數據產品經理經驗談：數據產品經理是做數據，還是做產品？

數據產品經理的能力，是「數據」為主要能力？還是「產品」為主要能力？擁有多年數據分析工作經驗的邱國欣與你分享他的數據分析市場見解。

對文章有興趣來不及看？點選右上角「橘色小書籤」收藏 文章，再也不怕錯過就是一輩子！

在我過去的文章中我曾提到兩個方向，一個是「數據 X 諮詢」，另一個是「數據 X 產品」，其中「數據 X 產品」就是所謂的「數據產品經理」。

大家認識我可能都是從數據分析的角色開始，但其實我做數據產品也有幾年的時間了，會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化，在經歷許多分析專案的過程中，我感覺到很多需求其實都是有共性的，因此標準化、自動化，會讓數據（至少在廣度）有更大的價值。

數據產品經理的能力，是「數據」為主要能力？還是「產品」為主要能力？

雖然我比較早期就投入這職位，但其實我也很模糊了一段時間，私下問過不少同行他們的工作內容，也詢問過管理者他們心中的數據產品經理是什麼長相。有人說是產品為主，例如，電商產品經理、後台產品經理、行銷產品經理，這都是產品經理的細分領域，所以數據產品經理也是比照這一邏輯。有人說以數據為主，因為產品經理實現的是「功能」，但數據基本不存在「功能」可言，那麼到底是？

數據產品經理
圖片來源：Hahow 圖庫

數據產品的 3 種分類

數據分析這職位剛出來時，大家都不太清楚到底職位邊界在哪，我的觀察大概需要 3 至 5 年市場才會清晰，像是現在大家就比較清楚知道數據分析至少要分成 Data Engineer、Data Analyst（Business intelligence）跟 Data Science（ML Engineer）。

同理，數據產品經理當然也不例外。產品經理本身就是比較抽象的工作，再結合「數據」，因此數據產品經理就更抽象了。要回答這個問題，首先要知道什麼叫「數據產品」？我認為數據產品可以細分三種類型，分別是工具型、管理型、及應用型。而彼此的側重點略有不同，才造成大家認知的差異。

一、偏工具型的數據產品

對於 Data Engineer，我們要採集、要計算、要調度、要 ETL
對於分析師，我們要建立圖表、dashboard，要做 AB 實驗
對於 Data Science，我們要建立 model、要上線正式環境

這些工作都可以直接寫代碼完成，例如大家比較熟悉的資料視覺化，在以往我們要做這種工作，我們是用 R／Python；對於前端工程師可以用一些組建例如 D3.js、ECharts 開發。不是不能做，但是有點麻煩，而 Tableau、PowerBI、DataStudio 就簡化了這件事，他是面向資料視覺化場景，透過產品的能力降低門檻，解決了資料視覺化的痛點。

如果有看過 Tom Sung 那篇很熱門的〈數據分析師會走向泡沫化嗎？〉文章，其觀點之一就是工具型的數據產品的發展會讓技術門檻降低。雲服務大廠例如 Google Cloud、AWS、Azure，裡面屬於「大數據」或者是「分析」類型的產品都是屬於這一分類。也有不少小而美或是很有潛力的新興公司，例如 BI 領域的 ThoughtSpot、雲資料倉庫／資料湖領域的 DataBrick 跟 Snowflake、大數據開發（ETL）的 dbt、資料治理領域的 DataHub 等。

二、偏應用型的數據產品

應用型會在數據生產鏈路的最尾端，關注數據本身可以帶來的「商業價值」，通常會結合某一種具體應用。例如，行銷領域，結合數據將顧客分眾自動化；例如，在 ERP 領域，結合數據將庫存管理做到預測存貨與預警。

舉例，A 跟 B 兩個產品都具備「透過標籤進行顧客分眾」功能，單純從功能角度，兩個產品一樣好。但 A 產品的標籤只有 10 個（且都是交易類標籤），B 產品的標籤有 100 個（多了用戶行為標籤），那麼把「數據」也納進來衡量，Ｂ產品是更好的。

