數(shù)據(jù)產品的制作早在人工智能初露鋒芒之前就已經(jīng)開始了。但是，數(shù)據(jù)產品管理崗的設立與完善則是相對新近的事。這是直接發(fā)揮數(shù)據(jù)既是關鍵產品、又具備比較優(yōu)勢的新職能。今天，數(shù)據(jù)的規(guī)模化使用有利于降低成本（如數(shù)據(jù)中心運行管理的優(yōu)化）、提高收入（如電子商務領域的交叉銷售與追加銷售）、推動技術進步（如自動汽車的深度學習功能）。

在人工智能的熱潮中，動物分類算法與Go-playing智能體代表了數(shù)據(jù)產品管理的兩大基石。但算法只是整個數(shù)據(jù)產品生態(tài)系統(tǒng)中的一部分。在大部分商業(yè)場景下，算法模型可能只占結果的極小部分。一家公司要想讓數(shù)據(jù)像水流一樣暢通無阻地流動，必須具備一個大型支持生態(tài)體系，并完成三大任務：

• 第一，  收集和存儲于原始事件與交易行為并為之服務。

• 
  

• 第二，  與相關團隊共同處理、開發(fā)和分享數(shù)據(jù)。

• 
  

• 第三，  制作并部署算法模型，并在生產過程中加以監(jiān)督。

這三項工作，最終都要有看得見、摸得著的商務成果。在數(shù)以萬計的方向里，企業(yè)應該先做什么，再做什么？

 Insight企業(yè)數(shù)據(jù)平臺已幫助上萬名員工成功轉型數(shù)據(jù)產業(yè)，找到各式各樣的崗位。在這個平臺上，業(yè)界對能為數(shù)據(jù)團隊掂量出輕重緩急、處理好協(xié)調問題的項目經(jīng)理的需求增加。這篇文章試圖描述理想的行業(yè)項目經(jīng)理的形象，并闡明其重要意義。

數(shù)據(jù)產品管理究竟有什么用？

如果是小型項目團隊，沒有正式的項目經(jīng)理，那么像機會評估、技術路線圖、股東管理這些常規(guī)性的產品責任基本上是技術經(jīng)理和個體工作者來做。放在大型團隊里，這種分工就有很多不足，最主要的是以下四點：

• 其一，產品工作占據(jù)所有個體工作者的時間

• 
  

• 其二，不是每個個體工作者都有能力或者有意愿從事規(guī)模性的產品工作。

• 
  

• 其三，企業(yè)單元和技術團隊之間的距離越拉越大。

• 
  

• 其四，個人技術團隊之間的距離越拉越大。

在這個拐點上，企業(yè)有兩條應對之道。一是把任務分解成若干個子項目，并確保個體工作者或小型技術團隊有能力全程跟進，不必涉及其他團隊，也就不用設立某種形式的總協(xié)調員。

第二條應對方案是建立一個正式的產品管理組織，專門負責維護數(shù)據(jù)源路線圖，并在各團隊與個體工作者之間協(xié)調任務的執(zhí)行情況。這種方案對于電子商務和按需服務這種功能高度交叉的產品來說尤為普遍。

第一種方案要想發(fā)揮出全部威力，必須得是某個體工作者能夠對產品進行調整，迅速取得客觀的運行反饋，并在最差的情況下以不作大改為前提完成回滾。這種方案或許適用于免費的社交網(wǎng)絡產品，但對于付費型、任務繁重的產品（如按需服務），基本上是毀滅性的。比來比去，大部分規(guī)模性的公司還是選擇了第二種方案，專門成立一個產品管理組織。

數(shù)據(jù)項目經(jīng)理的角色發(fā)展到了哪個階段？

在數(shù)據(jù)演進的初期，像軟件工程、軟件數(shù)據(jù)、軟件建模這種無關的數(shù)據(jù)技能，都是同屬于數(shù)據(jù)科學的門類。現(xiàn)在，它們均已快速發(fā)展成為獨立的崗位，比如數(shù)據(jù)工程師、數(shù)據(jù)科學家、研究人員、機器學習工程師等等。

