返回網站

產品經理|VeryBuy 資料產品經理(Data Product Manager, DPM)的日常

· 團隊雜感

在過去,資料科學或人工智慧這個題目對許多人可說是遙不可及,但隨著資料科學教育的逐漸發展、線上教育的普及,現在這個題目可以說是隨處可見,人人都在做,是時下正熱門的科技課題。

今天這個分享主要希望讓大家理解何謂產品經理,以及 VeryBuy 資料科學團隊產品經理平時的工作模式、帶給團隊的價值與可複用的工作方法,希望可帶給那些對 VeryBuy 有興趣的大家一些乾貨。

何謂產品經理?產品經理帶給組織的價值是什麼?

產品經理(Product Manager, PM)的能力圈眾說紛紜,這邊闡述的產品經理能力大多會是我在 VeryBuy 或是在其他產業朋友身上所學習到的技能,產品經理涵蓋了許多管理方面的軟技能,而硬技能會取決於產業或組織運作差異而有所不同。

我認為的產品經理需會有以下能力範圍,而這個能力是可轉換的,意謂著這些技能你是帶著走的且不受產業影響:

1. 掌舵方向感:在滿足用戶需求下,專注在可衡量的商業價值目標。我們必須在新的一年開始前規劃 Product roadmap, backlogs,並確保這些規劃的目標滿足了用戶價值,這個 “用戶” 包含了內部與外部用戶,而 “價值” 可以包涵了可衡量的量化關鍵指標(以電商產業舉例:商品的加入購物車轉換率)或是質化的觀察指標(例如:用戶滿意度等..)。

2. 溝通與人際關係:建立一個好的團隊,讓大家願意在共同的目標上做事。這裡講的就是在組織內部做好溝通工作,做好對所有人(包含 Stakeholder & Teammate management)的資訊同步工作,並且建立好互相的人際關係(跟自己喜歡的人共事還是很重要的),這部分就很吃重軟技能的培養。

3. 管理專案/產品:管理每個工作任務流程(Managing tasks)、規劃專案規格(Specification, SPEC)、確立成本與交付時間(Budgets & Deadline)、控管交付品質(Quality assurance, QA)等。想要開始執行專案,做好這些工作對於一個專案經理是必須的基礎能力。

4. 確保任務順利:排除開發中的障礙與困難,協助任務順利進行直到交付。往往專案或產品在開發迭代時不一定會那麼順遂,我們可能會遇到需求方的需求改變、Planning 時發現資源不足,或是任務進行到一半需要仰賴其他團隊協助幫忙時,就會需要 PM 出面解決這些問題,好讓團隊成員可以無後顧之憂的為你往前邁進。

Responsibilities that utilize interpersonal skills (Source)

資料產品經理的能力圈,跟一般的產品經理差在哪?

能力框架其實並不會有太大的差異,要說差異的話會是某部分的能力值會需要特別突出,我把它分為幾個大類來說明,包含對象的不同、產品的不同、數據分析與解釋能力,但全文不脫離前段所述之能力框架:

1. 服務對象:一般我們在說一個產品服務的對象大概會分成兩種用戶,一個大家常見的外部用戶,也就是產品的終端使用者;另一個則是內部用戶,可能是老闆、部門等,而在 VeryBuy 的資料科學團隊大部分都是在滿足內部用戶的需求或者是對接某個部門的目標做事。當然,這邊還是要站在終端使用者個價值來思考,一來你會比較好透過同理心理解需求,二來通常這樣才能更好的做出符合商業價值的產品。

2. 產品內容:在數位產品上,我自己過去經手的產品大多是前台產品,例如像是開發 APP 或 Web 的某個功能,或是某次商業活動需要的活動頁面。在資料團隊比較不同的是,開始會經手大量與「資料/數據」有關的產品,例如:針對特定需求的演算法、AI 模型、BI 數據可視化圖表,可以發現大部分的產品會與資料相關,考慮的範圍也會有所不同。

3. 數字敏銳:因為資料團隊產品處理的範疇都是跟數字有關的運算,這裡的數字敏銳包含對「業務邏輯」要有比較深的了解,你才能知道這些數據都受到什麼外力影響。例如今天有一個部門希望你可以協助降低某個負向的業務指標,你必須要知道有沒有其他的變因會導致這個數字受變化,有了更身的理解你才能對症下藥。

4. 跨部門溝通:在 2021 年資料團隊的 Roadmap 中,很多目標最終的輸出可能是為了滿足某個部門的產品目標,或是組織的商戰策略,在這種情況下,資料產品經理就需要展示很好的溝通能力,包含了解需求目標(Focusing on the goal)、與隊友溝通需求目標(Communiation)、最後是向非技術人員解釋自己組內是如何運作的(Explaination),都是我在資料部門常見的工作內容。

VeryBuy 資料科學團隊的 Roadmap

資料團隊的工作方式/專案流程長什麼樣子?