再介紹一個產品：阿里巴巴的生意參謀，從產品型態看，就是一個一個 dashboard，但他核心是透過數據讓淘寶商家「做決策」，做決策又被分成三大塊：敵情、我情、行情。可以試著感受他產品佈局就是在圍繞這三件事，dashboard只是一個表徵。如果只把他當成 dashboard，那產品確實技術含量不高。但如果可以把敵情、我情、行情都整合再一起，幫助商家作出科學決策，那價值就高了。又或者 Google Trend，也是同理。

三、偏管理型的數據產品

做分析的同學或多或少都曾經覺得數據很髒很亂，這裡面有歷史原因、有業務發展過快、沒有規範意識導致、或是業務線龐大各自有各自的規範。例如，之前看老產品的歷史行為數據，一個點擊事件在後端儲存的值，event_type 有「點擊」、「click」、「Click」，中文跟英文都有，大小寫不統一（甚至還有拼錯的）；或是做分析時，也會發生指標的混淆，例如訂單數，可能 A 部門的訂單數是退貨也算、B 部門要客戶簽收才算，引發大量溝通成本。再細緻一點，例如，表名看不懂、欄位名亂取、代碼太醜等。

管理型的產品經理目標是將「數據變好用」，在數據方法論與架構思考的琢磨會比較多，產出最基本是文檔，實現規範化、也需要從更高視角俯視企業目前大數據能力的全局；更好是可以把規範性事務，夠過工具型的產品實現自動化。比較常見的有 tracking code 管理平台、指標管理平台、資料治理平台、數據地圖平台。

數據分析的市場與發展

回到開頭的問題，數據產品經理到底主要是數據、還是主要是產品？

我認為三種類型都需要「數據能力 + 產品能力 + 商業能力」，只是側重點不同；當然這三者之間也不是涇渭分明，彼此有一定的重疊程度，因此數據產品經理的能力要能夠同時兼顧數據、產品、商業，要求算不低。最後我們直接來看針對大陸互聯網公司的 JD 怎麼描述。

一、工具型數據產品經理

對於工具型，原本就是從事相關工作的人員會比較好身任。舉例當你本身就是 DS，你很清楚 DS 是怎樣開發模型、要經歷哪些步驟？你才知道哪些過程可以優化，或是哪個關鍵點可以透過自動化節省開發成本。

這種產品從商業模式來看，主要是內部建設，內部用得不錯開始往外推廣或是開源，例如是 Linkedin 的 WhereHows、Airbnb 的 Airflow，往大的說 AWS 也是歸類這種模式。以公司視角，在前期大都屬於沈默的研發成本，也會被歸類到 IT 這種成本單位。這種工作在台灣不多，大型公司才有幾會見到。

數據產品經理
圖片來源：玩搖滾的數據人

二、應用型數據產品經理

對於應用型，我覺得是從事 DA 的人比較好切入的類型，因為做 DA 我們的分析大多是圍繞商業，可能是現狀、可以是優化策略，可以是新業務發展策略，對商業就已經有一定的理解度。一般的產品經理、營運這些跟業務比較強相關的職能，也比較合適走這塊。

這類型的產品，大多一開始的定位就是商業化出發，跟營收等 KPI 掛鉤比較深、或是出發點是建立公司在產品以外的護城河。可想像空間比較好理解，因此也比較多企業涉足。除了大型企業，新創方面，例如 91APP 的 Marketing Cloud、Migo 功典資訊、漸強實驗室、Appier、ikala、kkday、Vpon⋯⋯（太多了如果有遺漏請包涵），雖然不一定稱呼為數據產品經理，但存在類似的職位。

數據產品經理
圖片來源：玩搖滾的數據人

三、管理型數據產品經理

管理型不論台灣或歐美，大多是有一定規模的企業才有需求，畢竟小企業賺錢衝營收搞客戶都來不及了。如果從工程師角度看，這也就是所謂的技術債，到了該還的那一刻，就是管理型數據產品現身的時候了。

以我觀察中國的情況，初期只集中在互聯網大廠，但近期大型傳統行業（批發零售、汽車、製造業⋯⋯）對這塊需求也是漸增的，可能是數據的重要性已經很被大家認可，而傳統公司發展久、數據也不少，卻缺少有效利用。所以要對已有數據以及未來可能產生的數據做通用性的管理方案，甚至還會成立數據資產委員會之類的組織，做自上而下的管理模式。

數據產品經理
圖片來源：玩搖滾的數據人