數據產品經理生存指南第三條－平台思維

在我們第一篇數據產品經理生存指南中，我們籠統了介紹了目前數據產品經理這個行業和職業的現狀，分析了一些企業的基本需求，並依據這些需求給出了四個數據產品經理必備的技能，其中平台思維排在第二位。n

如果說數據分析能力是數據產品經理的基本能力，那麼平台思維是一個數據產品經理成功的法寶。而在投票中，我也很高興大家也意識到了這一點。n

數據業務是一項特殊的業務，他不僅需要我們的業務負責人採集和處理數據，更需要讓這些數據滲透到各項業務中，為公司戰略提供方向，為各項業務提供支撐，為商業化打好基礎。實際上，數據業務是少有的在任何公司都是貫穿全業務線的公司——上至CEO，下至一線產品/運營人員均需要依據數據來提升決策效率和決策正確率。除此之外，使用數據的各方同時也是數據的供給方——數據來源於商業活動，最終也需要回到商業活動中去。

所謂的數據產品的平台思維，是要在企業內，讓數據與公司業務構成一個整體。在這個統一整體中，數據產品經理通過管理、分析數據，並以產品和服務的形式輸出，讓數據與業務之間相互影響、相互促進，讓雙方一起處於螺旋上升的狀態，最終達到共同發展。

數據產品經理所打造的數據產品天生就具有平台特性——不僅僅是生產數據，提供數據消費的通道，同時也需要讓業務線參與進來，讓決策過程反饋到平台中，最終完成數據生產和消費的閉環，讓整個企業的數據生態達到一種動態的平衡。

如何搭建數據平台，建設企業的大數據生態呢？

首先需要建立企業的數據流框架，釐清數據平台的上下游。

在一個企業中，業務部門是數據產品的使用方，數據平台中包括數據產品及其數據生產和分析系統，數據源可以是內部的業務系統也可以是外部的輿情數據。數據產品經理需要跟平台及其相關的各方進行充分的溝通，了解目前業務的發展方向並從中獲知對數據現在的問題以及未來可能的發展方向。

比如當公司要開展用戶增長業務時，渠道及其用戶活躍評價體系的建立和相關數據的採集是必不可少的，當公司要開展大規模商業化的時候，用戶畫像及其標籤體系變得尤為重要。當然，這些數據可能在任何公司都很重要，但是我們需要根據企業當前的發展狀態來決定平台的優先順序。

其次是需要建立數據運營的流程，讓數據真正的跟業務結合在一起。

這一部分我推薦車品覺老師的《決戰大數據》一書，其中車老師提出了「混、同、通」的數據分析思路，同時還提出了養數據的理念。

我自己在實踐中，結合車老師的思路，將企業的數據運營按照發展階段分為三步走：

第一步先將業務中的核心數據收起來，第二部需要讓數據跟業務結合產生共振，第三部需要參與到企業的發展方向中去，根據未來的業務訴求來不斷的主動尋找數據源，採集更多的數據。

我在小米搭建營銷體系的數據團隊，發展數據業務的時候，基本上依照這三個階段來進行：

第一階段：收數據

這個階段我們主要是同公司各個業務方溝通和談判，獲取各方數據資源的使用權，達成合作模式。在這個過程中，整合了全公司的用戶基礎數據，一年採集了數千萬用戶的性別、年齡、收入、學歷等基礎屬性數據；我們逐步建立了超過2500個標籤的畫像體系，還有超過500多個行業標籤。讓廣告業務有了初步的人群定向能力。

第二階段：用數據

數據產品經理工作中都會遇到各種吐槽——你的數據準不準啊？你的數據怎麼來的呀？這個數據怎麼用起來跟預期不一樣呀？

實際上，這些吐槽中的問題並沒有唯一答案，因為業務需求和場景不一樣，數據所表現出來的問題會完全不一樣。比如之前廣告主用了Lookalike還要繼續篩選人群條件，比如用了一個5000萬人群的標籤說標籤質量不好。這些都是因為錯誤的預期導致了不好的結果——這裡面並沒有誰對誰錯。我們在一個季度將200個標籤懟到了2500個，外加1700個POI標籤，必然會有大量的標籤沒有辦法被很好的理解和使用。我們利用受眾演算法推出Lookalike以及點擊人群再投放等以演算法為基礎的智能投放能力，這些黑盒一樣的模型，不僅廣告主不理解，連我們內部的產品和研發都未必看得懂。

這也意味著我們進入了第二階段：用數據的階段。這是我們團隊的職責會慢慢變成收數據和用數據並行的階段。主要目標就是幫助夥伴們建立合理的數據預期，並且有可用性高的數據產品和數據應用方法和案例來幫助夥伴們使用數據。同時我們還需要充當分析師和諮詢顧問的角色，在不同的case中，設計完善的實驗，來獲取第一手資料，針對不同類型的case來給出不同的解決方案。

這階段我們在小米的廣告部門建立了專門的大客戶服務計劃、重點行業（汽車、快消、金融等）營銷解決方案，同各地銷售部門建立數據使用的快速通道——隨時溝通客戶需求，當天解決郵件問題，並在各地培養數據應用標杆員工通過他們來推廣我們的數據應用成功。

從去年第四季度到現在，我們運營分隊的同學們建立了全面的行業解決方案，幾乎每月進行一次面向三地銷售的案例講解和數據應用培訓，陪同銷售團隊一起見了長安鈴木、intel、麥當勞、屈臣氏、PPMoney、現代汽車、亞馬遜Kindle、肯德基、金佰利等客戶，達成了拜訪過的客戶全部簽單的成績。最終讓銷售團隊，讓客戶也讓其他組的同事們對我們的服務質量做出了肯定。

第三階段：養數據

隨著大數據營銷的概念和效用逐漸的深入人心，我們團隊的工作也即將進入第三階段：養數據的階段。養數據，顧名思義，就是自己培養自己的數據。數據被使用的越多越熟練，意味著大家對數據的需求也會越來越豐富。於是這就需要我們運營同學開始根據重點需求，還不斷的發掘新的數據了。

這個階段我們採集數據的目標非常明確，甚至會主動的通過問卷，建設新媒體甚至對外合作的形式來獲取我們本不具備的數據，最終形成完整的數據閉環。

到了這個階段，大家會發現，我們不論是收數據還是用數據都變得非常的精細化、有目標性、有節奏感，在這個階段持續半年之後，團隊就可以開始考慮小米大數據營銷品牌的建立以及數據變現的工作了——提升廣告投放效率，對外輸出數據產品和洞察等等。因為這一階段，我們的數據採集和應用的經驗異常豐富，可以往外輸出大量的故事、案例，通過對行業大數據營銷手段的探索與總結，建立我們自己的行業地位。同時隨著我們平台的完善，我們的數據能力會進一步得到客戶的認可，讓我們逐漸有了實力可以參與更多的對外開放與合作，來向行業輸出我們的數據產品和營銷解決方案。

實際上就在7月份，我們團隊的大數據產品「智能人群包」獲得2017 ECI Awerd商業模式創新金獎。

作者：劉洋，從事數據產品和商業分析工作多年。擅長為企業建立全面的數據分體系，主要研究方向是用戶畫像、品牌大數據營銷、企業BI和人工智慧的產品化。

歡迎關注公眾號《數據產品經理會》，也歡迎加我微信：liuyangfjnu 交流。