用户群体来看，数据产品可以分为三类：（1）企业内部使用的数据产品。如自建BI数据分析平台和推荐系统等，这里之所以提到推荐系统，是因为它与用户画像、搜索排序类似的算法一样，本质上是根据用户数据和相应的数据模型建立的一套评分标签体制，也属于数据产品的范畴。（2）企业针对公司推出的商业型数据产品。如Google Analytics、GrowingIO、神策数据和BDP商业数据平台等，它们主要以平台行为为其他公司提供商业化服务。（3）每个用户均可使用的数据产品。如猫眼的实时票房和淘宝指数等，这类产品主要面向普通用户，而且大部分提供免费服务。
在明确了数据产品的概念之后，我们不禁要问：数据产品是如何产生的呢？我们为什么需要数据产品呢？它的价值在哪里？
我觉得管理大师Peter Drucker 说过的一句话非常好，他说“If you can’t measure it，you can’t improve it”。意思就是，如果你无法衡量，你就无法增长。在当今移动互联网领域，“增长黑客”这个词特别流行，它的核心理念就是用数据驱动增长。特别是在中国，人口红利逐渐消失殆尽，流量成本越来越高，如何让企业获取快速的用户增长，用数据驱动产品、精细化运营，就潜藏在数据产品中。
在当今的大数据时代，像Google、Facebook、阿里巴巴、腾讯等各大公司都用数据驱动它们的业务增长。它们领先于其他公司的原因是它们做的任何决策不仅依赖于经验，而且更多的是将重点放到数据上，发现竞争对手不曾发现的市场，找出更多驱动业务发展的方法，从而获得更大的战略优势。有项调查显示，排名在后60%的企业，其大部分业务决策（约70%）是基于直觉或经验的，而基于数据做的决策很少。由此可见，通过数据驱动业务决策多么重要，它会让你的企业更容易获得业务上的发展和成功。
不仅企业做决策需要数据驱动，就是人们在日常的商业活动中，也每时每刻都有数据驱动的身影。人们在日常的商业活动中，做任何决策都需要明确目标。我们在做一件事之前，都要首先明确为什么要做这件事，以及要达到什么样的目标，应该采取怎样的行动，而且所有的决策都要有一个参考。例如，我最近想买一辆车，那么我会把问题分解，我要买什么样的车？通过什么渠道买？价格是多少？有些人会选择去问之前买过车的朋友，让他们给一些意见，也有些人去网上搜集各种车型，把各种车型的优缺点一一列举出来，然后进行科学的对比，选出适合自己的车型。在现在的社会里，拍脑袋做决定变得越来越难，做明智的决定更依赖于各种类型数据的支撑，特别是即时准确的数据。随着数学、统计学、计算机科学的普及，数据在决策优化过程中的价值越来越大，在大数据时代尤其如此，我们应该让数据驱动我们的决策，而不是拍脑袋。
在依赖数据做决策的过程中，我们获取数据的形式不外乎数据本身、数据服务和数据产品三种形式，而不经过加工的数据信息又很难产生知识，数据产品就显得至关重要。例如，小明想要约女生周末去看电影，可是不知道周末有什么电影上映，也不知道哪些电影的评价分数高。这时候，他可以直接看周末电影院的排片情况，在网上查一下评价，这就是数据本身在发挥价值，他也可以咨询女朋友或者同事，根据他们的建议和观看经历决定周末看什么电影，这相当于由别人提供了数据服务。当然，他还可以打开猫眼电影，通过如图1-3所示的实时票房页面，查看实时票房，发现《悲伤逆流成河》的实时票房最高，然后综合数据产品提供的上座和评价情况，决定是否去看这部电影，这种方式便是使用数据产品。数据产品把数据、数据模型以及分析决策逻辑尽可能多的形成一个产品形态，以更直观智能的方式，发挥数据的价值，辅助用户更快地做出更合理的决策。图1-3 猫眼电影实时票房排名
有人说产品经理是21世纪最伟大的“勤杂工”，难道数据产品经理是最伟大的“搬运工”？说到产品经理，互联网从业人员大多都知道他是做什么的，但是在数据产品经理刚出现的那几年，谈到数据产品经理，别说非数据团队，就连我们的数据团队（分析师、算法工程师、研发工程师）也很好奇，数据产品经理听上去这么神秘，到底是做什么的呢？