類似的潮流也正出現(xiàn)在產品管理業(yè)內部。在數(shù)據(jù)項目經(jīng)理這一寬泛的崗位類別之下，出現(xiàn)了若干個子崗位，例如基礎設施、分析、應用機器學習/人工智能、探索與標準化、平臺等。這些具體化的過程與技術項目崗曾經(jīng)的演變如出一轍。不同的是，對數(shù)據(jù)項目經(jīng)理崗來說，上述頭銜還沒有塵埃落定。其發(fā)生發(fā)展，不過是反映了數(shù)據(jù)產品工作相對獨特的分工現(xiàn)象。

雖然每個數(shù)據(jù)用例都要求不同形式的技術理解和域理解（下文將會涉及），但就一般情況而言，項目管理技能仍然是成功的主要原因。我要強調這一點，因為一個數(shù)據(jù)項目經(jīng)理每天的主要工作，還是處理優(yōu)先級、溝通、股東管理、設計以及規(guī)范。

基礎設施

規(guī)模條件下，個體項目團隊的用例和數(shù)據(jù)需求各不相同。但為了盡快啟動，這些團隊往往傾向于打造獨立的數(shù)據(jù)基礎設施。這種傾向會造成重復勞動、數(shù)據(jù)孤島，最終各個團隊都會遭遇同樣的數(shù)據(jù)規(guī)模性問題。

對基礎設施項目經(jīng)理來說，最終交付的產品應該是一個通用的數(shù)據(jù)基礎設施，它可以永久地收集、存儲、處理相關數(shù)據(jù)，從而降低用例。有了這個產品，團隊就能將重點放在原始數(shù)據(jù)的使用上，而不是收集和存儲。

基礎設施項目經(jīng)理的關鍵績效指標是數(shù)據(jù)可用性、規(guī)模性與可靠性。基礎設施項目經(jīng)理應該精通數(shù)據(jù)工程技術，例如數(shù)據(jù)接入、批量實時處理、文件系統(tǒng)與發(fā)送。

分析

當代職場，決策者越來越依靠數(shù)據(jù)。從戰(zhàn)略到產品和運營，從線下到實時，大量決策都是建立在分析的基礎上。如果說，基礎設施項目經(jīng)理的職責是確保查詢任務能夠在海量數(shù)據(jù)背景下有效運行，那么項目分析經(jīng)理則專注于將這些原始數(shù)據(jù)轉化成可操作的見解，提供給經(jīng)理、項目經(jīng)理、運營團隊等決策方。除此之外，項目分析經(jīng)理還積極投身于關鍵績效指標的認定工作與數(shù)據(jù)的探索工作，為商務決策建言。

在產品建造的語境下，一名項目分析經(jīng)理的職責是創(chuàng)建一個自助分析、定制儀表盤和報告工具的混合體，促進觀點在全公司層面的提煉與分享。項目分析經(jīng)理涉及到多元化的相關方，既有睿智的數(shù)據(jù)科學家，也有經(jīng)理這種“只讀型”的消費者。

項目分析經(jīng)理的關鍵績效指標，主要是由查詢任務的運行數(shù)量，發(fā)送的報告數(shù)量等證明該項目便捷性的因素。正是由于這種便捷性，數(shù)據(jù)用戶才能從原始數(shù)據(jù)中提煉出需要的觀點。

應用機器學習/人工智能

某些產品和功能本身會自然而然地從機器學習/人工智能中尋找解決方案，例如搜索、推薦、詐騙檢測等。應用機器學習項目經(jīng)理專注于把數(shù)據(jù)用在既有產品上——例如分析聊天記錄，使客戶服務路由實現(xiàn)自動操作，以及用高級人工智能設計出一種全新體驗——例如照片分享軟件的篩選器。說到底，他們的工作就是為了直接改進面向客戶的功能的關鍵指標。

