理想的产品经理 李想的“围城” 快手专家：如何成为好的数据产品经理？

理想的产品经理 李想的“围城” 快手专家：如何成为好的数据产品经理？， 

理想的产品经理 李想的“围城”

文|昭暄

在MEGA发布前，李想曾表示这将会是“50万元以上销量第一”；在MEGA发布后，理想汽车将其月销量定为8000辆。

针对上述内容以及MEGA上市以来的表现，李想日前发表了全员信，指出了公司至上而下过于关注销量和竞争的问题，并且提出降低销量预期和欲望，回归至健康增长轨道的解决意见。

这一全员信，基本给MEGA所产生的舆论风波划上了句号。

从这一内容可以大致了解到，今年L系车型仍然是理想的绝对基本盘，纯电业务的发展需要注重节奏和拉长周期，而纯电用户关注的核心并非只是车型产品，理想将重拾用户价值的发现。

借此，本文章将试着依循产品设计开发的两种模式，来呈现李想/理想“产品经理”标签的逻辑由来，并通过其MEGA车型来分析理想进入纯电市场的策略考量及业务核心，最后以推演的方式来展现理想跨入纯电领域将面临的一些现实问题。

大概率，理想的财务结构正处于一个拐点期，其承受的内外压力将逐步增大，这是其从“产品经理”回归至行业普遍模式过程中必然伴随的结果。

尽管李想调低了对MEGA销量和竞争的预期和欲望，但汽车行业的底色依然是规模和规模化。

01、产品设计开发的两种模式

简单来看，我们要设计一款产品其实可以从供需两侧来出发完成。

如果从供给侧来打造一款产品，其大概率会有一个目标明确的竞品，那么我们就需要通过自身的比较优势来实现对竞品的对标（甚至是超越），这往往会落到产品的成本和性能维度上，最终比拼的还是品牌公司之间的规模体量和技术储备/研发实力。

例如，长城的坦克300就是典型的基于供给侧来设计打造的车型，对标Jeep牧马人或福特Bronco，并且取得了很好的市场表现。

事实上，绝大多数车企（包括传统车企和新能源车企）都是基于供给侧来设计和推出他们的车型，而这些车型之间竞争的表现形式往往就是性能参数之间的对比以及价格上的性价比。

长期来看，这种基于供给侧的产品开发方式会更有利于大型车企集团。

如果从需求侧来做产品的设计开发，那么就需要从规模化的数据样本和大量调研中发现特定目标人群，以及确定这部分人群所面临的痛点问题，从而反过来在战略上明确，我们到底要在哪个市场/在哪个时间点/和哪些对手竞争。

这一般是互联网产品经理的普遍思维方式，也是一种杠杆性思维，往往蕴含着以小博大的机会和效果。也就是说，这种方式的赔率会很高。

优秀的产品经理会将上述“用户-痛点-产品-市场-时点-竞调”的逻辑线条做缜密的分析和串联，尽可能地筛选/寻找出一个“新市场”，只有这样才能够尽可能地博得该市场领域的定价权和话语权。

02、产品经理在汽车领域属于非主流

不过，大多数车企很少会选择以需求侧的方式来开发和设计新车型，原因在于：

1、车企其实很难获得大规模且有效的数据样本和真实用户的信息反馈，因此很难确定哪些是真需求或伪需求，哪些又是短期需求或长期需求，进而也就难以确定这一细分市场的规模大小，所以在项目前期的可行性分析上就会遇到阻碍；

2、要开发一款基于用户需求的新车型往往会经历很长的项目周期，且投入成本会很高，也就意味着项目的试错成本会更高；

3、一旦新车型获得了不错的市场反响，同业（尤其是那些规模体量更大或品牌力更强的车企）会很快跟进推出类似车型，新车型红利期到底能有多长/项目投入产出比到底能有多少，面临的不确定性较高。

尤其是，当职业经理人面对这些问题时，他们的态度大概率会更加谨慎和保守。

但是，不同国家/地域的用户又是的的确确存在差异化需求的。

我们看到，基于北美地区的用户，拥有大空间/多用途/全地形功能的皮卡车型成为了主流；基于欧洲用户的需要，拥有出色性能/操控体验/紧凑型车体的两厢车和旅行车大受欢迎；基于日本用户的需要，孕育出极小排量/微型车体/极致空间利用率的K-car车型。