数据产品经理是一个近些年来伴随着大数据的发展而出现的一个新兴的职业。那么，到底什么是数据产品经理呢？他到底做什么呢？我们先看一下数据产品经理在日常工作中的一段对话。
2015年10月10日，在某公司的数据部门工位上，作为刚入职公司的第一位数据产品经理，小王向公司的其他同事做了一个简单的自我介绍。
数据分析师小张：Hello！小王，你好，我是数据分析师小张，听说你是新来的数据产品经理，那你主要负责啥啊？要和我一起做分析吗？
数据产品经理小王：数据产品经理是做……
数据分析师小张：哦，那就是做数据仓库和大数据架构的吗？听上去好高大上啊，好好做，做好了我们数据分析师就轻松了。
数据产品经理小王：额，我还没有说完呢……
架构师小赵：小王，听说你是数据产品经理，是做那种报表的数据产品，是吧？那个我也会，现在不做了……
数据产品经理小王：额，数据产品不只是报表……
算法工程师小李：Hello！小王，刚才我们开会的那个会议纪要你写写呗，你不是专门整理会议纪要，然后写产品需求文档什么的吗？
数据产品经理小王：呃……你咋比我还清楚产品经理是干啥的呢？
数据产品经理会更细、更深入地挖掘用户对数据的潜在需求，分析对业务的贡献价值，服务于公司内的业务团队，甚至第三方公司，辅助他们更好地运营，但是没有脱离产品的本质，核心问题都是解决目前痛点问题和引导用户的未来需求。与上面的对话一样，很多人对数据产品最直观的印象只是停留在数据报表，比如阿里指数和谷歌分析等，其实这是很基础的数据需求。真正的数据产品是建立在大数据场景下通过数据挖掘并且体现数据价值后的产品化，最后再融合进业务产品流程中做辅助业务和驱动业务发展。除了通过数据发现问题之外，运营人员和老板更关心的是解决痛点问题，这才是大数据价值的体现，而不仅仅是整合数据、数据展现，更多的是发挥数据价值，真正指导产品运营和业务发展。
一个好的数据产品需要将用户的核心需求作为该产品的核心，并且充分发挥大数据的价值，然而，这句话对于每一个数据产品经理来说是不容易做到的。
第一，很多使用该产品的用户是内部用户，因为自身的一些客观原因，他们对数据存储、指标定义以及数据处理的了解和认识有所不同，所以会有不同方面的需求，这些需求中有很多都是很零散的，很难把握和总结归纳，需要按照统一流程处理。每一个数据产品经理都需要具有提炼数据需求、找出问题本质、推动解决问题的专业能力。
第二，对于一些企业的内部数据产品的用户来说，他们既是用户，同时又扮演着同事、老板、朋友等角色，他们本身就拥有一定的能力对产品经理的决策权进行一定的干预，而且经常说自己的需求很重要，这就需要数据产品经理平衡这些矛盾，审视这些优先级。
我在面试数据产品经理的时候，发现有很多其他职位的人来面试，如其他产品经理、数据分析师等，还有想从事数据产品经理的各个专业的人，如物理学、化学等专业的人。其实，只要具备业务能力、产品能力和数据能力，能满足数据产品经理基本的要求，有成长潜力，什么专业的人都是可以考虑的。
对于业务能力来说，因为每个公司的业务都不一样，所以能够掌握一些业务常用的思路和处理能力、能够在业务中发现痛点，并通过数据产品解决或者辅助解决问题的数据产品经理就是合格的。
数据能力是用数据和事实说话的能力，而不是拍脑袋决定的。例如，有些面试者爱说我觉得怎样，但是简历里面写的项目没有任何数据支撑，更别说数据埋点、数据仓库、基础的数据处理这些方面的经验和能力了。
说到产品能力，数据产品经理要能够把需求产品化，完成基本的需求文档和评审，并推动产品从需求到落地。如果数据产品经理有一定的产品运营经验会更好，就可以收集用户需求不断迭代产品，同时，也要具有一定的沟通、协调资源和进度把控能力。
数据产品经理在日常的工作中，要与公司的很多同事合作。例如，经常要面对业务方同事、研发工程师等，图1-4所示为数据产品经理和他的朋友们。
其中，距离表示各个职位和数据产品经理的远近，箭头的粗细代表日常与数据产品经理沟通的数量，箭头的指向代表由哪一方主动发起沟通。当然，个别公司还会设置交互设计师、数据挖掘工程师等职位，他们也经常和数据产品经理打交道，图1-4只是表示了一些公司通用的职位。
