產品與數據哪個重要

『壹』 產品和物料主數據的區別

產品和物料主數據的區別在於產品數據是產品生命周期內生產的所有數據，物料主數據是指實物在SAP系統中的對象信息。產品數據是產品生命周期內生產的所有數據，通常指產品從概念和定義開始，直到交付到客戶手中獲得客戶滿意，涉及產品的需求、架構，產品的子系統與模塊，產品的實現、驗證、營銷、上市，產品的銷售、製造、供應、交付與驗收等，在整個價值創造和價值傳遞過程中，涉及產品的各種數據，統稱為產品數據。，通常指產品從概念和定義開始，直到交付到客戶手中獲得客戶滿意，涉及產品的需求、架構，產品的子系統與模塊，產品的實現、驗證、營銷、上市，產品的銷售、製造、供應、交付與驗收等，在整個價值創造和價值傳遞過程中，涉及產品的各種數據，統稱為產品數據。物料主數據是指實物在SAP系統中的對象信息，以編碼形式體現，編碼中包含著大部分的屬性信息。

『貳』 產品經理要掌握那些數據知識

在我看來，作為產品經理，必須要知道的是數據和產品之間的關系問題，這也是我認為產品經理需要知道的數據知識。

我的團隊里經常有技術人員和我抱怨說，某某產品經理又過來要數據了，今天已經是第三回了。

我問要什麼數據了？

他會告訴我說，某某群體用戶的數據，不同群體要的類似數據要了3回了……

我一聽就知道，這又是一個很讓人無奈的產品經理，沒有概念，不願意整理思路，又只把技術當技術使喚的人。

從這些方面出發，你才能構思，你到底需要了解哪些數據知識。

1、用戶的數據信息

2、收益的數據信息

3、用戶和收益之間的關系

4、產品發布前後的收益變化

5、產品發布前後的用戶變化

6、產品的穩定性情況

……

都是需要你去挖掘和理解的。

所以，簡單的將上面的話總結一下就是，產品經理必須知道：數據是什麼？來源是什麼？指標是什麼？上級想要什麼？如何展示出來。

『叄』 促進互聯網發展的因素中，產品和技術哪個更重要

產品是技術的表現，技術是產品的核心，兩者相輔相成。因為產品與用戶更為貼近，所以為用戶所感知的是產品，從這個角度來說產品更重要。但產品需要依靠技術來實現，產品的可用性取決於技術的可靠性，對於企業的項目來說，技術將比產品更重要。往往，用戶對產品感知越簡單，技術實現將會越復雜，程序員將付出越多。兩者就像人的左右手，共同推進了互聯網的快速發展。也或許可以說中國的互聯網根本沒有發展，門戶電商社交移互統統照搬，門戶電商照搬還可以理解，但是社交也按部就班的復制就有點離譜了。facebook的圖片分享功能在國外是泡妞的利器，可放在人人上充其量也就是顯擺顯擺，有幾個敢看了照片就邀約上床的。網路習慣和思想觀念國內和國內有很大的區別，twitter拿到國內只能是橫向發展，甚至時間了還可能過度肥胖致死。很期待能解決國內用戶需求的互聯網產品出現。

『肆』 1、產品與數據的關系

筆者是從事互聯網產品工作的，平日的工作側重是數據驅動相關的增長，所以想寫一些自己的感想作為分享，大家可以交流一下。

《產品與數據》是一個系列，包含多篇文章，有興趣的同學可以逐篇閱讀，也可以選擇自己感興趣的選擇性閱讀。

近期隨著增長概念、數據驅動的興起，很多人開始更加重視產品數據。數據之於產品固然重要，但也不是全部。 數據只是產品好壞的體現方式之一，它本質上不是產品優化的目的。 你真正面對的，是一個個鮮活的用戶，是他們最真實的使用體驗，以及那些體驗最終能帶來的產品或業務的收益。那數據是什麼呢， 數據是一個個真實案例聚合之後的抽象畫體現 。