事实上，针对中国市场用户，车企们也会做一些本土化的改进（例如“L”化加长），或者推出特供车型（例如别克GL8、大众朗逸/宝来、本田XR-V等），但对本土用户需求的提炼深度和精度上是相对浅层和粗犷的。

当然，也有做得很好的样本，例如针对过往经济活跃度极高的个体户市场，五菱宏光兼具了这部分用户在意的价格、性能、质量、空间、实用性等多个维度指标，成为了微面市场领域国民级的神车。类似的，还包括红极一时的微型电动代步车五菱宏光mini EV。

这意味着，作为全球第一大单体汽车市场，中国用户的本土化需求其实仍然有很大的可提炼空间，这是因为我们的疆域跨度足够大且场景足够丰富多元，我们这个市场的用户体量也足够大且需求足够多样化和层次分明。

换言之，就是基于我国本土汽车市场，理论上，汽车产品经理的作业空间还很充裕。

但尽管如此，现实中，在汽车设计开发领域，需求侧模式往往会被供给侧模式所压制，导致基于用户需求的车型开发项目会比较少，且项目进度容易拉得很长，改造的幅度也会比较保守。

可见，相比于产品经理之于互联网/软件行业，产品经理之于汽车工业而言存在着一种现实上的矛盾，导致大多数汽车项目的主导者都由研发/工程人员（即供给侧模式）来负责担任，产品经理的话语权并不大。

03、李想/理想“产品经理”的关键——择时

现在往回看，如果汽车行业还是处在传统燃油车的发展路径中，那么上述的车型研发项目仍然会以供给侧模式为主导，产品经理模式的施展空间其实很有限。

但，在一个行业技术范式进行切换的过程中，技术变革的因素会显著削弱供给侧模式对产品经理模式的压制力度及影响，因为大型车企也很难在中短期内跟进推出新技术对应的新产品。

因此，在这个特定时期内，出色的产品经理确实有机会帮助新品牌寻找到“新市场”。

事实是，李想就是这样一位出色的汽车产品经理，从理想ONE到L系车型，其执意押注/定位的“增程技术”“家庭用户”“大空间”“大满配”等标签可以得到体现，大致是：

1、虽然增程器技术被业内认为是落后技术，增程式新能源车也被认为是“脱裤子放屁”的产品，但在新能源车行业发展初期阶段，这样的产品能够综合纯电车和燃油车的各自优点，使用户在享受纯电车体验的同时，有效地消除历程焦虑；

2、在新能源车补贴及限购政策的行业背景下，一方面增程车能够享受到政策补贴金，另一方面增程车也避开了城市限购的影响（甚至部分城市还有送绿牌的政策），因此，这款车必然会出现在很多高线城市家庭购车的目标清单中；

3、高线城市的大多数家庭只有一个车位和购/用车指标，他们用车的产品需求会更多元多样，一部车型可能需要兼顾男主人的驾驶体验、女主人的舒适和实用体验、小孩的空间和娱乐体验、双方父母的空间和便捷体验；

4、集合了上述特点后，一个“新市场”就被有效地挖掘出来。在初始阶段，这个领域几乎没有竞争者，那么品牌调性/定价权也就掌握在了自己手中，进而就能通过很小规模达到既定的毛利目标。

这种产品思路很难出现在供给侧模式中的技术/工程研发人员的脑中，因为他们（其实是我们绝大多数人）在最开始就会直接否定增程路线的技术价值，并认为市场不会接受一个已经被淘汰的技术。

一旦不用这一技术，也就很难在一款产品中满足上述“大家庭”“大空间”“大满配”“大里程”等需求，因此，也就不会出现完全对标理想ONE或L系车型的产品。

在理想经历了一到两年的市场验证期后，其他厂商才能够说服自己开始跟进这一技术产品。但从立项到上市，这又至少需要一年多的时间。并且，又由于自身品牌定位的原因，他们跟进的产品也很难直接对标占据30万元-50万元区间的理想品牌（除了华为）。