数据产品经理的本质是互联网产品经理的一个细分领域，其产品的用户可以是公司内部同事，也可以是外部用户或者付费用户，其工作目标是通过数据分析和挖掘，辅助其发现问题，提高决策准确性。为了完成数据产品，数据产品经理不仅要与传统的研发工程师、交互设计师、UI设计师、用户研究人员、产品用户、测试工程师打交道，还需要与数据分析师、数据科学家、算法工程师、数据仓库工程师等沟通。为了保证沟通中的效率，数据产品经理需要清楚沟通时可能会涉及需求收集、产品实现方式、需求管理、数据产品推动、数据产品实现、数据产品落地与运营等，这些将在后续章节中逐步讲解。图1-4 数据产品经理和他的朋友们
1.2 数据产品经理的日常工作
1.2.1 一切从业务出发大概在10年前，产品经理这个职位就已经出现了，随着互联网的不断发展，产品经理越来越热，更是喊出了“人人都是产品经理”的口号，已经成为各个互联网公司的标配。随着2007年乔布斯发布第一款iPhone，以及iPhone的大卖，很多互联网公司的CEO开始号称自己是公司的第一产品经理。然而，数据产品经理却是近几年随着大数据的爆发才出现的，很多公司越发意识到数据的重要性。于是，数据产品经理应运而生。产品经理随着行业发展逐渐被细分，数据产品经理成为产品经理的一个分支。
小王作为一名互联网公司的数据产品经理，为我们展现了数据产品经理的日常工作：
早上9∶15到公司，打开Tower（任务管理工具，有些公司也会用JIRA等），查看自己本周的需求计划，昨天研发工程师更新了哪些任务，哪些任务已经完成需要关闭，有没有延迟的任务，会不会影响项目进度，今天应该重点完成哪些需求任务，并把今天要重点完成的需求做优先级排序。
10∶00，召集各部门用户，组织召开需求收集会，收集各个用户对数据产品的需求，整理汇总，准备进行下一版本迭代。
11∶00，完成会议用户访谈，整理需求列表和会议纪要，明确会议结论和接下来要做的事情，整理邮件发送给大家。
11∶30，与老板一起讨论需求情况，并评估需求优先级。
12∶00，讨论完需求后发现已经到吃饭的时间了，已经饿得肚子咕咕叫了，于是匆匆去吃午饭。
13∶30，根据需求优先级，整理下一版本的需求文档，明确产品功能和需求细节，以便尽快定稿。
14∶00，做原型设计，设计功能页面及交互情况，以便数据产品研发工程师更容易理解需求。
14∶30，跟进另一个产品项目，协调测试和UI资源，促使研发工程师高质量完成相关功能，确保项目能够按照预期顺利交付。
15∶00，被老板叫过去，老板指出上线的产品需要修改的地方，并希望能尽快给出迭代方案和原型图。
15∶30，预订会议室，组织大数据分析平台产品PRD需求评审会，与各个研发工程师、测试工程师、设计师讨论需求，明确需求需要修改的地方，会后完善需求。
16∶30，写会议纪要，落实会后要做的事项，然后确认后发送给大家。
17∶00，看数据产品的用户使用数据情况，分析各个功能的用户转化和留存情况，汇总迭代方向。
18∶00，去吃晚饭，边吃晚饭边思考项目遇到的问题。
19∶00，吃完饭回到公司，想起老板交代的需求还没完成，于是整理老板要求的方案，检查没有问题之后发给老板，老板很快对方案给予了一些建议和答复。
20∶00，打开印象笔记，整理汇总一天的工作日报，找出影响项目进度的问题，寻求解决办法，然后收拾东西，打卡下班。
就这样，小王结束了数据产品经理的一天。当然，有时候会因为项目上线等原因下班更晚，用很多产品经理同行经常说的话来总结这一天，是忙得“飞”起来的一天，然而，又是充实的一天，特别是在晚上复盘整理问题的时候，感觉每一天的收获都很大。1.2.2 离不开的产品原型与需求文档
产品经理的日常工作离不开产品原型与需求文档，光靠一张嘴就能够跟研发工程师讲清楚实在是不现实的，而产品需求基本上首先都由资深产品经理或者老板确定大方向和要做的功能，然后由数据产品经理新人落地产品原型和需求文档。以下是数据产品经理新人小王的需求文档与产品原型的日常工作。
老板：小王，为了配合业务实现×××，我们要做一个×××功能，你梳理一下，把这个功能再细化和落地吧。
小王：好的，这个功能是不是要具备A、B、C这些功能啊？
老板：是的，最好还要有一个D功能，这样用户就可以更方便地使用产品了。
