1.2　从数据分析师转型做数据产品经理——从解构到创造

这几年，在我周围，从数据分析师转型做数据产品经理的人比较多，包括本人。

在参加工作的前几年里，我是一名数据分析师，主攻的方向是用户行为分析，为了这个方向，我去辅修了应用心理学。后来有一段时间专注用户行为采集的技术方案，和技术人员展开了一段过程痛苦却收获满满的合作。再后来，我成了一名数据产品经理。

从我个人的角度来说，工作变得更有趣了：这应该和性格、背景都有关系，却也和当时的组织架构有关（关于各角色之间的关系会在第2章详细论述）。当时的我长时间待在中台部门，远离业务，出报告对我来说已经变成了“八股文”。但是，为了定位一个问题，我还是会长时间地和业务部门坐在一起。可惜的是，我很快发现，想要让负责一线运营的同事去接受一个非业务部门人员的运营建议，是需要好的工具和基础建设支撑的（比如好的报表和数据平台）。在业务人员看来，一些看似复杂的论证过程，只不过论证了一些他们已经知道的事（只是没能被精确量化），因此，所谓的数据分析师角色带给我无数的困惑（这可能也从一个侧面说明我不是一个好的数据分析师）。我重新复盘了自己的知识结构和思维方式，明确了当时的组织里必须要解决的问题，然后选择了专注于用户行为采集的技术方案。虽然那时我的职位仍然是数据分析师，但现在看来，已经走在转型做数据产品的路上了。

在刚开始做数据产品经理的那段时间，我还经常被问到的问题，除了转型的原因，还有最主要的两个是：你觉得做数据分析和做数据产品有什么差异？更难了还是更简单了？

对于第一个问题，我通常会根据分析方向和面对的不同的数据产品类型来做一些解答，至于第二个问题，我很想反问这些问问题的人，这个问题怎么能有答案呢？这几乎完全取决于个人能力和兴趣偏好啊！

1.2.1　两种角色的巨大差异

在所有从数据分析师转型做数据产品经理的人中，我肯定不是做得最好的，但我是幸运的。至少在今天看来，之前的经验带给我的知识储备让转型显得非常顺利。数据分析师和数据产品经理的知识体系是相对接近的，想要完成知识上的迁移相对简单，主要有以下3点不同。

首先，视角和专注对象不同。数据分析师专注研究特定对象，这个对象可能是业务、用户、网站，等等。相关的事物也很重要，但是那些相关的东西多数时候都是为了佐证，或是为了补充逻辑链而存在的。对数据产品经理来说，数据分析师只是他们产品的一类用户，而且是最容易沟通的那类。另外，如果数据产品经理的研究对象是“数据产品”，那么除了产品本身的逻辑，还要关注用户需求，并且要在满足用户需求、产品自身逻辑、后续的延展性、落地的成本和可行性之间，找到一个各方都可以接受的方案，并详细地定义它。

其次，研究方法和工具也不同。数据分析师的习惯动作是解构，即向下细分，通过拆解多个维度去发现问题——这就是我们常说的 “不细分，无洞察”（在做数据分析师的阶段我爱开的一句玩笑是：这个问题没刨干净，继续刨）。产品经理的习惯动作是抽象和创造，抽象出满足业务场景的产品框架，根据这个框架创造出一个产品，还要在注定不一致的各个方面之间寻找一条落地的路。在多数时候，要寻求一种平衡，要忍受不完美的存在，并且在一定范围内达成共识并接受它们。

最后，是工作目标的不同。不去考虑具体的分析对象，数据分析师的工作可以概括为通过量化指标的结构和变化发现问题，并提供解决问题的可行性方案，数据产品是数据分析师的工具。然而，有趣的是，数据分析也是数据产品经理的工具（这种关系在其他产品里几乎不存在）。数据产品经理的目标是为用户“使用数据协助完成工作”的诉求提供工具，是对数据分析过程的理解和对产品本身的数据分析、对平台用户的数据分析、对数据本身的数据分析（元数据分析），但这些分析都是为了定义数据产品而服务的。

用一个不太恰当的比喻，这有些像医生和建筑师之间的差异。

一个好的医生，首先要能准确地诊断，然后提供治疗方案。诊断方式无论是中医讲究的“望闻问切”，还是使用当代医疗技术去做CT和核磁共振，都是一种和数据分析师所做的“数据细分”类似的过程。医生还会通过多种技术手段去检验根据经验做出的初步判断，使结论更精确（就像假设检验过程）。确诊后，简单的问题可以使用药物解决；当病情复杂，需要一些有风险的行为（比如手术）时，医生通常会提供多种方案，来和其他专家、病人家属一起商量（这就像数据分析师可以识别问题但无法给出明确方案的情况）。

一个好的建筑师，则要在建筑的功能（设计这个产品给什么角色提供决策辅助）、整体结构的稳定性（产品架构和指标体系是否稳定）、外部的环境（对外依赖的数据源现状）、建筑本身的美观（可视化效果）、延展性（能用多久）、用户的使用（运营人员素质）等因素之间，找到一个方案。甚至还要考虑预算和工程实施的难度、实施人员的素质。

对于从数据分析师转型做数据产品经理的情况，知识和技能的迁移相对简单。“数据”部分的知识是完全一致的（包含知识和工具），对业务理解的必要性也是一致的——这对其他角色来说可能是最困难的部分。一个合格的数据分析师转型做数据产品经理，只需要补充针对产品设计的方法论和对技术的理解。

1.2.2　从数据分析师转型的难点

不同类型的数据分析师在转型过程中面临的重点、难点也不太一样。

例如，一个业务分析师，非常了解某个业务的运转和指标体系，熟知业务使用的各种报表，并且能从监控中迅速定位问题，那么当他想要转型做数据产品经理时，对业务的充分了解就成了他的长处，他知道数据产品怎样才能对业务侧更友好。但是他的工作是远离技术的，那么就要更多地去了解技术。相比之下，平台分析师离技术和产品更近，却没有业务分析师距离一线业务那么近，所以在转型时反而需要更多地和业务人员聊聊。

我们把不同类型的数据分析师的技能树用一张图来概括，如图1-2-1所示。这里的描述并不精确，因为如果展开每一项，则不同类型的数据分析师，甚至每一个数据分析师的习惯，都会有不同的倾向。

总之，不同类型的数据分析师的共同优势是对统计学和数据分析方法非常熟悉。而且，他们自己就是数据产品的用户，至少知道之前自己见过的产品对于数据分析师这个类型的用户来说哪里好用，哪里不好用。数据分析师的巨大挑战是思维方式的转变。

我认识很多同样经历过转型过程的朋友，大家的现状各自不同。有比做数据分析师时更成功，也更开心的，也有经历了痛苦的爬坡之后回到数据分析师岗位的（满眼都是问题就是不肯妥协）。和我一样，这里面有性格原因，有自己的职业背景原因，还有其他各种各样的原因。但是无论个体做出了怎样的选择，和他们聊起来，所有人都会讲：这是一段非常有趣的旅程。