所以，“产品思维+择时能力”成就了理想品牌如今在高端增程领域的先发优势和品牌心智。

04、为什么是MEGA？

有了这种成功的经验和路径，我们再来看理想MEGA车型（一款纯电大型MPV），就容易产生一些疑惑：

为什么会选择大型纯电MPV车型？

为什么不把MEGA做成增程车？

为什么不直接把L系车型纯电化？

其实，这些疑惑产生的根本原因在于，如果单从车型的角度来看，MEGA项目并没有多少产品经理模式的加成，因为其依然延续了“家庭用户”“大空间”“大满配”等中产用户的需求点，没有圈定出一个“新市场”和新用户画像。

同时，车企之间在技术上的差距也已经大幅缩小，意味着供给侧模式又开始压制产品经理模式，这个时间点如果再继续挖掘“新市场”可能会面临更高的风险和更短的商业回报期。

在这种情况下，李想“产品经理”的能力会被大幅削弱。

客观上，我们也要降低对理想品牌持续打造爆款车型的商业预期。

那么，从竞争和毛利率的角度考虑，理想仍然会选择一个相对蓝海的细分市场进行切入，考虑到其现阶段30万元~50万元区间的品牌价格段，相比于轿车和SUV，MPV的竞争态势确实是最宽松的赛道。

在这一价格段的MPV市场中，腾势D9的月销量在1万辆上下，其中DM-i版本占比超过90%；岚图梦想家的销量基本介于1千辆~3千辆区间，其中PHEV版本占比不到20%；极氪009的月销量基本在1千辆~2千辆之间。

显而易见，MPV的市场盘子较小，重量级参与者并不多，并且混动版本的占比要显著高于纯电版本。

也就表明，理想其实对于MEGA的预期并不会很高，其正常的对标车型就是极氪009，如果能够取得月销2千辆的成绩，应该就算是超预期的结果。

而如果MEGA是增程车型，那么其潜在销量应该会有明显提升，但理想并没有这么做，原因可能有：

1、由于MEGA没有圈定“新市场”和带来新用户，所以MEGA的潜在用户基本与L系用户重叠，尽管MEGA可能会带来更高的毛利率，但并不利于整体销量规模的增长；

2、现在高端领域的“增程”依然是理想的优势标签，未来一两年可能还能够保持一定的优势，但华为系的增程车型在“智驾”的加持下，会不断削弱理想“增程”的先发优势，持续降价是大概率事件；

3、中低端“增程”“插混”市场已经被比亚迪、长安、长城、零跑等车企卡位，如果不想面临直接的价格厮杀，理想增程车型继续下探市场的空间有限；

4、跨入纯电市场是理想早晚要做的事情，那么在“顺周期”跨入纯电的市场反响（或接受度）肯定还是要优于在“平台期/逆周期”时进入。

因此，理想MEGA被设计为纯电车型具备逻辑合理性。

同样地，如果直接把L系车型进行纯电化，理想也会面临一些很现实问题：

1、同样会面临市场用户重叠的问题，很难带来规模增量；

2、L系的纯电车型会在成本上有所提升，若要保持产品的毛利率不变，L系纯电的定价还要上调，用户普遍很难接受这一定价；

3、动力电池仍处在技术平台期，也就意味着一块动力电池很难满足一部针对家庭用户的大SUV的能量需要，意味着L系纯电的产品体验会大打折扣；

4、那么，L系纯电车型的直接竞品就是蔚来的中大型及以上SUV车型，考虑到蔚来有规模庞大的换电补能体系，理想L系纯电车型基本不具备竞争力；

5、所以，L系纯电车型必然会采取降价措施，从而对整体毛利率构成负影响，并且也很难确保有规模化的增长。

进而，理想MEGA的出现也有一定的必然性。

05、理想纯电业务的必要条件——超充网络

通过上述对MEGA的分析，其实我们已经能够体会到理想品牌的用户群体在纯电领域的核心痛点/需求——补能。

这也是，作为产品经理的李想，亟待解决的根本问题。

目前来看，理想对纯电补能体系的规划是：800V高压纯电平台架构+5C高倍率充电电池+规模化的5C充电网络，只有在这个基础之上，家庭用户才可能会消减对纯电大型车的使用焦虑。

