1.3.2　数据专业能力

数据专业能力的核心部分是数据产品设计能力、数据分析能力，如果还有余力，可以再多了解大数据技术架构及数据挖掘算法等方面的基础知识。这些知识只需了解其原理，以更准确地判断需求实施的可能性或复杂度。

数据产品设计方法属于产品设计的一个分支，一样需要从需求和问题出发，着力于提供优秀的解决方案，同时有自己的独特要求——发挥数据价值，突出表现在数据资产管理和数据业务效率提升两方面。数据资产管理是数据产品绕不开的话题，从采集清洗到存储管理，无处不在，核心是将数据这条四处奔涌的“水流”规范在稳定的“河道”上，以使其为民所用。这体现在能力上，即数据规范设计、落地产品及推动能力。这部分具体可参见第8章。数据业务效率提升，则是为了更好地发挥数据资产的价值，从产出各种分析功能，比如多维分析、漏斗分析及留存分析等，到设计合适的数据可视化，利用图形精准地传递信息，设计各种复杂的数据策略。这里考验的是定位业务场景及需求，设计高效的数据解决方案能力，在平台型产品上是以面覆点的抽象能力，在应用型产品上就是精准贴合应用场景的业务理解能力。

数据分析也是数据产品经理有别于其他产品经理的特质能力之一。虽说数据分析一般会有专门的数据分析师负责，但数据产品在与业务结合的过程中，经常需要通过分析的过程来体现价值，所以数据产品经理必须熟知甚至精通数据分析。在基础理论上，无非是细分——对比——溯源：细分上可以通过多个维度或指标组成进行划分，然后通过时间对比（日、周、月同环比）或者维度对比等方式定位异常原因，最后溯源到现实的原因进行改进和优化。常用的工具有Excel、SQL、Python和R等，在少数情况下会用到SPSS等统计挖掘软件。（具体可参考第2章。）

除此之外，一些技术相关知识也必不可少，主要是数据仓库、数据采集传输、大数据架构和数据挖掘等方面的基础知识。在某些深入的职业细分类别，比如数据仓库设计师，则需要对该领域知识有更深入的钻研。数据仓库是为了提高数据分析效率的产物，其权威定义是“一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合”。它用于支持企业或组织的决策分析处理。通过设定业务主题域，将数据库表分为明细层、聚合层、应用层和维度表等来实现对其分层管理。设计良好的数据仓库在提高分析效率的同时，还能兼容未来可能的业务升级，真切反映历史变化。