小王：好的，我先梳理一个需求文档（PRD）出来。
老板：写文档时别忘了5W2H的应用哦。
小王：必须的。
5W2H会在1.3节“数据产品经理的思维方式”中介绍，对于定义问题非常有帮助，也有助于弥补考虑问题的疏漏。需求文档主要是围绕5W2H写的，只要明确了这些问题，就是一个不错的需求文档。
小王：老板，需求文档我写完了，用邮件发给你了，请你看一下。
老板：好的，A这个功能有些不太合理，我们的业务场景是×××，所以最好能够……这样来做。
小王：我当时这样写的目的是……我觉得……嗯，有些功能我确实考虑得不够全面，我再完善一下。
老板：好的，完善一下后我们进行需求评审。
于是，小王就约研发工程师一起进行需求评审。在会议上，小王开始眉飞色舞地给研发工程师讲需求背景、需求意见、功能，研发工程师开始在技术上对小王设计的功能进行一一点评。
研发工程师甲：A这个功能在前端实现的成本太高了，当前选型的控件不支持，如果要做就要改源码，恐怕赶不上上线时间啊！
研发工程师乙：B这个功能是可以实现的，可是性能不能保证，查询这么大的数据量，接口的访问速度必然会受到影响。
研发工程师七嘴八舌地说了一堆，把小王弄糊涂了，对于一个没有技术背景的产品新人来说，理解技术细节确实有难度，还好小王的老板在会上对研发人员提出的问题一一解决，能换方案的换方案，务必保证的需求让研发人员做详细的技术调研，总算把这个需求评审通过了。
会议开完后，老板对小王说：“写一个会议纪要吧，没有结论和行动事项的会议都是浪费大家时间的。”
于是，小王就对会议进行总结，明确了哪些功能要做，哪些功能需要修改方案，哪些技术细节需要再进一步调研，接下来每个人应该做什么，下次会议应该交付什么结果。
小王刚把会议纪要发出去，老板就走过来对小王说：“根据需求文档画一下产品原型吧。”
小王：产品原型？这怎么做？
老板：Axure和墨刀都可以做需求文档，要以页面的形式让研发工程师知道系统的功能和如何操作交互，更易于研发工程师开发系统，减少沟通成本和降低理解误差。来，我给你演示一下应该怎样画。
小王看完老板演示后，不由自主地说：“哇，原来还有这种东西，做出来的简直就和系统的原型差不多嘛，我好好研究研究。”
老板：做数据产品经理，除了要懂一些数据分析的知识之外，需求文档和产品原型也是离不了的，这两个方面也是数据产品经理经常要面对的。
小王赞同地点了点头，回到工位继续自己的原型设计工作。1.2.3 与研发工程师做朋友
数据产品经理大约有50%左右的时间都在和研发工程师打交道，无论是前端研发工程师、后端研发工程师，还是数据仓库研发工程师，需要组织一切可以组织的研发力量，让项目尽快交付满意的产品。当在开发过程中遇到方案里一些细节不明确的地方时，数据产品经理要主动与研发工程师一起解决这些问题。
前端研发工程师小张：这个数据下钻功能圈选数据以后应该怎么操作呢？下钻的维度应该从哪里来啊？
数据产品经理小王：下钻的维度应该以在创建数据源时选择的那些指标作为维度，直接读取配置表中的这些维度应该就行。
小张：我们再找后端研发工程师对一下吧，看他以什么方式返回给我比较合适。
小王：好的。
于是，小王又跑到后端研发工程师小李那里，向他讲明了情况，三个人找了一个小会议室，在小黑板上开始画了起来。
小王：如果要实现数据下钻的功能，那么现在需要从小李那儿返回维度给前端，数据源配置的时候保存了维度选项，应该返回这些维度的数据比较合适。
小李：我看了一下，确实有这些字段标识，用户在前端触发选择维度的时候我来返回这些维度的数据吧。
小张：嗯，我拿到你传给我的值之后会在前端进行展现，让用户选择。可是用户可以无限下钻吗？一个维度被选择之后还会再次出现吗？
小王：一个维度应该只会被选择一次，对于同样的数据，你选择以这个维度来看它，那么相当于你已经对这个数据做过一次操作了，以后也就不需要再选择这个维度了，太多的选项反而容易让用户比较迷惑。
小张：那就是做减法是吧？后端是不是需要再记录一下？
小李：嗯，对于已经选择下钻的维度我这边会做一个标记，给你的接口都是没有选择的维度数据。
小张：好的，就这么愉快地决定了。