而现阶段，也只有在“800V平台架构+5C电池+5C充电网络”的组合加持下，理想纯电车型才能够尽可能发挥后发优势，在纯电市场中构建起自身的比较优势，从而维持理想品牌目前的高毛利。

站在当下时点，相较于同业而言，理想布局纯电业务的相对优势在于：

1、理想品牌现在的价格心智仍处在“30万元~50万元”的高端市场，在这个价格区间，其纯电车型在配备行业领先的电池及硬件的情况下，能够尽可能减小对其现有毛利率的负面影响；

2、而其他车企由于规模和品牌力的限制因素，如果也要配备行业领先的电池和硬件，要么在定价上不具备优势，要么必须牺牲自身毛利；

3、以目前的财务结构和自有现金流来看，理想能够在尽可能短的时间内快速构建服务于自身的5C充电网络，而包括极氪、阿维塔、华为系等品牌主机厂在内，短期内还难以搭建这一基建网络。

事实上，目前在国内，拥有规模化补能基建网络的品牌只有特斯拉和蔚来，前者的价格区间主要在20万元~30万元和60万元以上两个价格段，后者则是聚焦30万元~50万元区间。

支撑这两个品牌规模化或高溢价的重要因素就是规模庞大且便捷的超充网络和换电体系，从而有效消除了车主的里程焦虑，而理想要想规模化切入30万元~50万元的纯电市场，必然也需要快速/便捷的补能网络做支撑。

通过MEGA这个产品，理想向外界传递的主要信息就是“12分钟充电500公里”的补能解决方案。

为此，理想透露其将在未来几年内，至少投入60亿元用于建设全国超5000座直营5C超充站。而截至今年3月1日，理想5C超充站已完成349座，实现了京津冀、长三角、大湾区、成渝地区4大经济带中核心城市的联通。

预计2024年理想将上线超2000座超充站，覆盖全国70%的高速主线，以及覆盖50%全国三线及以上城市核心城区。

可见，“产品经理”李想已经把5C基建作为其李想品牌跨入纯电市场的首要任务（没有之一），在此基础之上，再来考虑具体的纯电车型布局和定价策略。

06、理想的财务结构将面临拐点

2023年理想实现了37.6万辆的销量成绩，其2024年的销量目标定为了80万辆，结合上述讨论信息，我们可以试着大致推算这一80万辆的组成结构：

1、目前，理想常州工厂一期和二期（及X平台）的合计产能约为60万辆/年，北京工厂（高压纯电平台）为10万辆/年，常州工厂三期（可油可电）正在建设中；

2、2023年国内新能源PHEV增速大概为80%，BEV增速约20%，预计2024年PHEV增速会下降至50%上下；

3、预计2024年MEGA的总销量为2万台上下，2024年下半年理想将计划推出3款纯电车型，再考虑到纯电产能的因素，预计2024年理想的纯电车合计销量难以突破5万辆；

4、那么2024年理想增程车型的合计销量至少要超过70万辆；

5、其中L7/8/9车型至少需要完成40万辆~50万辆的基本盘，剩余20万辆~30万辆的增量需要今年4月份上市的L6车型来贡献；

6、这大概率意味着L7/8/9车型需要“以价换量”，而L6需要在8个月的时间里月均达到2.5万辆~3.75万辆。

可见，L系车型会是理想今年的核心，将贡献超90%的销量，其纯电业务只处在起步阶段。

理论上，理想能够实现80万辆的目标，但代价就是要稀释目前的财务结构。

以问界M7为例，起售价在25万元~33万元，近3个月的销量介于2万辆~3万辆之间。如果理想L6的定价也在这一区间，那么其未来的销量很可能将难以达到这一销量；而如果要达到这一销量，理想L6的定价只能低于问界M7的售价。

更何况20万元~30万元区间的PHEV车型还包括唐DM-i、领克08/09 EM-p、问界M5、蓝山PHEV、岚图Free、以及华为系车型，在这样的竞争态势下，理想L6必然难以保持如今的毛利水平。

