本文主要结合“数据”这个关键词，从六个阶段来谈谈对产品经理技能的一些看法。

产品经理的技能，网上相关内容确实不少，不过专门谈数据产品经理这个方向的还不多，放胆去聊聊吧。本文不探讨通用技能，像沟通技能、项目管理技能、团队管理技能、原型能力等，均不在本文探讨范围。

产品经理的技能，是贯穿产品生命周期的。从产品创意产生到整体规划、到推动研发、到项目管控、到运营推广，乃至于持续迭代升级，所用到的产品技能各有侧重。

当然，不是每个产品经理都有机会经历几个完整的产品生命周期，日常接触的诸多产品经理，能面面俱到，各方面技能突出的，也少之又少。其实也没必要这么要求，产品形态各异，不同的产品对产品经理技能的要求也是有较大差异的。

人的精力毕竟是有限的，在产品经理这个职业上，我更倾向于建议将重点技能先垂直往下延伸，研究的够深，够透，然后再横向发展。

下面篇幅，结合‘数据’这个关键词，谈谈对产品经理技能的一些看法。

一、创意和规划阶段

有了想法，有了好的创意，这时候产品经理就要做说客，让领导和兄弟团队认同你，支持你。

这个阶段怎么发挥数据的作用呢？

不管是需求管理，还是竞品调研，要有量化的指标。

用户调研也是常用的方法，如果对调研数据的分析心里有谱，那设计的调研题目就会更有助于拿来做数据分析，关于用户调研方面的思考，有机会可以单拿出来说说。

ROI是非常核心的数据。上线后预期收益，怎么算出来？

最常见的，流量+转化+客单价，流量从哪里来，预计引入多少，预计转化率波动范围，这样就可以做比较靠谱的预估。

看到网上不少竞品调研，产品功能对齐做的极为细致，但对产品的运营数据涉猎极少，一方面是数据不好拿，另一方面是缺乏数据意识。

任何的产品都可以拿到数据！只要这个产品你能接触到，总会有办法获取数据的。

好的产品，自然会在大会小交流上做各种分享，有些数据是他们乐于对外公布的。

公司财报，各种规定要报送的数据，这些是公开的。

第三方的调研机构，他们是专业做数据的，专业的收集方法，专业的分析。

绝对值没有，相对值可以有同比、环比，各种维度的比，这些数据也是可用的。

最low的办法，爬虫也能爬点，按照样本量反推。

产品经理要形成习惯，有意识的去收集数据。

二、产品设计阶段

这个阶段侧重功能，没数据啥事啊？

首先，这个阶段要用到数据：

一是上一阶段收集到的数据，不是汇报完就完了，这些数据在功能设计的时候拿来做参考也是很有价值的。

二是产品要符合业务，要契合业务，就得拿业务现有数据做基础，一个下拉控件里有两个选项还是三个选项，这是业务决定的。如果你不了解业务数据，产品上可能会缺失一些功能，因为没有数据支撑，这些你想不到。

三是产品要符合技术，这也是产品经理也得了解一些技术的原因。比如：做实时数据产品，如果底层已经不是storm了，换成了flink，你的产品要相应做调整。如果你的产品处理的数据量是10亿/分钟，和100万/分钟，在产品的设计上是不同的。

四是产品功能要做到尽量的多收集用户的数据，这里说的不是敏感数据，而是以后分析会用到的各种观察角度，bi分析里叫维度表。

我做数据产品，在这方面比较敏感。做一个功能，希望了解上线后用户的使用情况，埋点是必须的，单纯埋点也不一定够用，还希望拿到用户的详细访问路径。所以埋点除了页面级，还要对重点功能点做埋点，埋点数据要足够支撑后续的产品分析和迭代支持。

三、研发实现阶段

这个阶段实际上是考验偏项目管理方面的能力。如果有专职项目经理，产品经理可以轻松一些，否则这些事情是绕不过去的。

项目的推进，人力投入、进度管理、质量管理、风险管控，这些都是项目管理范畴，讲究量化。数据化项目管理曾经研究过一段时间，篇幅原因不展开了。

四、运营推广阶段

这个阶段也不用展开说了，需要持续收集运营数据，做产品的都知道，PV、UV、访次、转化等等，如果和广告相关，就是各种的CP_ 、CPA、CPC、CPM等等。

五、持续迭代阶段

我有个观点，做从0到1的产品，产品经理比较容易胜任，做到80分不难，而在已有产品基础上做迭代升级，尤其是已生存较长时间，已做过多次升级的产品，产品经理做到60分都很难。想想微信的出生，何其意气风发，现在的升级，是如此的谨小慎微。

最最重要的，是用户在使用产品上已经形成行为惯性，打开产品下意识就会做动作，这时候你做产品迭代，如果改变了用户习惯，即使你认为改版比原版好十倍，对不起，招骂是必然的。做产品，用户体验优先。

所以，产品的迭代，要在用户数据基础上做迭代，尤其是用户行为数据，这也是我推荐产品埋点事前要规划好的原因。

六、关于数据分析的工具

最先推荐的，就是表格，excel为代表的各种表格工具，产品经理应尽量避免堆砌文字去说数据，一个表格胜过千言万语。

然后是表格的一个变体，各种的四象限矩阵，就是画个十字，分割出左上右上左下右下，就可以做各种分析。常见的波士顿矩阵、swot分析，都是具体应用模式。

如果侧重呈现，就可以用各种可视化工具、柱图、饼图、线图，二三十种图形随意挑。最入门的可以用excel作透视图，稍正式一点，可以用各种charts，现在echarts挺火，国外也有fushion charts、hicharts等，专业一点的，就是BI工具了。

如果侧重分析，SQL是个好东东。我招数据产品经理，没有一定的SQL功底是不行的。如果掌握SPSS这种专向工具，你会发现数据分析不是事。

就写这么多吧，欢迎斧正。

作者：Raman

更多干货和案例，可以关注“神策数据”和“用户行为洞察研究院”公众号了解~