資料產品經理職業發展的四個階段
最近收到一位粉絲關於資料產品職業方向的諮詢,大環境不景氣,資料產品微信群裡也有很多對這個崗位的困惑。因為最近專案每天搞到一點多,實在是沒有太多精力做非常詳實的回覆,今天趁著有點空閒和力氣,總結一下關於資料產品經理這個崗位職業發展過程常見問題與破局方法,希望可以為有類似困惑的朋友一點啟發。
資料產品的迷茫:工作兩年主要是做資料包表方向的產品,感覺報表沒啥好做的,就是做做駕駛艙,設計個視覺化報表啥的。想換工作,招聘網站上看了一圈發現所在城市的資料產品崗位寥寥無幾,薪資也不高。所以懷疑是不是資料產品崗位沒啥前途了,考慮要不要轉B端或者其他中後臺方向的產品。
資料產品經理職業發展四階段
階段一:初出茅廬
0-1年的資料產品新人,比如應屆畢業生還是資料分析、資料開發或者其他方向產品的轉行。
特點
處於這一階段時,對資料產品的崗位有著非常強的好奇心和求知慾,希望可以在這個崗位上大有一番作為。所以會透過各種書籍、課程來補充資料產品的崗位知識。入職新的崗位後,也會非常努力地把工作做好,哪怕只是一些零散的資料產品需求。
主要困惑
首先是要確定該選擇哪一個方向的資料產品切入,畢竟資料產品還要劃分為開發套件、資產管理與治理、資料應用、資料策略等四大方向(具體的分類方法和能力要求見往期文章)
其次是這個崗位的能力模型是什麼,對於應屆生還好很多公司招應屆生願意從一張白紙開始培養,而對於其他崗位轉崗資料產品的數分、數開等社招有工作經驗的,就需要提前有針對性地訓練,畢竟按照應屆新人的待遇候選人不樂意,按照工作時長那又不是當前崗位的經驗資產。
然後就是該怎麼學習和提升了,什麼渠道什麼方式等,很多新人高開低走,開始信誓旦旦但後期卻無動於衷,主要原因是不知道從哪裡下手。
破局建議:
1.系統、全面的瞭解資料產品經理崗位的細分方向和能力要求,可以透過網站、書籍或者公眾號文章,當然資料乾飯人公眾號肯定可以作為資源之一,畢竟10多年資料產品的摸爬滾打,各個方向都親身實踐和經歷過。不建議一開始就買影片課程,一方面5000多的價格不便宜,其次是一些課程可能只是聚焦在某一方向,並不是資料產品經理的全貌。然後根據自己的專業背景、興趣愛好選擇自己未來願意從事的方向,避免一開始就找了個不適合不喜歡的方向,再去調整成本就比較高了。
2.資料產品經理的能力模型本質是資料+產品,所以在做技能訓練時,可以圍繞這兩個方向拆分,按照優先順序制定學習計劃,比如1周瞭解資料基礎(指標體系、資料流程等),1周學習需求分析,1周學習產品設計等等。紙上得來終覺淺,所以可以從競品分析著手,現在有很多的資料產品都商業化了,可以透過幫助文件或者聯絡銷售進行溝通講解。學習途徑建議還是以多看幾篇相關的文章,避免一家之言,這個時候可以適當的看一些價格適中的影片課程。
3.在入職後的專案實操過程中,有意識地思考和沉澱總結心得體會,比如,業務新接了一個需求,我本來的知識體系告訴我應該怎麼處理,實際我是怎麼做的,這個過程遇到了哪些問題,下個需求怎麼做能更好。這樣在實踐過程中,不斷總結出自己的工作方法論。
階段二:破繭成蝶
特點
1-3年,工作了一段時間,工作環境、業務、老闆風格以及工作流程都熟悉了,逐步輕車熟路,開始做一些感覺重複的事情。比如資料包表產品經理,抽象下來就是梳理指標口徑,設計視覺化大屏或Dashboard並管理開發過程。工具類的產品做個一兩年產品也相對穩定,滿足日常的需求後續就是逐步的迭代。
主要困惑
崗位新鮮感逐漸淡弱,每天被各種資料質量問題、做不完的報表或產品迭代需求,感覺資料產品的存在感低,不像業務產品可以深度參與直接為公司帶來DAU或者營收增量的專案。看不到工作的價值。經常因為資料不準的問題被業務詬病被老闆吐槽,甚至成了背鍋俠。跳槽機會又不多。
破局建議
1.認清資料產品的崗位的特點,資料產品的本質是提供讓資料用起來的工具,工具核心的衡量指標主要是好不好用,有多少人用,使用深度如何,節省多少成本(人力、財力),光頭強用斧頭和鋸子砍樹,賣了再多錢也是主要會歸功於光頭強,而不是斧頭。最多在光頭強心情好吃肉的時候,給莫磨斧頭點湯喝,這樣斧頭以後可以更賣力幹活。所以,資料人要耐得住寂寞。可以主動和業務溝通合作資料驅動的合作專項,榮譽與共,業務吃肉,資料喝點湯也可以。
2.花1~2年左右的時間把當前方向的資料產品體系化建設的能力沉澱下來,形成自己的方法論。比如,做一個報表需求,最基礎的要求是掌握拿到一個新的視覺化需求的產品流程和方法論,怎麼樣梳理和管理需求,如何寫資料產品需求文件,怎樣高效評審方案,怎樣管理專案開發團隊。其次,要有意識地培養自己地資料分析能力,為什麼需要這些指標,如何在一個新的業務場景下,快速遷移指標體系構建的能力。第三個階段則是化被動為主動,可以主動為業務提供發現問題和提供解決方案的產品能力,做更多可以賦能業務的產品而不是支援業務的需求。做到第三個階段,才是對這個領域垂直深入。