再加上今年理想在纯电业务上的资本开支、成本折旧、及费用摊销，2024年理想财务结构大概率将面临拐点，其未来中短期内的毛利率和净利率都将承压。

可能正是因为这个原因，理想MEGA的定价来到了56万元，相比于车型和配置相近的小鹏X9，市场普遍认为MEGA的定价过高，并且MEGA还舍去了如后轮转向、电吸门等市场期待的配置。

这一方面反映出MEGA的成本可能并不低，另一方面也体现出理想在尽可能地维持目前的高毛利状态。

这背后的意图可能是，一旦MEGA获得了不错的市场反响，那么理想将来的纯电车型也就有了自身的定价锚；若MEGA的市场表现不及预期，那么理想纯电车型的定价策略将更加锚定竞品车型的价格。

目前来看，未来理想纯电车型大概率会按照后者定价。

因此，其将来纯电业务的毛利率是承压的。

07、“产品经理”终将回归至供给侧模式

进一步，我们不妨再来感受一下理想2025年销量目标160万辆的大概动作和可行性。

在不考虑产能及补能体系的情况下，理想这160万辆的结构大致可以分拆为100万辆增程车型和60万辆纯电车型。

在2024年完成70万辆L系车型的前提下，2025年理想需要实现L系车型近50%的增量才能够达到100万辆的规模，这一难度很高，但理论上，继续通过低毛利策略可以实现。

所以，在理想的情况下，理想纯电车型仍然需要达成60万辆的销售规模。

这就意味着，在高端纯电市场（即30万元以上的售价），理想的直接竞品就是蔚来。

而受限于这一市场体量的关系，蔚来与理想的竞争大概率将呈现“此消彼长”的局面，那么在这一细分市场中，理想2025年如果能够实现15万辆的销量成绩，将会是大超预期。

剩下的45万辆需要理想攻入20万元级市场来实现，也就表明理想的又一个直接竞品将会是特斯拉。因此，理想必然要对标model Y进行产品设计开发，并且也只能通过更多的配置和更低的价格与之竞争。

如果针对特斯拉的胜率比较低，那么理想又需要对标小鹏、乐道等品牌车型，并且要通过大单品的方式来重新瓜分市场，这基本不太可能。

而如果继续下探到15万元级市场，理想就需要和“产业一体化”的比亚迪正面交锋，胜率会更低。

由此可见，2025年理想160万辆的目标并不具备现实指导意义。

通过这一推演我们或多或少能够感受到，“产品经理”在这一竞争过程中并不具备多少操作空间，随着市场的下探和竞争的加剧，理想将逐步丧失其产品的定价权和话语权。

并且，其自身的产品设计开发逻辑也会由产品经理模式（需求侧模式）转变为供给侧模式，这是整个汽车工业的特性所决定的，不以个人的意志所转移。

当然，理想已经是提前锁定了行业下一场牌局的座位，近期MEGA引发的舆论风波也只是一次小小的挫折教育。

长期来看，只要理想构建出一个完整的补能体系，那么其纯电业务的下限很可能依旧能够高于一众新能源车企。


快手专家：如何成为好的数据产品经理？

导读本次分享的主题为“如何成为一名好的内容数据产品经理”。

主要内容包括一下几大部分：

1. 什么是好的内容数据产品经理

2. 衡量数据产品经理的标准

3. 管理者-如何选育数据产品经理

4. 执行者-如何成长为好的数据产品经理

5. 问答环节

分享嘉宾｜钱英男 快手 新业务&商业化数据服务中心负责人

编辑整理｜陈婷

内容校对｜李瑶

出品社区｜DataFun

01

什么是好的内容数据产品经理

1. 产品的意义

首先，引用俞军老师在《产品方法论》中的一个理论性定义：

企业以产品为媒介，与用户进行价值交换，产品经理要能在时间中理解用户模型和交易模型，设计产品促成更多的交易，以创造有利可图的用户价值——俞军《产品方法论》

这段话从经济学的角度阐释了产品存在的意义，以及产品经理应该产出的价值。产品本身存在的价值是要去和用户进行价值交换，要去解决用户在某一些场景的诉求或问题，解决这些问题之后，用户才会觉得这个产品是有用的、有价值的。

