你的团队可能缺了一个数据产品经理!

数据产品经理今年特别火,市场上大有人鼓吹数据产品经理年收入几十万打底,疫情之下其他岗位收缩,唯数据产品经理独树一帜,不但高薪,还大量扩招。

也有资深数据从业者吐槽,产品经理的分类里都没有一类叫数据产品经理,用户型产品经理、平台型产品经理、商业产品经理都有自己的组织阵营,有自己的job model 和晋升路线,数据产品经理都不知道放哪。

 

渔歌觉得数据产品经理没有想象中的那么好,也没有想象中的那么坏。如果客观来看数据产品经理的发展,目前数据产品经理还处在岗位发展的早期

 

互联网产品经理这个岗位经历了十几年的发展,依然不是一个规范、标准化的岗位,初入门的产品经理依然普遍缺少系统培训,要靠自己悟,幸运的则遇到一个好的领路人,但大部分产品经理依然是草莽出身,凭自己的感觉和经验做事。尤其在互联网瞬息万变的大背景下,产品经理的能力、技能更缺少积淀,更多的靠掉坑、出坑、再掉坑、再出坑这种实际摔打,来积累个人能力。甚至很多带产品经理团队的leader自己都没做过产品。

 

曾经有个背景履历光鲜的朋友转产品经理,由于团队的产品经理都超有性格、各行其是,团队的老大也不懂产品,于是采用放养的管理策略。所以,短期看各位产品经理和老板的亲疏远近关系,长期看用户反馈。但用户反馈需要时间周期,大家对用户反馈的声音也是半听半信,因为用户说的也不全对。

 

这位同学转产品到这个团队后懵逼了,一来自己不懂,二来也不知道谁懂产品,三来团队又需要一些短期拿业绩的东西,怎么办?他很痛苦,想找个榜样,自己又觉得自己很优秀,谁都不服,这榜样肯定找不好。一方面又有些心虚,对自己在产品上没辣么有信心,老板看上去也不太靠谱。

然后他选择走上了一条完全独立的路线,他的决策依据是:我的智商秒杀大多数人,我不比任何人差,只会比你们更优秀,所以我就是要独立自主做1个产品。于是开始了自信满满的趟坑之路。这也是一种选择,只要这个组织长期足够包容,以他的智商,多摔几次,持续摔,每次都充分反思和吸取教训,迟早能爬出坑。

 

就连发展了十几年的产品经理都没有规范,更何况还处在早期的数据产品经理。目前数据产品经理在大厂或者以数据为主营业务的公司比较常见,但即使是大公司,全公司1000号人,可能也只有1-2个数据产品经理。在数据产品经理发展早期,人数非常有限的情况下,当然会比其他产品经理更缺少系统培训,缺少规范,可能也没人能教我们,我们心里也未必看得上教我们的人。

加之,数据产品多半在数据团队,而数据团队又很可能隶属于技术领域,或者说组织文化上偏技术管理,所以就出现在了前文提到的情况,数据产品经理就连产品经理的归类都放不进去。

 

数据产品经理的发展处在早期的阶段,进而决定了:

1)市场对数据产品经理的需求增加;

2)数据产品经理很难,做好了也有竞争力;

市场对数据产品经理的需求在增加

企业的数字化理念越来越强,数字化电商、数字化工业企业、数字化服务商、数字化销售、数字化供应链、数字化政务……此类概念层出不穷。数字化赛道的竞争日益激烈,那些充当排头兵的企事业单位或政府机构,既有数字化的使命,也有数字化的压力。

而数据产品经理则是这些企业或机构数字化的重要力量,如果不通过产品沉淀下来,或者构建护城河,数字化只是口号,一个浪头过来就原形毕露。

 

同时,企事业单位需要通过数字化,降低组织的运营成本,提高决策科学性和决策效率,这是一种更强大的内驱动力,也更容易落地。

渔歌接触过1家企业,公司年营业额5个亿左右,员工数300左右,也就是年人均产值167万。但没有1个人是专业做数据的,也没有数据团队,然而又人人都在找数据跟老板汇报,但同一个指标每个人汇报的都不一样,所以老板也不知道到底哪个业务做得好,哪个业务做的不好,进而导致管理者的管理边际明显下降。但是公司需要拓展新的业务,问题来了,拓展了也不知道哪些业务收益高,因为很多费用无法分摊到具体的业务,利润也有很多种算法口径。这样的企业特别需要数据产品经理,统一大家的视角,降低老板的决策成本,企业管理和协同轻松了,才能拓展新业务。

 

所以,随着企事业单位数字化理念的深入,随着企业降低管理和运营成本的诉求加剧,数据产品经理的市场需求的确在增加

做为数据产品经理,我们每个人要想想,我们对企业的贡献到底是什么?长期而言,渔歌相信只有有价值的岗位才能在互联网公司存在,尤其疫情影响之后,企业的成本压缩一定会更狠。

 数据产品经理岗位的成熟度低,发展靠自己,靠运气

由于数据产品经理还处在早期阶段,很多数据产品是从BI、ETL转型做数据产品经理,他们自己也不知道到底什么样的是好产品?怎么能做好产品?只是因为比别人更懂数据,或者说我们在数据团队,所以近水楼台先得月,转了数据产品经理。