致力于上述功能的項目經(jīng)理雖然并不總是冠以數(shù)據(jù)項目經(jīng)理的名號，但他們一般都對數(shù)據(jù)科學的工作流及其機器學習模型有著深刻理解。他們天生就知道如何利用機器學習的力量，并且比起嚴守規(guī)則的職員，他們更懂得如何在極限邊緣設計產品，提供優(yōu)質的用戶體驗。

平臺

公司規(guī)模越大，對標準化框架的需要也就越現(xiàn)實，特別是在實驗和機器學習方面。這兩個工作流程的用例往往與產品自身的本質緊密結合在一起。正是基于這個原因，開源方案才會這么難以滿足眾人的需求。

考慮到這個背景，大公司的個體數(shù)據(jù)團隊會先著手建設專屬的一次性系統(tǒng)，從而導致重復勞動和拖沓的生產周期。因此，谷歌、臉書、Uber之流已經(jīng)正式把目光轉向平臺——以通用的框架來減少花在加工、調用、監(jiān)視等普通任務上的精力。

之所以建立這些平臺，目的之一就是為了取消管理數(shù)據(jù)、調用和監(jiān)視結果的必要性，讓數(shù)據(jù)團隊能夠把重心放在模型和實驗上。還有一個目的，就是因為有了這些平臺，所有用戶都可以獲取通用數(shù)據(jù)和特征，從而增強了可重用性。

平臺項目經(jīng)理的工作首先是證明平臺如何發(fā)揮用途，然后是讓早期使用者愿意付出嘗試。一旦平臺到達拐點，項目經(jīng)理的角色就轉變?yōu)檎页雠e有高回報率的公分母，并將其嵌入平臺。平臺項目經(jīng)理的關鍵績效指標包括：平臺上運行的模型、實驗、投入市場所需的平均時間等。

標準化與探索

這也是規(guī)模團隊的一個問題。公司越大，個體團隊和人員所創(chuàng)造的數(shù)據(jù)量也會出現(xiàn)指數(shù)級的增長。數(shù)據(jù)的迅速輸出造成一個問題：遍尋公司上下，沒有一個中央場所可以查看到全部數(shù)據(jù)。

如果缺少一個記載、整合、顯示海量數(shù)據(jù)的結構，那么組織對于數(shù)據(jù)源的掌握情況就受制于數(shù)據(jù)擁有者。結果，數(shù)據(jù)真正意味著什么，從何而來，有多可信，這些問題全都變得不確定。不僅如此，如果最熟悉那塊數(shù)據(jù)的員工離職，關于這些數(shù)據(jù)源的知識也將一同消失。第三個常見的問題是，使用了相同數(shù)據(jù)的團隊對于本質上一樣的指標往往會給出不同定義。例如，最后七天在這個組可能叫做“整整最后七天”。到了另一個組，就可能叫做“最后168個小時”。

數(shù)據(jù)標準化與探索項目經(jīng)理的職責是確保整個公司意識到數(shù)據(jù)的存在，并且以一套固定的方式使用這些數(shù)據(jù)。這個崗位經(jīng)常生產數(shù)據(jù)目錄和數(shù)據(jù)通道，為數(shù)據(jù)、儀表盤和指標的探索與定義提供便利條件，同時也負責識別和聯(lián)系數(shù)據(jù)所有者，以便建立進一步對話。

數(shù)據(jù)通道的一個高級版本是降低計算指標的獲取難度，并將其融合到建模、分析等各個用例中。

結語

數(shù)據(jù)產品管理依然在發(fā)展之中，本文也無意窮盡業(yè)界數(shù)據(jù)產品崗位的所有內容。數(shù)據(jù)項目經(jīng)理可以是上述職責的混合體。至于是哪些職責，取決于公司發(fā)展階段和組織結構。分析可以是基礎設施的一部分，標準化與探索也可以是平臺的一部分。而應用機器學習項目經(jīng)理也可能負責整合資源，以構筑基礎設施和調配環(huán)境，為模型的生產提供必要條件。

說到底，這些崗位都要創(chuàng)造一場有價值的、以數(shù)據(jù)為基礎的用戶體驗，也要掃除所有障礙，確保團隊能夠提供這份價值。文章來源：微信公眾號pinjue_ali