小王和前后端研发同事把事情梳理清楚后，刚坐到工位上，这时候，数据仓库研发工程师小孙又跑过来找小王。
小孙：小王，数仓项目的工作流依赖检测好像有些问题，在这种情况下，我捕获不到系统的这个状态。所以这个功能实现起来有点问题。
小王：这个功能在数仓工作流这个系统中很重要，如果获取不到，我们就很难实现这个工作流，有没有其他方式能拿到呢？
小孙：以当前的方式确实拿不到，我回去再查一下看看有没有其他方式吧。
小王：好的，这个功能确实很重要，如果实现不了，那么项目只能延误，这个功能没有替代方案？
小孙：好吧，我再调研看看。
大约过了两个小时，小孙跑过来对小王说，我查资料找到了一个可实现的方案，但是可能要多花一天的时间。
小王：那我们一起找老板，让他评估一下吧。
于是，小王和小孙又来到了老板这里，把情况都说了一下，让老板做决定。
老板：小王的判断是正确的，这个功能是核心点，小孙可以尝试用后一种方式实现，多花费一天的时间来实现也在工程可接受的时间范围内，你就尽快实现这个功能吧，小王一会儿发邮件告知大家项目风险和延误原因。
小王：好的，我回去就整理邮件。
小王一天的时间就这样在和研发工程师的讨论中度过了。1.2.4 多和用户聊聊
在数据产品上线以后，数据产品的目标用户主要是公司里各个部门的同事。数据产品有给数据分析师用的，有给各个业务线的同事用的，所以，要听一听用户的声音，基于用户需求规划下一个版本的迭代路径。
数据分析师小张：我能吐槽一下×××这个功能吗？这个功能简直太难用了，操作起来极不方便，刷新之后还不能保存之前的配置，这样导致我每次都要重新配置。
小王：嗯，这个功能确实操作不太方便，我把它列入后期的优化列表中吧，我再重新设计一下，然后让大家一起再评估。
数据分析师小张：好的，辛苦了。
于是，小王又针对用户的吐槽重新设计了这个功能的交互及方案，并拿给技术团队评估，技术团队觉得可以实现，最后组织了数据分析师一起评估，大家都觉得这个优化可以提高数据分析的效率，于是小王把这个优化加进了产品排期中。
数据分析师小钱：我在使用×××这个功能的时候遇到了Bug（漏洞或者缺陷），点击保存按钮没有反应，能帮我看一下吗？
小王：好的，我看一下。你能描述一下你具体是怎么操作的吗？
数据分析师小钱：首先，把A、B、C、D这些指标拖到指标栏，然后把维度选择时间，把筛选条件选择城市和平台，把指标A设置成趋势线，把指标B设置成按照色阶显示，然后……
小王：好的，我试一下。
可是，在小王试了很多次以后，依然不能复现问题，于是……
小王：小钱，我还是不能复现你的问题啊，要不我找你当面看一下吧。
小钱：好的，我问其他同事好像也没有这个问题，你过来看一下吧。
于是，小王找到了小钱，当面确认了问题，他那里确实有问题，但是用自己的电脑这么操作就没有问题。于是，小王不得不找前端研发工程师小赵和后端研发工程师小李帮忙。
小王：小赵，小钱在使用×××这个功能时遇到了问题，他的操作是×××，可是我按照他的操作在我的电脑上是好的，你能看一下吗？
小赵：好的，我先在我的电脑上看一下是否能复现，稍等……我这里能正常使用。
小李：我这里功能也可以正常使用，我们过去找你们一起现场看一下吧。
小钱周围围了研发工程师、产品经理等四五个同事一起查找问题，最后发现是因为浏览器版本太低，对一个控件的功能不支持，导致报错，在小钱更新了浏览器版本之后顺利解决了这个问题。
产品运营主管小丁：我在使用用户行为路径这个功能的时候发现选择×××这些条件后结果好像和业务这边的常识有些冲突，A路径的点击量应该没有B路径的点击量高，能帮我看一下吗？
小王：这个A路径就是在App上先点击××，再点击××，然后再点击××吗？
小丁：是的，你可以在App上看一下，B路径的入口还是很明显的，A路径会稍微隐蔽一些。
小王：嗯，确实是，好的，我们确认一下数据的准确性。
于是，小王又找到了研发工程师，从数据仓库到底层日志，最后到埋点，一层层开始查，终于找到了问题，是因为前端研发工程师在埋点的时候忘记埋了一个点，导致B路径的数据量不够，从而出现了上面的问题。
小王：问题找到了，是因为前端埋点漏掉了一个，已经让负责埋点的同事加上了，明天应该就能看到数据了。