專案流程或者是工作方式會因為組織文化不同而有不同的作法,其實只要能達到目標,我認為沒有什麼是最好的工作方法,只有最適合目前環境的工作方法,而這邊分享的主要會是目前 VeryBuy 資料團隊的專案流程跑的方式,我們也在成立的半年內調整了數次,並不排除未來也會有變化,一切都多虧團隊隊友的支持與努力,讓我可以這樣自由的調整專案運作模式:

1. 設定願景與目標(Setting vision & goals):在新的季度或年度開始之前,我們會重新審視或建立產品藍圖(Product roadmap),這時會將跟自己合作部門的 roadmap 放在一起看,確保即將開始的幾個案子有符合目標才會開始執行,首要是為了更好地理解專案目標,次要是避免有單打獨鬥、最後沒有場景實作的情況發生。

2. 執行專案(Project execution):在做好前期的目標確立後我們就會開始執行,執行前會需要先描述好產品規格(Specification, SPEC),產品規格主要內容會有目標(Objective)、可衡量之關鍵指標(Key metric)、驗證標準(Acceptance criteria),產品經理將專案可能的範圍描述的越完整,你的隊友將會越感謝你(這是來自於隊內強大的隊友的原話 XD)。執行專案過程中遇到許多需要的優先級排序的問題,可參考 Intercom 發布的 RICE Prioritization,不過當然有根據組織情況進行微調。

3. 驗收與發行(Acceptance & Delivery):做了一連串的努力後準備要發行產品,在產品發行之前可能會做許多的相關準備,例如:數據的埋點與追蹤、A/B testing、Model test 等等,都是為了審視團隊做的事情可以看到成果,而這個成果的成功與否,都將成員團隊的學習經驗被記錄下來(Lesson report)。

以上是我們在執行中會進行的一些專案流程,其實在執行專案過程中還會有許多小細節會發生,就不在上面贅述XD,歡迎有興趣的朋友底下留言交流~

我們常見的資料產品有哪些?

在資料領域上可以應用的產品有許多種,這裡只列出目前 VeryBuy 有在做的,資料產業日新月異,我們也期待在未來能發展更多數字化應用,解決更多有價值的商業問題:

VeryBuy 商品版位由資料團隊的演算法提供支持(Source

1. 演算法產品:會因為目標的不同有不同演算法的設計,電商公司缺一不可的就是推薦客人喜歡商品給他逛(這邊稱之為售前服務),我們也設計了好幾套針對不同目標的「商品推薦演算法」;另一個衍生的目標可能是因為客戶下單後產生的(這邊稱之為售後服務)缺貨、發貨速度問題,為了優化這些問題,我們也會透過計算這些資料作出能優化售後服務的「賣家貨態演算法」。

針對商品的特徵辨識模型,應用於產品功能上

2. 商品特徵模型:訓練這個特徵模型大致上有兩個主要目標,一是為了更好地了解我們的商品,了解我們客人喜歡什麼特徵的商品;二是為了能給商品推薦演算法更多的資料,更好的推薦她可能會喜歡的東西給她,也能提供更多的商品篩選機制,讓他更快的找到自己想要的東西。

3. 商業數據產品:在 VeryBuy 每天都會產生百萬至千萬的數據紀錄,其中包含了商品的瀏覽、點擊、加車、購買等行為,為了更好的關注這些資料,我們也會對這些資料做監控並形成可視化的數據圖表,讓很多的商業或是產品決策都是透過 Data driven。

感謝你們看完,最後做個小結

其實看完你可能會發現,大致上資料產品經理的能力框架不會脫離原本的 PM 能力框架,更多的是在於更技術面的理解以及如何應用在商業模式上。很多人會問說:「做資料聽起來都很技術,是不是需要很多技術能力?」,但我的角度是,通常你換了一個位置、你想理解一件事時,你會開始用盡任何方式的去得到那項知識,其他考量的是在於這件事你到底需不需要,適不適合現在的你擁有。而產品經理的價值在於考量那項技術如何為公司帶來價值,對技術的理解需要相對應的努力,你才能更好地權衡價值所在。

今天分享的內容可能沒有深入探討細節的部分,歡迎大家把想討論或知道的內容留言在下方,如果大家看完對 VeryBuy 有興趣,也歡迎大家來與我們聊聊你的經驗,我們竭誠歡迎你,但要小心被幹話轟炸XD

分享給大家我們近期舉辦的資料競賽幕後花絮

這個是我們辦的第一屆組內比賽,目標是透過過去訓練的洋裝特徵模型與用戶行為做媒合,產生可視化數據圖表後,試圖去找出一些 Business insights,隊友們真的都太強大了!

資料科學家精美的資訊圖表

針對顏色有關的 BI 矩陣

by 回家必吃丹丹漢堡的丹丹

所有文章
×

快要完成了!

我們剛剛發給你了一封電郵。 請點擊電郵中的鏈接確認你的訂閱。

好的