3.2~3年的時候,可以逐步嘗試擴充資料產品的領域了,比如做一個報表,會涉及資料ETL、資料倉儲建設、業務端的應用全流程,可以向業務端或者資產端逐步遷移,這樣一方面可以擴充套件技能領域,另一方面也可以在未來工作中,具備更多的知識體系,凸顯專業度。
階段三:漸入佳境
特點
3-5年,逐步成為某一領域的專家,可以讀擋一面負責獨立的產品線或者業務模組,無論是業務、資料還是產品方面都有了自己的一套方法論,並且可以快速把能力遷移到新的產品領域。我是一塊磚,哪裡需要哪裡搬。
主要困惑
3-5年容易出現一個職業瓶頸期,當前產品領域專業深度夠了,很難有大的突破,下一步擴充是還在資料產品還是說完全換一個新的領域,比如B端中後臺系統或者資料分析師,甚至資料開發呢。
破局建議
1.基於當前的產品領域向上或者向下遷移擴充,逐步把資料產品的各個方向都能有些覆蓋,在1~2個方向有縱向的深度,逐步成為所謂的Π型人才。比如,之前一直做資料視覺化產品,向上就是業務的資料智慧化應用,比如CDP,使用者畫像等,向下則是資料資產管理、資料治理。
2.可以積極主動嘗試老帶新,在培養新人的過程中,把自己的經驗進行總結和昇華。另外,很多公司的晉升都會要求產品影響力和團隊貢獻,也順帶完成這個KPI。
階段四:融會貫通
特點
5-10年及以上,做過了多個方向的資料產品,從獨立工作到帶團隊,培養新人。
主要困惑:產品逐漸穩定,從0到1的產品越來越少,感覺能做的事情越來愈少,年紀也越來越大,行業不景氣,chatgpt可能會取代越來越多的工種,時刻擔心被裁員。
破局建議
1.持續輸出在當前崗位的價值,可以主動承擔起資料外交官的職責,找幾個核心業務方建立穩定的專項合作關係,一起挖掘資料能夠為業務帶來的賦能價值。
2.有意識地沉澱個人經驗,文章或者影片課程,建立自己地個人影響力,在公司層面成為資料領域的專家
3.學會帶團隊,不想當將軍地士兵不是好士兵,所以要轉變思想,從依靠自己完成工作到和團隊一起完成工作
4.熟悉資料產品各個領域,團隊有困難或需求時,可以快速支援
5.培養組織和協調能力,能夠主導中大型專案
6.深度抽象資料和產品方面的方法論,為負責更大的資料團隊或者中後臺產品團隊做好積累
7.嘗試切換不同的行業,當前企業資料產品逐步成熟,現在傳統企業的數字化轉型正如火如荼,數字化人才非常稀缺,需要的更多的是複合型人才,既能透過現有方法論快速遷移熟悉行業業務知識,同時具備全域性的資料產品架構能力,可以為數字化轉型提供藍圖和執行落地層面的輸入。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70028087/viewspace-2942722/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 前端開發個人職業發展的四個階段,你處於哪裡?前端
- web開發人員職業發展的11個階段Web
- 軟體測試職業發展的幾個階段
- 急聘——資料倉儲、商業分析、產品經理等職位
- 四年進階|產品助理(專員)、產品經理、高階產品經理、產品總監是什麼樣子?
- 一個AI產品經理怎麼看AI的發展AI
- 詳解資料管理發展的5個階段
- 《產品經理面試攻略》PART 12:產品總監職業生涯訪談面試
- 資料庫發展階段之資料庫系統階段資料庫
- 谷歌產品經理眼中的產品經理谷歌
- 工業機器人的發展已經進入到量化生產的階段機器人
- 資料型產品經理的前世今生
- 最新前端開發職業路線+前端框架 共四階段前端框架
- 趣圖展現程式設計師職業生涯的11個階段程式設計師
- 送給產品經理的一段程式碼 (!(~+[]) + {})[--[~+""][+[]] * [~+[]] + ~~!+[]] + ({} + [])[[~!+[]]
- 由情色行業想到產品經理與產品行業
- AI產品經理的進階路線圖AI
- 和菜鳥一起學產品之產品經理的工作職責
- 詳解資料管理髮展的5個階段
- AI產品經理之資料標註AI
- 好產品經理和差產品經理的區別
- 關於專案經理的職業發展的對話(轉)
- 專案經理的職業發展可採取的措施(轉)
- ERP在企業四階段發展程式中的影響(轉)
- 測試應該在產品開發的哪個階段進入?
- 產品經理
- 作為程式設計師,職業規劃需要注意的四個階段程式設計師
- 專案管理:職業生涯的一個階段(轉)專案管理
- 專案經理的職業化發展與IPMP認證(轉)
- 升職! 加薪!-產品經理也要學管理,效率工具
- 淺談產品經理的家庭作業
- 中國P2P網路借貸發展的四個階段
- 客服系統的三個發展階段
- 資料包表產品經理生存法則
- 騰訊資深產品經理談產品經理團隊管理幾點心得
- 思邁特軟體Smartbi:公安大資料的3個發展階段大資料
- 產品經理和產品負責人之間的職責是如何劃分? - Reddit
- 產品經理必會的10種資料分析方法