小丁：好的，多谢哈，数据的准确性还是很重要的。
小王：中午一起吃饭吧，我还想了解了解你们业务上×××这方面的事情。
于是，小王和业务同事经常“混”在一起，了解业务同事正在做的事，以及如何从数据角度帮助他们，同时向业务同事分享了自己对数据方面的认识，以及从数据角度看业务还可以实现的改进和尝试方案。
1.3 数据产品经理的思维方式
曾经有人说，产品经理就是发现问题，并制定一套解决方案，组织一些人一起去解决问题，然后再持续不断地对解决方案进行优化和改进。在这个过程中，产品经理们做了一个又一个项目，迭代了一个又一个产品，积累了很多经验，在复盘和总结项目的时候，通常会发现有些方法是通用的，对于数据产品经理的日常工作，技能是我们的安家立命之本，但是在技能之上，更重要的是思维方式，它决定了我们做事情的方法、思路。对于一名数据产品经理来说，哪些方法论和思维方式是我们经常会用到的呢？1.3.1 归纳与演绎思维
归纳法与演绎法是在写作过程中逻辑思维的两种方式。人类认识活动，总是先接触到个别事物，而后推及一般，又从一般推及个别，如此循环往复，使认识不断深化。归纳就是从个别到一般，演绎则是从一般到个别。
1.归纳法
归纳法是产品经理思考和总结的有效方法，是经典物理研究及其理论建构中的一种重要方法。归纳法透过现象抓本质，将一定的物理事实（现象、过程）归入某个范畴，并找到支配的规律性。就像我们在做竞品分析的时候，通过审慎地考察各种竞品，并运用比较、分析、综合、抽象、概括以及探究因果关系等一系列逻辑方法，推出一般性猜想，然后再运用演绎对其修正和补充，直至最后得出结论。总而言之，归纳就是从已知信息推理出一个结论。
要注意的是，归纳要从已知信息的共同属性推导出结论，如图1-5所示，通过已知信息可以归纳出结论。
归纳法的例子如下。
条件：我养的一只叫“一条”的猫喜欢吃鱼。邻居家养的一只叫“二饼”的猫喜欢吃鱼，叫“三万”的猫喜欢吃鱼，叫“红中”的猫也喜欢吃鱼……
结论：猫喜欢吃鱼。图1-5 信息归纳
如何检验结论是否正确呢？可以通过结论倒推，看一看是否能够解释清楚，推导后的信息是否准确。在使用归纳法达成结论的时候，同时需要注意，千万不要在信息不全面的情况下犯以偏概全的错误。例如，人们熟知的黑天鹅的典故，讲的就是以偏概全的问题。生物学家在亚洲、欧洲、美洲发现的天鹅都是白色的，于是得出结论：天鹅就是白色的。后来，人们在澳大利亚发现了黑天鹅，一个与白天鹅颜色完全不同的个体。这就是犯了以偏概全的错误。如果想要避免以偏概全，就需要对得出的结论进一步用事实验证，从多个角度证实或证伪。因此，只有掌握全面的材料和事实，才能归纳出结论。不要只通过少量的事实就妄下结论，这样对业务发展影响很大，可能误导方向。
2.演绎法
演绎就是发散，类似于我们在画思维导图的时候，从一点出发，发散出很多相互独立、不相关的点，再一步步发散出去，不断穷举出想到的点。演绎法从一般到个别，即以一般的原理为前提论证个别事物，从而推导出一个新的结论。演绎法的例子如下。
条件：猫喜欢吃鱼，我家养的“一条”是一只猫。
结论：“一条”这只猫喜欢吃鱼。
其实，演绎法再发散一些就是不断联想，由一点出发，不断联想出相关的事物，例如现在去医院看病挂号特别难，特别是专家号。如果我要做一个挂号的App，那么做了就会有很多人用吗？很多人用了会带来什么问题？……这也是打开产品经理思路的一种方式。
演绎的方式：大前提—小前提—结论。
大前提：一个客观事实。
小前提：属于上面那个事实的子范畴，子范畴就是其中的一个点，包含在事实的基础上。
结论：根据相关性得出结论。
在数据产品经理的现实工作中，归纳和演绎的应用是十分广泛的。一个业务是由很多部分归纳组成的，会受到很多具体化的指标影响，所以在定义一个问题时，我们可以对问题进行归纳。例如，每个电商平台都会关注交易额（GMV），而GMV又是受用户流量、转化率和客单价三部分影响的。其中，用户流量受推广来源流量、新用户流量、老用户流量等指标影响，跳出率和购物车流失率等指标会关系到转化率情况，客单价又不是一成不变的，很多时候新老用户的客单价都不相同，因此可以用图1-6进行逻辑划分。这样，当交易额出现异常情况时，我们便可以通过图1-6分析影响交易额的指标，一步步定位是什么原因引起的问题。图1-6 交易额的逻辑分层1.3.2 数据思维
