数据产品经理生存指南第三条:平台思维

平台思维是一个数据产品经理成功的法宝

在我们第一篇数据产品经理生存指南中,我们笼统了介绍了目前数据产品经理这个行业和职业的现状,分析了一些企业的基本需求,并依据这些需求给出了四个数据产品经理必备的技能,其中平台思维排在第二位。

数据产品经理生存指南第三条:平台思维

如果说数据分析能力是数据产品经理的基本能力,那么平台思维是一个数据产品经理成功的法宝。而在投票中,我也很高兴大家也意识到了这一点。

数据业务是一项特殊的业务,他不仅需要我们的业务负责人采集和处理数据,更需要让这些数据渗透到各项业务中,为公司战略提供方向,为各项业务提供支撑,为商业化打好基础。实际上,数据业务是少有的在任何公司都是贯穿全业务线的公司——上至CEO,下至一线产品/运营人员均需要依据数据来提升决策效率和决策正确率。除此之外,使用数据的各方同时也是数据的供给方——数据来源于商业活动,最终也需要回到商业活动中去。

所谓的数据产品的平台思维,是要在企业内,让数据与公司业务构成一个整体。在这个统一整体中,数据产品经理通过管理、分析数据,并以产品和服务的形式输出,让数据与业务之间相互影响、相互促进,让双方一起处于螺旋上升的状态,最终达到共同发展。

数据产品经理所打造的数据产品天生就具有平台特性——不仅仅是生产数据,提供数据消费的通道,同时也需要让业务线参与进来,让决策过程反馈到平台中,最终完成数据生产和消费的闭环,让整个企业的数据生态达到一种动态的平衡。

如何搭建数据平台,建设企业的大数据生态呢?

首先需要建立企业的数据流框架,厘清数据平台的上下游。

数据产品经理生存指南第三条:平台思维

在一个企业中,业务部门是数据产品的使用方,数据平台中包括数据产品及其数据生产和分析系统,数据源可以是内部的业务系统也可以是外部的舆情数据。数据产品经理需要跟平台及其相关的各方进行充分的沟通,了解目前业务的发展方向并从中获知对数据现在的问题以及未来可能的发展方向。

比如当公司要开展用户增长业务时,渠道及其用户活跃评价体系的建立和相关数据的采集是必不可少的,当公司要开展大规模商业化的时候,用户画像及其标签体系变得尤为重要。当然,这些数据可能在任何公司都很重要,但是我们需要根据企业当前的发展状态来决定平台的优先级。

其次是需要建立数据运营的流程,让数据真正的跟业务结合在一起。

这一部分我推荐车品觉老师的《决战大数据》一书,其中车老师提出了“混、同、通”的数据分析思路,同时还提出了养数据的理念。

我自己在实践中,结合车老师的思路,将企业的数据运营按照发展阶段分为三步走:

数据产品经理生存指南第三条:平台思维

第一步先将业务中的核心数据收起来,第二部需要让数据跟业务结合产生共振,第三部需要参与到企业的发展方向中去,根据未来的业务诉求来不断的主动寻找数据源,采集更多的数据。

我在小米搭建营销体系的数据团队,发展数据业务的时候,基本上依照这三个阶段来进行:

第一阶段:收数据

这个阶段我们主要是同公司各个业务方沟通和谈判,获取各方数据资源的使用权,达成合作模式。在这个过程中,整合了全公司的用户基础数据,一年采集了数千万用户的性别、年龄、收入、学历等基础属性数据;我们逐步建立了超过2500个标签的画像体系,还有超过500多个行业标签。让广告业务有了初步的人群定向能力。

第二阶段:用数据

数据产品经理工作中都会遇到各种吐槽——你的数据准不准啊?你的数据怎么来的呀?这个数据怎么用起来跟预期不一样呀?

实际上,这些吐槽中的问题并没有唯一答案,因为业务需求和场景不一样,数据所表现出来的问题会完全不一样。比如之前广告主用了Lookalike还要继续筛选人群条件,比如用了一个5000万人群的标签说标签质量不好。这些都是因为错误的预期导致了不好的结果——这里面并没有谁对谁错。我们在一个季度将200个标签怼到了2500个,外加1700个POI标签,必然会有大量的标签没有办法被很好的理解和使用。我们利用受众算法推出Lookalike以及点击人群再投放等以算法为基础的智能投放能力,这些黑盒一样的模型,不仅广告主不理解,连我们内部的产品和研发都未必看得懂。

这也意味着我们进入了第二阶段:用数据的阶段。这是我们团队的职责会慢慢变成收数据和用数据并行的阶段。主要目标就是帮助伙伴们建立合理的数据预期,并且有可用性高的数据产品和数据应用方法和案例来帮助伙伴们使用数据。同时我们还需要充当分析师和咨询顾问的角色,在不同的case中,设计完善的实验,来获取第一手资料,针对不同类型的case来给出不同的解决方案。

这阶段我们在小米的广告部门建立了专门的大客户服务计划、重点行业(汽车、快消、金融等)营销解决方案,同各地销售部门建立数据使用的快速通道——随时沟通客户需求,当天解决邮件问题,并在各地培养数据应用标杆员工通过他们来推广我们的数据应用成功。

从去年第四季度到现在,我们运营分队的同学们建立了全面的行业解决方案,几乎每月进行一次面向三地销售的案例讲解和数据应用培训,陪同销售团队一起见了长安铃木、intel、麦当劳、屈臣氏、PPMoney、现代汽车、亚马逊Kindle、肯德基、金佰利等客户,达成了拜访过的客户全部签单的成绩。最终让销售团队,让客户也让其他组的同事们对我们的服务质量做出了肯定。

第三阶段:养数据

随着大数据营销的概念和效用逐渐的深入人心,我们团队的工作也即将进入第三阶段:养数据的阶段。养数据,顾名思义,就是自己培养自己的数据。数据被使用的越多越熟练,意味着大家对数据的需求也会越来越丰富。于是这就需要我们运营同学开始根据重点需求,还不断的发掘新的数据了。

这个阶段我们采集数据的目标非常明确,甚至会主动的通过问卷,建设新媒体甚至对外合作的形式来获取我们本不具备的数据,最终形成完整的数据闭环。

到了这个阶段,大家会发现,我们不论是收数据还是用数据都变得非常的精细化、有目标性、有节奏感,在这个阶段持续半年之后,团队就可以开始考虑小米大数据营销品牌的建立以及数据变现的工作了——提升广告投放效率,对外输出数据产品和洞察等等。因为这一阶段,我们的数据采集和应用的经验异常丰富,可以往外输出大量的故事、案例,通过对行业大数据营销手段的探索与总结,建立我们自己的行业地位。同时随着我们平台的完善,我们的数据能力会进一步得到客户的认可,让我们逐渐有了实力可以参与更多的对外开放与合作,来向行业输出我们的数据产品和营销解决方案。

实际上就在7月份,我们团队的大数据产品“智能人群包”获得2017 ECI Awerd商业模式创新金奖。

作者:刘洋,从事数据产品和商业分析工作多年。擅长为企业建立全面的数据分体系,主要研究方向是用户画像、品牌大数据营销、企业BI和人工智能的产品化。

本文为专栏文章,来自:刘洋,内容观点不代表本站立场,如若转载请联系专栏作者,本文链接:https://www.afenxi.com/46352.html 。

(0)
上一篇 2017-07-21 22:59
下一篇 2017-07-30 12:37

相关文章

关注我们
关注我们
分享本页
返回顶部