再加上数据产品经理的管理者本身也不见得有产品的经验,有的是算法出身,有的是ETL出身,所以数据产品经理能从管理者身上汲取到的养分可能也不多,甚至还可能被带偏。

所以初期的数据产品经理个人能力上的提升,一方面靠自己感悟、学习,或者在实践中摔打,一方面也要靠运气,比如遇到靠谱的指路人,遇到蒸蒸日上的业务。

 

数据产品经理,从这个词的构成上来看,主语是产品经理,定语是数据,所以他需要具备产品经理的能力,同时又擅长数据这个细分领域。

其他产品经理转数据产品经理的不多见,因为数据产品经理多在数据团队,虽然数据是定语,但从组织架构上看,数据更像是主语,这就导致数据和非数据的产品经理有天堑之隔。

而数据领域,无论是ETL、BI、算法,搞数据的一个个都极其聪明甚至精明,身上往往有一股强烈的精英优越感,这种优越感对于想做出接地气、能解决问题的产品却是很大的内在障碍。

 

所以从能力要求上、基因上来看,数据产品经理在目前岗位成熟度低的情况下,想要做好蛮难,因为一方面组织不成熟,一方面个人能力不成熟。要么就是业务产品经理懂数据,要么就是数据人抛下自己的优越感,开始接地气。但也正因为在早期,一旦做好了数据产品经理,以后就有一定的行业红利。

 

小结:

数据产品经理的发展目前还在早期,这样必然会导致市场对数据产品经理的需求在增加,所以这是机会。

同样因为现在还在早期,导致数据产品经理的岗位成熟度低,对个人能力的要求高,但组织不一定能提供系统化的培训,所以需要靠个人领悟和运气。

欢迎大家留言告诉我,你希望在数据产品系列文章里,了解什么?

热门文章

直戳泪点!数据从业者权威嘲讽指南!

数据分析师做成了提数工程师,该如何破局?

全栈型VS专精型,团队到底需要什么样的人?

数据驱动业务,比技术更重要的是思维的转变

最近面了十多个数据分析师,聊一聊我发现的一些问题

以下是对提供的参考资料的总结,按照要求结构化多个要点分条输出: 4G/5G无线网络优化与网规案例分析: NSA站点下终端掉4G问题:部分用户反馈NSA终端频繁掉4G,主要因终端主动发起SCGfail导致。分析显示,在信号较好的环境下,终端可能因节能、过热保护等原因主动释放连接。解决方案建议终端侧进行分析处理,尝试关闭节电开关等。 RSSI算法识别天馈遮挡:通过计算RSSI平均值及差值识别天馈遮挡,差值大于3dB则认定有遮挡。不同设备分组规则不同,如64T和32T。此方法可有效帮助现场人员识别因环境变化引起的网络问题。 5G 160M组网小区CA不生效:某5G站点开启100M+60M CA功能后,测试发现UE无法正常使用CA功能。问题原因在于CA频点集标识配置错误,修正后测试正常。 5G网络优化与策略: CCE映射方式优化:针对诺基亚站点覆盖农村区域,通过优化CCE资源映射方式(交织、非交织),提升RRC连接建立成功率和无线接通率。非交织方式相比交织方式有显著提升。 5G AAU两扇区组网:与三扇区组网相比,AAU两扇区组网在RSRP、SINR、下载速率和上传速率上表现不同,需根据具体场景选择适合的组网方式。 5G语音解决方案:包括沿用4G语音解决方案、EPS Fallback方案和VoNR方案。不同方案适用于不同的5G组网策略,如NSA和SA,并影响语音连续性和网络覆盖。 4G网络优化与资源利用: 4G室分设备利旧:面对4G网络投资压减与资源需求矛盾,提出利旧多维度调优策略,包括资源整合、统筹调配既有资源,以满足新增需求和提质增效。 宏站RRU设备1托N射灯:针对5G深度覆盖需求,研究使用宏站AAU结合1托N射灯方案,快速便捷地开通5G站点,提升深度覆盖能力。 基站与流程管理: 爱立信LTE基站邻区添加流程:未提供具体内容,但通常涉及邻区规划、参数配置、测试验证等步骤,以确保基站间顺畅切换和覆盖连续性。 网络规划与策略: 新高铁跨海大桥覆盖方案试点:虽未提供详细内容,但可推测涉及高铁跨海大桥区域的4G/5G网络覆盖规划,需考虑信号穿透、移动性管理、网络容量等因素。 总结: 提供的参考资料涵盖了4G/5G无线网络优化、网规案例分析、网络优化策略、资源利用、基站管理等多个方面。 通过具体案例分析,展示了无线网络优化中的常见问题及解决方案,如NSA终端掉4G、RSSI识别天馈遮挡、CA不生效等。 强调了5G网络优化与策略的重要性,包括CCE映射方式优化、5G语音解决方案、AAU扇区组网选择等。 提出了4G网络优化与资源利用的策略,如室分设备利旧、宏站RRU设备1托N射灯等。 基站与流程管理方面,提到了爱立信LTE基站邻区添加流程,但未给出具体细节。 新高铁跨海大桥覆盖方案试点展示了特殊场景下的网络规划需求。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值