我们先看一下数据、信息和知识这三个概念。
数据就是数值，是一种客观存在，是通过观察、实验和计算得出的结果，并随着社会的发展而不断扩大和变化。特别是在现在的移动互联网时代，数据不再是仅仅限于字面上的数字，图片和视频都是数据，我们开车或者骑行中的轨迹也是数据，甚至身体的健康状态信息等也都属于数据的范畴。
信息是对这个世界中人或者事的描述，泛指人类社会传播的一切内容，它比数据更加抽象。1948年，数学家香农在题为《通信的数学理论》的论文中指出：“信息是用来消除随机不定性的东西”。信息是被组织起来的数据，是为了特定的目的，对数据进行有关联的组织和处理，赋予数据以具体意义，从而可以用来回答5W2H中的Who（谁）、What（什么）、Where（哪里）、When（什么时候）的问题。以2018年10月23日通车的港珠澳大桥为例，它是建立在中国境内，连接香港、珠海和澳门的大桥，桥隧全长为55千米，其中主桥为29.6千米、香港口岸至珠澳口岸为41.6千米，这便是由数据表述的有关港珠澳大桥的信息。
知识是通过数据和信息处理以后，被验证过的，而且是绝对正确的。可见，知识是数据和信息之上的，更加高级和抽象的概念，是基于信息之间的联系，总结出来的规律和方法论。知识具有系统性、规律性和可预测性，主要用于回答Why（为什么）和How（怎么做）的问题，而得到的知识能够使我们更加清晰地了解世界和生活，还能够不断改变我们周围的世界。这一切所有的基础就是数据。例如，北京夏季高温多雨，8月温度为20～36℃，平均降水天数为12天，这是根据多年资料总结出来的北京气候的规律，这个知识有三个作用：①回答问题。这个知识解释了今年8月北京为什么下了那么多雨。②预测。明年8月，北京很可能温度还为20～36℃，平均降水天数还为12天。③总结经验。在8月来北京旅游穿短袖衣服即可，体弱者要带长袖衣服，最好带伞。
图1-7解释了数据、信息和知识的层次关系和重要性，我们做任何决策的知识都是要建立在信息的基础上的，仅仅凭直觉和意识做的一些决策，如果没有数据支撑，那么是没有办法经过积累沉淀下来形成知识的，有些企业只是收集数据，却不知道怎么用、应该用在哪里。数据如果静静地放在那里是没有任何价值的，有效的数据驱动可以将企业里的数据充分地转化成信息，并且形成结构化的知识体系，高效地指导企业各个业务快速发展。图1-7 数据、信息和知识的层次关系和重要性
另外，当对要解决的问题不能寻找到一个简单、准确的解决方法时，我们可以通过历史数据，寻找合适的算法，构建出模拟真实数据的模型，从而预测真实场景下的数据，寻求进一步的解决方案，这就是数据驱动方法的意义所在。虽然这些模型都会有一定的误差，但是在合理误差范围内的结果都可以进一步指导企业做出决策和对业务进行指导。随着大数据时代的发展和硬件计算资源的进步，我们通过数据生成知识的速度会越来越快、效率会越来越高，在这个高速发展的时代，数据驱动会越来越高效地帮助企业发展，达到用数据汇集信息、通过信息挖掘知识、用数据驱动业务的目的。1.3.3 用户思维
用户思维是指站在用户的角度考虑问题，从用户的问题出发。这里的用户，可以是使用产品的用户、公司的客户，也可以是合作部门提需求的同事，还可以是自己的老板。马化腾说过，产品经理最重要的能力是把自己变傻瓜。周鸿祎也提出，一个好的产品经理必须是白痴和傻瓜状态。
产品经理要能够随时切换自己的思维方式，能够随时从“专业模式”切换到“傻瓜模式”，这就是用户思维的体现。产品经理要能够忘掉自己的行业背景和知识积累，以及产品逻辑和实现原理，变成对这个产品一无所知的“小白”。
用户思维一般只关注用户的需求和想要的结果，以用户需求为导向，不会太关注执行和实施的过程。例如，我想给某人打电话，那么我拿出手机，便可以联系到这个人进行直接对话，至于手机信号怎么样、基站是怎么建设的、如何精准地和这个人对话而不会错误地联系到其他人，我都是不考虑的，因为一旦考虑这些细节，我就会深陷这些泥潭里而不能自拔。