那么如何理解“用户模型”，也就是用户的诉求呢？俞军老师认为用户这个定义本身并不存在，对产品而言，我们的用户是一系列场景以及需求的交集，单从人的视角去定义诉求，未免力度太粗。比如同一用户，其诉求可能是多样的，在不同的场景需要再细分到不同的粒度。同样的场景在不同的时间点上，诉求也可能会有变化，比如同一用户可能会在淘宝购买高价格商品，也会去享受拼多多极致性价比的产品，这些诉求在一个用户身上同时存在。所以要理解用户的本质诉求，应该拆分到不同的时间点以及不同的场景。

“交易模型”是经济学上的一个理念，指的是如何以更小的成本（不管是时间成本、金钱成本，还是情绪价值等），满足更多的用户需求、解决更多的问题。

这就是产品存在的意义和价值。

2.什么是好的数据产品经理

好的产品经理就是要提供更低成本、更高价值的产品，来解决用户实际生活、工作场景中的诉求。

如果作为数据产品经理或者其垂直分类下的产品，其理论的价值一致，但会从数据的角度再做垂向细化。数据产品经理应该以数据为主要媒介，和用户场景进行决策价值交换。为了帮助用户做出更加正确决策，数据产品经理需要理解该决策的数据分析模型，以及用户决策的行为路径，设计出更好的数据产品来促进更多有指导意义的数据决策的产出，从而让帮助业务部门、以及公司产生更多的实际价值。

因此，能够提供更具决策价值的数据产品的产品经理，就是好的数据产品经理。

3.数据产品经理和数据分析师、数据研发的区别

数据产品经理只是完成一个好的数据产品的过程中的一环，数据产品经理具有怎样的意义和价值？数据产品经理与其他角色，如数据分析师、数据研发，有哪些区别呢？

一般的理解为，数据分析师应该去做一些专题偏应用类型的研究，找到对应的分析框架或分析结论，当该分析框架和分析结论相对成熟后，就需要数据产品经理将其沉淀为产品，以降低数据决策成本。但这一理解还不够深刻。这里通过一个比喻来进行更深层次的剖析。一部好的电影能够引起观众的共鸣和思考，甚至会影响一个人在生活中或者人生道路上所作的决策。例如《肖申克的救赎》这部电影激励了一批又一批的人们面对困境不屈不挠，坚定地走向自己选定的道路。好的数据产品也是类似的，能够帮助使用者在一些场景下做出更好的决策，并能支持其后续的优化。

数据产品相关角色也可以类比为电影制作中的角色。数据分析师就像电影编剧，能够洞察人生的道理，或者说能够洞察业务本质性的分析框架。业务的好与坏，以什么样的标准去判定，以怎样的分析框架来发现为什么好与坏，就好比电影总体的故事逻辑线，是由编剧，也就是数据分析师来决定的。数据研发的角色，更像是电影的摄影师，他们把整个原材料数据，类似于电影场景和演员，通过合理的方式组织和呈现出来。而数据产品经理则是整部电影的导演。有了剧本之后，导演要指导摄影师怎么去拍摄画面，如何更好地表达出剧本的主旨，从而降低文字理解的成本，以电影的形式给到观众，也就是将数据产品通过可视化的形式给到用户。

编剧、摄影师和导演其实是可以角色互换的，边界也并不是非常严格，比如李安导演，也是编剧，所以一个好的数据产品经理应该对整个故事的脉络也要有较深的理解。顾长卫导演既是摄影师出身又是一个非常好的导演，所以数据产品经理对于整个生产链路，怎么用镜头语言去表达剧本也需要有一定的理解。数据产品经理作为导演，其能力是比较综合的，一方面要理解整个业务分析的脉络，另一方面还要对生产要素的数据指标本身有一定的理解，知道如何组合这些指标体系，能够更好地阐述业务分析框架的主旨。同时，还需要一些可视化和交互的设计能力。