從數據延伸出了數據分析。數據分析是產品在工作中經常會用到的分析發方法，它的目的可以有很多，但究其本質，實際是一種從假設到驗證的過程。

那具體到工作內容層面，產品經理的數據分析工作大致可以劃分到以下三個場景：

a）功能、活動上線之後的效果好壞

b）線上數據升降的原因分析

c）線上優化方向探究與後續需求的挖掘

上面的三個場景，看上去只有a是和假設驗證有關，b和c都不是，但實際上操作起來，b和c拆分後都是一個個小的假設與驗證的過程。

舉個例子：線上新增下降需要分析原因。這時候你需要先提出幾個可能的原因，比如外部環境比如開學了，節假日結束，或者是雙十一導致外部渠道整體需求量變大導致單價變高了？等等。再根據不同渠道的實際數據表現，來一一排除。比如只有某一個渠道的新增下降明顯，其餘的都沒什麼太大變化，那麼就排除了之前的所有可能。

所以，數據分析具體的流程可以簡單拆解為：

1）提出假設

2）梳理驗證假設需要的各環節數據

3）提取數據

4）分析數據

5）驗證假設

這其中第3第4步涉及到工具的使用；第一第二步涉及到對業務的理解和流程的梳理。工具本身是一個熟能生巧的過程，那麼到後期，提出假設的准確性對於數據分析的效率而言就非常重要了。而假設的准確性需要的是什麼呢？是對業務的內在邏輯的理解。 所以數據分析能力到最後拼的是對業務的理解。

『伍』 功能性產品數據的重要性（和也）

首先，產品數據是產品研發過程中形成的所有描述產品的信息。比如原理圖、PCB 圖，物料和 BOM，生產技術文檔等，是產品的檔案庫；產品數據是連接研發和供應鏈的橋梁，實現產品大規模製造的基礎。產品數據管理出了問題，無法在研發和供應鏈之間建立有效的協同和連接，當然也無法實現產品的批量生產。

其次，產品數據是實現業務 IT 信息化的基礎。從下圖可以看出，產品數據如同物質中的原子，由原子組成各種「物質」，最終業務運營需要各種「物質」所承載的數據。毫不誇張地說，產品數據是企業業務運作的血液（如圖）。

最後，產品數據管理沒有做好，將影響企業多個環節。產品數據管理沒有做好，輕則業務運作不順暢、效率低，重則導致生產停線、發錯貨、企業庫存多，庫存資金佔用高甚至形成呆死料。

產品數據管理工作做好了，業務部門業務運作效率高，降低企業管理成本和資金佔用等；沒有做好的話，則會發現業務運作形成信息孤島、業務無法拉通、生產錯貨及庫存增多等問題，無法形成企業業務運作的「信息高速公路」。由此可見，產品數據對企業研發和運營是多麼的重要。

『陸』 女生做數據分析師和產品運營哪種工作有前途些

運營更有前途。

隨著互聯網的深入，尤其是移動互聯網進入下半場以來，市面上的產品可以說琳琅滿目，數不勝數，相似的競品不計其數，如何做出一個好的產品太難了。不是人人都有參與微信這樣量級產品的人，你做出一個小產品來，在市面上根本就激不起任何水花，也就意味著你無法更好的證明你是一個好的產品經理，你產品的價值。

其實，產品一旦面世，產品經理不僅僅會做產品，而且也需要懂運營的知識才行（在產品方面來講，產品和運營很難劃分界面，好的產品經理需要會運營，懂運營）。需要分析這些運營數據才行，產品就得找運營部門配合，所以，運營這一步真的非常重要。而運營人員更可以專注運營這個領域，為產品帶來生命和血液。

『柒』 淺談數據產品管理實踐

 近些年來，隨著增長黑客、精益化運營、大數據、AI等概念大熱，數據產品、數據產品經理曝光率也不斷攀升。公司也於2017年初開始推行數據化戰略，取得一些成果，上線了數據倉庫、數據雲平台、數據監控、自動化審批等數據產品。 但什麼是數據產品？數據產品如何解決公司業務問題？如何設計有價值的數據產品？數據產品經理需要具備什麼能力和特質？本文將圍繞數據產品設計開發管理，結合公司一年來做的數據產品，與大家一起探討分享，以期各位同事了解數據產品的價值和特點，未來更好的利用數據產品和提出更有意義的需求。

1 數據產品的定義
       簡單講，即以數據產品是能幫助用戶發揮數據價值去輔助用戶決策或行動，以數據為主要自動化產出的產品形態。強調自動化產出是區分類似數據研究咨詢公司的咨詢報告、手工報表。接下來數據產品又可以進行細化：
       通過用戶群體可以分為三類：
企業內部數據產品，如開篇講到我們公司的BI 、自動化審批、數據監控等；
商業型數據產品，如谷歌的Google Analytics；
用戶均可使用，如淘寶指數。

