一、大数据产品经理的工作

大数据产品经理可以分为两类，一类是基于业务应用的产品经理，一类是基于BI通用化工具的产品经理，前者侧重的是对业务的了解、对数据分析的过程、对产品建设的整体把控、对数据分析结果的验证反馈以及对公司业务的推进；后者更偏向于抽象业务性质及数据分析过程，形成一套支撑各类大数据分析应用的平台工具，对具体的业务指标没有硬性考核，更多的倾向于对工具产品的推广。

除了像业务产品经理需要掌握的基本技能之外，

1.要极其熟悉公司业务及动向。特别有些公司拥有众多业务线条，需要了解整体业务框架，集团目标、商业模式、战略、业务流程、要考核的各种指标，以及指标背后的业务含义等。要形成一套从上到下的框架、各框架下的业务、业务包含的数据内容、各业务之间数据的联系以及目标导向性的数据（业务）模型。

2.要了解数据分析。

数据PD可以不是数据分析师，但是要熟悉数据分析的套路。数据PD要将分析的套路按照业务主题做成标准流程或系统。

如果有数据分析师，可以向他们学习套路，如有没有，就需要自己形成一套可验证的分析套路。

例如要根据业务主题，拆分各类可能出现问题的类型，每一类型需要看什么数据，数据的分析过程；或者当数据出现后，能看出业务出现了什么问题或者会出现什么问题。这一点，需要对业务相当熟悉，或者需要一定积累。

3. 数据仓库、ETL、数据建模、商务智能。

这些数据在网上有很多很专业的解释，不过可能不是人人都能生动体会和理解。

我对此做一个狭义的理解（任何一个理论或者词语一旦用例子举例，往往是失去其本身一些深沉的含义，做狭义解释是为了方便初学者理解），大数据产品的数据来源往往杂乱，如果把数据看作是物品甚至是回收品，那么大数据产品的价值就是怎样通过公司的各种资源渠道吧这个物品/回收品卖出去，提升公司营业额。

首先物品/废品乱七八糟，有的可能是集装箱装好的，有的可能就是大大小小的快递包，如果把这些物品杂乱无章的放到仓库，当要把物品卖出去的时候，往往不知道物品在哪，库存多少，对销售以及物流效益极其不利，所以需要ETL，对数据进行清理和结构化处理，例如物品有二手手机，有整装女装、男装等，那怎么ETL呢（本过程定义标准化产品的售卖），首先二手手机不知道功能好坏，入库的时候更多的是拆出主板处理器芯片等完好的关键零件分别入库（其他部分丢弃），并划分仓库区域，此区域全部存储电器器械零件，女装男装因为是全新包装并且类目统一，则划分一块仓库存储服装，并为每类服装设定唯一码，还可以划分食品区、日用品区等等诸如此类。那么此时的仓库就是分门别类，已经结构化可以数字化处理的标准货物，这就是数据仓库。

数据建模，是对各种商品或者这种主题的重组，目的是方便后续的分析，提高效率。最简单的建模例如日志分析，会记录每个人分别买了什么，什么时候，那么建模可能会从多个维度去考虑，一是以商品维度，以商品品类、销售量等建立模型表，也可以以用户标签为维度，以用户标签、购买商品类型，商品数量，金额等建立模型，最终还是以业务为驱动的思路去抽象模型数据。

商务智能是基于数据建模或者数据仓库的上层分析，数据分析师或者管理者根据具体情况，利用商务智能快速获取想要的信息，比起直接调用仓库数据或者销售数据，商务智能在计算上更高效，在视觉上更直观。市场上的商务智能大都是类似于汇总，钻取，度量，指标，维度，缓慢变化维，层次，属性，仪表盘等等术语。商务智能更偏向于不懂技术的业务专家使用。

4. 要精通数据产品开发流程。数据开发+产品开发。

除了上述内容，更重要的是做数据产品的输出。产品的整套研发思路和普通的产品没有太大区别，除了产品的设计开发，还有几个重要的步骤是抽象业务模型和决策驱动与验证。

分析模型的设计—— 分析模型的好与不好，其实决定了数据产品的成败。（未完待续）

好的业务分析模型能够让管理者从中知道成交量，是否上升或下降，上升下降的原因，以及如何整改。（后续详细描述此过程）

其二是决策驱动和验证

例如数据分析之后发现，沃尔玛经典案例啤酒与尿布，麦当劳的汉堡薯条和可乐，这些物品之间存在强相关性。所以在货物成列上，可以捆绑销售，吧啤酒和尿布组合上架，汉堡薯条和可乐套餐上架，也可根据时间段或者区域的商品预测结果，南方妹子大多75B罩杯，北方总体以C为主，在货物库存准备时，根据情况进行不同配比的上架，然后收集执行结果，对照模型进行效果总结或者模型优化。