综上所述，一个好的数据产品经理需要具备各个方向的能力。

02

衡量数据产品经理的标准

衡量数据产品经理的标准，按照矩阵分为两类。一类是层级，也就是上图中的纵轴。

P5级别是单点执行需求，需要高效完成，保证需求的准确性、合理性。P6级别覆盖子业务方向，或者可以理解为一个项目的垂直模块，从专业度来讲能够独立完成任务，可信，并且在遇到较大难题时能独立进行排解。P7是一个分界线，到了P7的水准需要具备统筹能力，就横向而言能独立负责一个完整的项目，能够理解整个业务方向并进行相应的指标体系的拆解。P7之所以是一个分界线，是因为这一层级需要具备系统的思考能力，能够深入地去理解业务类型，当面对一个新的类似的业务线时也能够以同样的方法抽象出来并且执行落地，同时还可以通过这个方法论去指导其他同学。P8也是一个比较跳跃的层级，既要能够往上理解战略方向，又要能够往下指导团队落地，所以在专业方向需要具有体系化的ecosystem方向的思考，并且将经验沉淀使方法论可复用，不仅能抽象单一业务类型的方法，还可以将方法沉淀用于不同业务类型。再往上就是P9这个层级，是从方法论到“道”的层面了。P9的专业能力应该是破局者，能够突破现有方法论，具备行业全局视野，能够主导创新和变革，担当起整个事业部产品战略的设定。以上在不同层级上，对数据产品经理的能力要求。

第二类标准是横向来看，它并没有程度的区分，主要是在产品价值观的角度来看。右边偏向于解决方案，更偏向于客户最终场景上的结果价值；而左侧更偏向于功能抽象，更注重产品覆盖度。

基于上述标准，接下来看一下管理者该如何去选育优秀的数据产品经理。

03

管理者-如何选育数据产品经理

1.四种业务类型介绍

作为数据BP服务类型的业务来讲，我们每天遇到的业务类型多种多样，从业务周期的角度，大致可以分为四类。

创新初始化业务

是完全从0到1的一些孵化MVP类型的商业价值论证的业务。

成长期

当MVP商业模式论证清楚了，接下来就需要去做规模化的拓展，也就进入了成长期。

成熟业务

更进一步，公司业务上的战略进入一个相对平稳的时期后，就属于成熟业务。

第二曲线业务

最后公司还要一直不停去寻找第二增长曲线，需要有新的价值增长点，探索新的业务类型，这时就属于第二曲线业务。

2.不同业务类型下如何选数据产品经理

针对这四种不同的业务类型，该怎样排兵布阵呢？创新类型的业务需要不停探索和实验，数据产品经理要能够快速跟上业务需求并快速落地执行，然后以业务的成功或者业务的价值实验成功为价值目标作为标准。成长期的业务，更需要解决方案类型的数据产品经理，因为这个阶段需要规模化，需要有抽象以及沉淀能力的更高级的数据产品经理。对于成熟类型的业务而言，既要抽象，又要在日常工作中去进一步提升工作效率，所以更偏向于功能类型的数据产品经理。最后一个类型，也就是在探索第二曲线业务的时候，既要快，又要去论证业务价值的可行性，同时还要满足之前沉淀下来的这些业务效率的提升，所以会更偏向于产品功能执行落地快的数据产品经理。

有了这个排兵布阵，再从培育的角度看一看该如何引导数据产品经理向好的方向成长。按照前文中数据产品经理对应导演的比喻，其专业能力可以拆分为三个方向：业务理解、指标体系和产品框架。

业务理解

看是否理解基本的主旨，也就是整个业务的商业模式，以及为什么要制定这样的业务战略，为什么要选择这些策略。产品经理不能道听途说、人云亦云，而是要真正理解该行业、业务战略以及业务策略。

指标体系

要将生产原材料与业务挂钩，设计出与行业、业务战略和策略匹配的指标体系。

产品框架

要清楚用户的决策路径。只是有着精美的画面和炫酷的交互方式并不一定是好的数据产品。再好看再炫酷，如果没有按照业务经常使用的决策路径进行设计，并不能为业务带来帮助。有些数据产品经理可能愿意深入业务去寻求解决方案，而有些则更愿意在产品功能上去做通用和抽象，希望产品功能能够覆盖更多用户，这是一个价值观的选择，所以没有对错好坏之分，只是要把不同的数据产品经理，放在更合适的业务场景，从而使工作更加顺畅。