2 數據產品的意義
       當我們推出一個新的產品功能的時候，是否是符合用戶預期的，是否是受用戶歡迎，我們需要通過數據來說話。 在 Facebook 中，直接匯報給扎克伯克的增長團隊就有兩個數據團隊做數據的採集計算和展示。Facebook 所有數據的監控，以及根據效果持續優化工作都由他們負責。 Facebook對數據驅動的重視程度有一個例子很好說明，曾經一個 VP帶領的 30 人團隊花了一年時間改版主頁，在灰度上線三個月期間因數據表現不佳，直接回滾。 Facebook 通過可量化的數據對新功能進行客觀反饋，從而驅動下一步的產品決策。
       彼得.德魯克有句名言：if you can't measure it, you can't manage it.

3 數據產品如何設計
      關於這個問題我們可以拆解成五步來解答：
     -面向什麼用戶和場景
     -解決什麼問題或帶來什麼價值
     -分析思路是什麼
     -用到什麼樣的指標
     -怎麼組合展現這些指標

1）面向什麼用戶和場景
       產品設計先要明確面向的用戶和場景大家並不陌生，具體到數據產品用戶和場景的特點有：
       -不同用戶有不同的價值：特別是面向企業內部產品。從數據能產生的價值來看，高層的一個正確的決策可以節省下面無數的成本，不能單純從產品使用用戶數來衡量產品的價值；
       -不同層級用戶關心的數據顆粒度不同：產品設計時需時刻記住數據呈現的主次、不同顆粒度的分析以及最細粒度的入口。數據分析本質就是不斷細分和追查變化；
       -不同類型的用戶使用數據的場景不一樣，要圍繞這些場景做設計。比如我們分公司分總、團隊經理們，工作繁忙且甚少坐班，那麼移動化和自動化就很關鍵。在設計的時候，原則就是通過手機界面展現關鍵指標，分析結果簡要清晰，較少分析功能。而且在某些指標異動時能及時通過手機通知。而辦公室的數據分析師，則 PC 界面更多細化分析對比的功能。 即將上線的管理決策系統就充分考慮這些場景，業務線通過手機APP瀏覽查看並支持指標異動的通知；另一個業務數據監控產品，則將細致的分析呈現在PC界面上。只有充分了解自己的用戶和使用場景，保持長期有效的溝通，才能設計出更好用的產品。

2）解決什麼問題或帶來什麼價值
      即明確產品需要滿足用戶的什麼需求，有怎麼樣的迫切程度和價值。
      首先判斷用戶的本質需求，可用 Demand/Want/Need 方法分析。用戶說來杯可樂（Demand），如果他最需要的是解渴（Want），那麼一瓶礦泉水或者寶礦力會更適合他（Need）。
      其次判斷需求的價值，基於兩點：這個需求滿足的是否是核心用戶；是否是剛性需求。核心用戶衡量公式「人數 * 單用戶價值」，我們心裡要有「不要為了次要用戶的需求去干擾核心用戶的正常使用」的觀念，更不要因為有些數據產品只有公司幾個高管使用而覺得缺乏成就感；剛性需求的判斷，可以從需求有無替代方案、發生頻率（可以結合何時何地的場景來思考）、持續時間等因素綜合考慮。

3）分析思路是什麼
      明確問題後應該通過什麼樣的思路進行分析？需要明確以下原則：
      -數據產品經理要有數據分析能力，才能更好創造更大的數據價值；
      -數據產品設計理念，應從總覽到細分，多維度不斷對比；
      -數據產品的總覽頁面設計應提綱挈領、簡明扼要、主次分明，幫助用戶快速定位了解重要信息數據和重要異常問題，而不是浸泡在無序繁復的數據細節之中；
      -數據的細分應該提供足夠豐富的維度便於分析。每次細分必須帶著指標下去，所有分析的結果必須可以落實到動作執行，並與業務緊密相關；
      -數據本身沒有意義，數據的對比才有意義。數據產品的核心就是凸顯對比，這點是數據產品經理的差異化能力，同時要求甚高（如下圖業務數據監控產品）。既需要豐富的產品設計經驗，也需要深刻的業務理解能力和數據分析能力。

