另辟蹊径 | 数仓开发转DPM经验之谈
01 背景
笔者之前在一家互联网2C平台做数仓开发，由于公司规模小，团队人手不足，基本都要身兼数职，如数据分析、数据产品、数据挖掘等。在兼职数据产品的过程中，发现对此比较感兴趣，后彻底转型为数据产品经理。如今已在DPM岗位工作一年有余，谈谈我对数仓转型数据产品的理解。
数据产品经理不同于产品经理，更不同于数仓开发。其实是既需要产品经理的普适技能，也需要数据相关的专业知识。从职位名称理解，数据--即是数据产品经理负责的产品，对数据的管理和解读，从而发挥该岗位的价值。那么数据产品经理需要的能力有哪些？
02 数据产品能力模型
2.1 数据产品能力模型：
产品经理能力：
与产品经理一样，需要产出搜集和产出需求list。无论平台型数据产品和应用型数据产品，都要有一个主人翁意识，使方案更加有效率和贴近业务场景；
数据专业能力
数据专业的能力是核心能力，也是和普通产品经理的区别。其中就包含数据产品设计能力，数据分析能力，数据规范设计等，主要目的是，保证数据质量，提高数据的使用性。
2.2 那么数据产品经理的日常工作是什么呢？从中有哪些特殊思维呢？
举个例子，BI报表的需求是数据产品的主要工作。数据产品收集BI报表的需求，具体流程可简化为：优化方案，数仓开发，落地实施，直至最终的结果落地。
以上为一个BI需求list的项目工作流程，其实，这里有一个重要的思维是，数据产品经理的思路，不是在于建一张BI报表。在宏观意义上，是在系统性的解决项目case。
03 数据项目启动方案
具体说来就是：
当我们开始一个数据项目的启动时，发现数据存在异常：
发现数据问题，查找原因：
一般从数据的源头查起，查看数据质量如何，是否存在缺失和异常，配合研发定位查找问题，保证源头的数据质量。
定位原因之后，需要找到解决方案
研发关于数据的上报，可能无法第一时间修改内容，需要随着版本更迭才能修复，那么数据产品经理就需要制定关于此次case的临时解决方案，保证项目的顺利进行。
同时针对此次的数据事件，对数据在统计和应用层面，找寻优化点，是否存在更加合理的方案。防止数据异常时，影响数据的使用。
需求方案的优化，延伸问题的解决
需求方提出方案时，只是针对自身业务的数据报表，其中可能出现转化链路的缺失，相关异常数据的原因查询等。数据产品经理的职责就是帮助需求方将链路补全，同时规划好数据问题的应对及解决方案。
举例：常见的广告数据中，需要对广告的全套链路进行数据监控，所以需要对全链路进行梳理，避免缺失。在广告数据的转化漏斗中，某个广告位转化异常，可能存在某款机型某个版本的问题，那么在广告报表之外，还需要有对应的数据GAP的归因查询。想在需求之前，避免后期重复对该类需求“造轮子”。
如何监控和规避
针对数据反复出现的问题，整理出问题list，不断记录出现的问题，在前期测试和验收中，仔细检查。同时对数据产生阶段的丢失，也要添加监控机制。巧妇难为无米之炊，数据质量存在问题的话，数据的应用型大打折扣。
04 DPM VS 分析师
数据产品经理与数据分析师不同的是，数分同学是通过挖掘数据规律，提炼价值从而找出数据问题和产品优化点，形成分析结论，给产品和运营同学作参考。
而无论是平台型数据产品经理和应用型数据产品经理，都是站在数据的宏观角度，针对工作中关于项目中的某一个数据case，能够系统性的给出解决方案。其一是避免重复造轮子，其二是使提高数据的使用效率和质量。
数据产品经理是数据工作的重要一环，保障数据质量外，应该对数据的应用和策略具有延展性和前瞻性，料事于先。
05 写在最后
今天的分享到这里就要说再见了，希望能对你有所帮忙。职业规划，老生常谈的现实问题。不管是从DBA转数仓，还是从Java转大数据开发，亦或和我一样从数仓转数据产品经理，适合自己就是最好的。当然兴趣之外，薪资也是评判的重要参考。One More，再次谢邀，由心感谢，也欢迎大家关注这个高质量的公众号，一起进步，一起走的更远！