04

执行者-如何成长为好的数据产品经理

接下来讲一下执行者如何成长为一个好的数据产品经理。类似的，也是从业务理解、指标体系和产品框架三个方向来看。

业务理解

要更好地理解业务需要多看、多听、多沟通，包括行业报告、公司财报，以及外部专家的一些信息输入等等。还应该多参加一些行业峰会，与各个行业里的操盘者去交流，实现更高维度的信息获取。在公司内部多参加一些战略会、业务OKR会，或是业务专项会。还可以去浏览一些外部的相关网站。尽量往高层次获取信息，可以帮助我们找到最根本的原因，并更深刻地理解公司的战略和策略。

指标体系

在指标体系方面，主要是看“是什么”。可以参考一些指标体系建设的方法论，比如OSM、用户行为路径等等。

产品框架

关于产品框架，建议大家看一看梁宁的《产品思维30讲》中的用户体验地图。如果在这个方向的训练比较少的话，可能就会把一些指标堆集在一起，形成一个华丽的数据看板，但华而不实。大家可以参考上述课程中的讲解来画出真正贴合用户诉求的体验地图。

前面讲的是业务能力方面的要求，除此之外，数据产品经理作为导演，还应具备人文关怀。数据分析师和数据研发应该是很理性的，而数据产品经理应该有一些人文和艺术性，也就是软实力。比如在设计产品之前，能够引导出用户冰山下的真实诉求，产品设计出来之后，在推进落地的时候，要具备整体的项目管理能力，风险把控能力，以及推进协调各个不同资源的能力。最后产品落地之后，还要有宣传运营的能力。

最核心的一点是，产品经理应该是一个利他的人。其最终的目标是要去帮助用户解决问题，要为用户带来价值。

05

问答环节

Q1：对于数据研发转行去做数据产品经理有什么建议？

A1：数据研发是站在更偏技术的视角，而数据产品经理则是更加偏业务的视角，需要去落地到某一个场景上，要对业务有更深入的理解。所以要多问问自己业务上为什么要这么做。

Q2：有了对业务和用户需求的理解，但设计产品时还是会没有思路。如何提高产品设计的能力？

A2：在设计产品的时候如果没有思路，不妨下业务线，和业务同学一起工作一周。这样可以更好地理解业务目标，了解他要做哪些事情去达成这些目标，中间会需要什么样的数据原材料去实现目标的拆解，在分析之后可以画出用户体验地图，会对接下来的产品设计提供帮助。

Q3：数据产品经理最核心的竞争力是什么？

A3：最核心的竞争力就是文中提到的业务能力的三个方向，即业务理解、指标体系的设计和产品框架的设计，再加上软实力，以及利他的思想。

Q4：有时候面试官会问您是怎么赋能业务的，该如何回答？

A4：如果问到如何赋能业务，那么面试官可能需要的是文中提到的矩阵右边的那个部分，更加偏向于解决方案。所以最好的一个方向拆解逻辑就是star模型。比如讲一讲业务为什么要做这件事儿。如果能讲到行业深度是最好的。在此基础上，要分析出所作的战略选择的原因，以及业务落地的一些重点策略。遇到了哪些问题，有怎样一些思考，然后怎么去设计解决方案。最后用什么样的体系去评价我做得好与不好。最终是否达到了预期的结果，实现了价值。要注重解决方案和评价体系的科学性和合理性。当然并不建议大家在面试时，临时去准备答案，而是应该在日常工作中多去积累。

以上就是本次分享的内容，谢谢大家。

分享嘉宾

INTRODUCTION

钱英男

快手

新业务&商业化数据服务中心负责人

快手数据平台部门新业务和商业化数据服务中心负责人（本地生活，海外，商业创新业务方向）前阿里巴巴，优酷数据团队Manager、国际站数据团队Manager；Capgemini & CGI（法国&加拿大）金融行业-项目总监、数据战略咨询经理

发布于：北京