4）用到什麼樣的指標
      分析思路需要相應的數據支撐，需要確認數據准確完備，包括需要哪些數據指標、數據來源和欄位等。在確認的過程要注意以下兩點:
     -數據的完備性需要提前明確所有的數據是否已經准備完全。數據的採集，清洗和聚合工作是數據准備環節的核心內容。如果需要的數據沒有及時採集或沒有經過清洗，會讓整個工期增加極大的風險。
     -數據的准確性在很多時候臨到使用，才發現這個埋點的方式一直都是錯誤的，或者發現這個指標計算的方法沒有把某種因素排除掉。原因多是部門眾多口徑繁雜，缺乏統一數據定義和質量監控管理。 公司為了治理這個問題，專門由數據分析中心牽頭，產品與業務部分參與梳理。與此同時，為了更好的採集數據的完備和准確，我們在數據採集埋點的方案選擇上也積極求變，與優秀的第三方數據服務商神策數據合作。

5）怎麼組合展現這些指標
      關於數據產品用怎樣的產品形態組合展示指標，常見的數據產品形態有著重於數據呈現，比如郵件報表類、可視化報表類、預警預測類、決策分析類等；著重於演算法類的，比如用戶畫像、匹配規則等。
這里探討一下著重數據呈現的產品形態設計思路：
      -指標的設計，首先需要明確什麼類型的產品適用什麼樣的指標，如項目核心的訂單轉化率，放款金額，逾期率等。
逐層拆分，不重不漏。如將逾期分析拆成逾期率、逾期筆數、逾期金額，各節點也可以往下細分出逾期分布，不同的產品、不同的城市還會擁有不同的逾期表現，一層層往下分拆；
確保指標能明確表達含義，為上層的分析思路提供依據；
明確指標定義，統計口徑和維度；
      -指標的呈現，即數據可視化。它不僅是UI設計師的工作，對數據產品經理也提出很高要求。因為它涉及到別人怎麼去理解和使用你的產品。一方面需要持續閱讀相關專業的書籍，另一方面，需要觀察學習足夠多的優秀數據產品。具體到數據的可視化圖表設計上，一些經驗有趨勢用曲線圖，佔比趨勢用堆積圖，完成率用柱狀圖，完成率對比用條形圖，多個指標交叉作用散點圖。根據不同指標選擇其合適的形式。

4 數據產品對數據產品經理有怎樣的要求
       前面講關於數據產品設計，那麼如何確保按正確的符合企業需要的數據產品順利的設計開發上線呢？即數據產品經理需要具備哪些能力才能勝任，概括的講有以下四個方面的能力模型：
      -數據分析的能力：要懂分析，不然就會變成一個只出報表的傳話筒，要懂數據的產生邏輯，要能建立一個業務模塊的數據指標體系，不然，出來的東西會比較亂，可能遲遲上不了線；
      -數據展現的能力，即可視化的能力；
      -商業模型的理解能力：商業理論要了解，才能給抽象成報表和分析頁面，而不同的商業理論適用於不同的企業和企業不同的階段，除了保持商業理論的持續學習更新，還需要結合企業實際情況選擇執行；
      - 一般產品經理的能力如需求分析調研、邏輯溝通、快速學習等能力；
       除了對能力有專門的要求，數據產品設計開發過程中，數據指標梳理是一件非常繁瑣的事情，另外在進行數據分析，在一大堆數據里刨來刨去，很可能半天也沒有結果，這樣就需要數據產品經理的性格能沉下心，能耐得住寂寞和有些枯燥的工作，所以對數據產品經理比一般產品經理有一些不同的性格要求。比如一般產品經理要求會玩，性格外向活躍，而數據產品經理表現的就會偏沉穩和內斂。

      從數據產品經理的能力模型可以看出，既要懂數據，懂產品，又要懂商業，還有性格，要求相當高。公司2017年初啟動數據化戰略，由此可見，數據產品經理團隊的組建是一件有挑戰性的工作，在火熱的數據人才市場，於去年8月完成組建工作。全面的數據產品經理難求，但我們力求形成全面而富有戰鬥力的團隊，作出優秀的產品