以大数据分析平台为例，用户的思维如下。
昨天上线了一个活动，我打开大数据分析平台，就想看活动的数据情况。
在这个思维模型里，用户的预期是直接获取上线后活动数据的情况，让他快速了解活动的效果，尽快做出决策。所以在这个过程中，我们所做的任何工作都是从用户的这个核心需求出发的，并且实现这个核心需求的目的路径越短越好，用户的整个思维体现可以用图1-8表示。图1-8 大数据分析平台的用户思维体现
如何掌握并熟练应用用户思维呢？首先，要在心里时刻想着用户，牢记用户的需求，以“小白”心态理解用户的需求，并在整个产品设计、推广过程中，复盘自己是否体现了用户思维，有没有以用户为导向。然后，融入用户真正的使用场景中，只有这样，你才会作为一个真正的用户体验产品和服务，当遇到一些痛点时，才会意识到产品需要改进的地方，才能真正体会用户思维。最后，要多和用户打交道，定期进行用户需求调研访谈，这样才能准确地把握用户思维，真正做到以用户思维为导向。1.3.4 产品思维
用户思维只关注产品功能，会把需求简单化，而工程师的工程思维会关注工程实现，就会想到具体的实现细节问题，所以如果让用户思维的人和工程思维的人直接沟通，经常会看到吵得不可开交的场面，最后争得面红耳赤，仍然不能解决问题。这种情况导致的最终结果要么是无休止的无效沟通，项目很难实施，要么是交付的产品很难用，不能满足用户的需求。这时候就需要具有产品思维的人，也就是产品经理，在需求上进行把控，在表现层尽量向用户思维靠拢，又要尽可能地考虑工程实现，把需求具体化成严谨的逻辑表达出来。这样，就弥补了用户思维和工程思维之间的鸿沟，在用户思维和工程思维之间构建了一个桥梁，保证了产品的顺利实现。
业务方用户作为产品的需求方和最后的使用者，不会参与到产品的具体实现过程中，而负责产品实现的，是程序研发工程师、UI设计师、交互设计师、测试工程师和产品经理等。产品经理在整个过程中，作为需求方的代言人，代表的是用户的利益，所以要具有一定的产品思维，能够把用户思维转化为产品原型或者项目方案，让具有工程思维的研发工程师更容易理解和接受。只有真正具有产品思维，做出来的产品才能更方便用户使用，才会在产品设计中以用户思维为导向。例如，在大数据分析平台中，用户对数据的需求基本上就是能够很快地找到自己关心的业务报表，直观地获取数据信息，并根据数据指导业务决策，产品思维在设计报表功能中的体现如图1-9所示。图1-9 产品思维在设计报表功能中的体现
需要注意的是，这里的用户不仅是业务用户，还要考虑老板的意见、运营的想法、数据分析师的需求和自己对产品的规划。产品要经过交互设计师、UI设计师在交互和页面上优化，并通过工程师的程序实现，最后交付用户使用，并根据用户反馈继续迭代。
用户思维代表的是用户的心理模型，产品思维代表的是假设的用户模型，工程思维代表的是真实的实现模型，这三种思维方式对产品经理都很重要，而且产品经理要善于转换思维。在我们擅长的领域，我们的思维往往是产品思维和工程思维，当转换到不懂的领域时，看待这个领域事情的思维就变成了用户思维，要时刻保持一个空杯心态。1.3.5 工程思维
工程思维主要关注的是项目实现的过程，包括项目的方案、项目排期、项目进度跟进、项目执行等，是一种更加关注细节逻辑、更加严谨的思维方式。比如，要开发一个大数据分析平台，如果单纯用用户思维看，那么很可能只关注表面的功能，其实这只是项目中很小的一部分，还要关注系统架构选型、后端功能实现、系统的适配性、服务的稳定性、查询速度等一系列问题，它还原了产品具体实现的本质。
以大数据分析平台报表展现功能为例，如果数据产品经理只有用户思维，那么只会关心报表展现哪些单图内容、都有哪些筛选条件。可是，如果数据产品经理用工程思维看，就要考虑这个功能具体是如何实现的，要能够知道大概的步骤和方式，就会考虑如下步骤实现：（1）根据页面ID获取Dashboard配置；（2）根据Dashboard页面配置渲染页面；（3）根据图表ID获取图表配置项；（4）创建报表中的自定义图表，并进行渲染展现。
试读结束[说明：试读内容隐藏了图片]