『捌』 大數據時代 大和數據哪個更重要

大數據分析處理解決方案
方案闡述
每天，中國網民通過人和人的互動，人和平台的互動，平台與平台的互動，實時生產海量數據。這些數據匯聚在一起，就能夠獲取到網民當下的情緒、行為、關注點和興趣點、歸屬地、移動路徑、社會關系鏈等一系列有價值的信息。
數億網民實時留下的痕跡，可以真實反映當下的世界。微觀層面，我們可以看到個體們在想什麼，在干什麼，及時發現輿情的弱信號。宏觀層面，我們可以看到當下的中國正在發生什麼，將要發生什麼，以及為什麼？藉此可以觀察輿情的整體態勢，洞若觀火。
原本分散、孤立的信息通過分析、挖掘具有了關聯性，激發了智慧感知，感知用戶真實的態度和需求，輔助政府在智慧城市，企業在品牌傳播、產品口碑、營銷分析等方面的工作。
所謂未雨綢繆，防患於未然，最好的輿情應對處置莫過於讓輿情事件不發生。除了及時發現問題，大數據還可以幫我們預測未來。具體到輿情服務，輿情工作人員除了對輿情個案進行數據採集、數據分析之外，還可以通過大數據不斷增強關聯輿情信息的分析和預測，把服務的重點從單純的收集有效數據向對輿情的深入研判拓展，通過對同類型輿情事件歷史數據，及影響輿情演進變化的其他因素進行大數據分析，提煉出相關輿情的規律和特點。
大數據時代的輿情管理不再局限於危機解決，而是梳理出危機可能產生的各種條件和因素，以及從負面信息轉化成輿情事件的關鍵節點和衡量指標，增強我們對同類型輿情事件的認知和理解，幫助我們更加精準的預測未來。
用大數據引領創新管理。無論是政府的公共事務管理還是企業的管理決策都要用數據說話。政府部門在出台社會規范和政策時，採用大數據進行分析，可以避免個人意志帶來的主觀性、片面性和局限性，可以減少因缺少數據支撐而帶來的偏差，降低決策風險。通過大數據挖掘和分析技術，可以有針對性地解決社會治理難題；針對不同社會細分人群，提供精細化的服務和管理。政府和企業應建立資料庫資源的共享和開放利用機制，打破部門間的「信息孤島」，加強互動反饋。通過搭建關聯領域的資料庫、輿情基礎資料庫等，充分整合外部互聯網數據和用戶自身的業務數據，通過數據的融合，進行多維數據的關聯分析，進而完善決策流程，使數據驅動的社會決策與科學治理常態化，這是大數據時代輿情管理在服務上的延伸。
解決關鍵
如何能夠快速的找到所需信息，採集是大數據價值挖掘最重要的一環，其後的集成、分析、管理都構建於採集的基礎，多瑞科輿情數據分析站的採集子系統和分析子系統可以歸類熱點話題列表、發貼數量、評論數量、作者個數、敏感話題列表自動摘要、自動關鍵詞抽取、各類別趨勢圖表；在新聞類報表識別分析歸類： 標題、出處、發布時間、內容、點擊次數、評論人、評論內容、評論數量等；在論壇類報表識別分析歸類： 帖子的標題、發言人、發布時間、內容、回帖內容、回帖數量等。
解決方案
多瑞科輿情數據分析站系統擁有自建獨立的大數據中心，伺服器集中採集對新聞、論壇、微博等多種類型互聯網數據進行7*24小時不間斷實時採集，具備上千億數據量的數據索引、挖掘分析和存儲能力，支撐政府、企業、媒體、金融、公安等多行業用戶的輿情分析雲服務。因此多瑞科輿情數據分析站系統在這方面有著天然優勢，也是解決信息數量和信息（有價值的）獲取效率之間矛盾的唯一途徑，系統利用各種數據挖掘技術將產生人工無法替代的效果，為市場調研工作節省巨大的人力經費開支。
實施收益
多瑞科輿情數據分析站系統可通過對大數據實時監測、跟蹤研究對象在互聯網上產生的海量行為數據，進行挖掘分析，揭示出規律性的東西，提出研究結論和對策。

『玖』 產品設計專業和數據科學與大數據專業哪個好

這不能說哪個好哪個不好關鍵要看你的學習興趣愛好，如果你喜歡計算機，對此情有獨鍾則後兩個更適合你，如果你喜歡發明創造則學習產品設計更能發揮自己的優勢