Extra Cookies

这几天晚上，又把王慧文的清华产品课文稿看了遍，每读必要收获，这里做些摘要。

前言

产品经理是一个需要终身学习的职业，如果固化自己的知识体系和发展方向，是不太可能有太高成就。产品经理的核心能力是关于方法论，如果能掌握正确的方法论，就具备了跨领域的通用性。

产品经理是一个需要终身学习的职业，想学一门专业的技术，一段时间后就只用好这门技术，或者专业能力只局限在一个领域，就不容易做好产品经理。产品经理是一个跨领域的专业，需要解决很多新的问题，如果固化自己的知识体系和发展方向，就不太可能在产品经理这个领域有太高的成就。

产品经理这个岗位是强专用性和强通用性同时存在的。专用性上，例如电商产品经理和游戏产品经理的专业差别很大，美团阿里腾讯都有产品经理，但他们的专用技能差别很大。 在一个领域很成功的产品经理换一个领域，他的工作方法可能就不灵了。通用性也是很强的，例如Neil做肥皂和做国防部长，这两件事差别很大，但如果产品经理能掌握其中最关键的通用能力，就能快速上手其他的行业。

产品经理的核心能力是关于方法论的，正确的思考方法、正确的沟通方法、正确的工作方法、正确的认知方法、正确的学习方法，如果能掌握正确的方法论，那就具有了跨领域的通用性。这也是Pichai(作为一个 冶金专业的人)和Google(作为一家搜索引擎为主的公司)能做好Chrome的意义，这说明他们的通用性能力很强。

产品经理是CEO的学前班，Pichai和Neil都不是专业出身最后成为CEO，但前提是你要有做创业产品经理的心态和思维。

战略

最近主力写作+笔记工具从 Ulysses 往 Craft 切换，整理文章，发现篇18年为团队产品升级写的“软文”，读起来觉得不过时，删减掉“软”的内容旧文重发。

大佬们在说，互联网下半场了。

各种文章也告诉我们，人口红利已经结束了，流量红利也褪去了，资本红利更是萎缩的不要不要的。

做产品的拉不到用户紧张不？做运营的留不住用户焦虑不？

很多人在谈数据驱动，仿佛抓住它，就可以解决业务过程出现的各种问题。

可以作为数据产品的baseline要求。

一、价值部分

• 优：产品的使用价值如何。衡量维度：
  • 访问：人数、频次、职级分布等。
  • 传播：收藏、分享等。
  • 内容建设：内容完善度。
  • 其他：用户反馈/调研，...
• 省：产品运行所消耗的成本。衡量维度：
  • 数据计算成本。
  • 数据存储成本。
  • 系统资源成本。
  • 其他：人力运维成本，...

二、质量部分

• 稳：产品是否能稳定提供服务。衡量维度：
  • 离线数据延迟和异常情况。
  • 实时数据延迟和异常情况。
  • 查询报错情况。
  • 其他稳定性问题。
• 准：产品提供的数据是否准确。衡量维度：
  • 数据走查/巡检错误数量。
  • 线上问题数量。
  • 用户主动反馈问题数量。
  • 其他数据准确性问题。
• 快：产品的响应是否足够快。衡量维度：
  • 最大/小响应时长，平均响应时长情况。
  • 慢请求次数及占比。
  • 其他查询响应问题。

从产品、商业策略和组织视角谈谈自己对数据 To B 商业化的一些心得。

产品视角

如何做一个好的数据产品？

1. 分清客户和用户。

   客户是产品的购买者，用户是产品的实际使用者。

   大部分情况下，客户和用户不是一群人，甚至在企业里往往层级相差很多，对产品有不同诉求很正常。面临不同诉求，要记住一条准则：产品的价值是帮助客户实现其业务价值。

2. 分层服务“阅览者”和“编辑者”。

   “阅览者”消费产品的内容，”编辑者“生产产品的内容，产品不仅要让消费者很舒服，也要帮助生产者提效降本。

3. 平衡好“功能强大”和“简单上手”的矛盾。

   能服务好超级用户是产品在竞争中获得优势的核心能力，但不能自high，将产品的上手难度和产品的能力挂钩。

   真正做到初级用户很容易上手，但随着使用的深入，不断发掘更多更深入的功能，才是产品的能力体现。

4. 兼顾产品的前台功能和运维治理能力建设。

   不光要做被用户看得到的功能，也要关注产品的运维保障、用户使用监控、资源成本治理等能力建设，做到产品全生命周期的管理和服务。

如何做好B端产品经理？

上周看的一篇文章了解到一个概念，Psychological Safety，大致可翻译成「心理安全」。

文章标题是 What Google Learned From Its Quest to Build the Perfect Team，发表在 The New York Times Magazine，具体内容这里可以找到，主要是 Google 内部一个研究高效团队有哪些共同点的项目（Project Aristotle）得出的结论。

针对如何打造一个好团队，研究者分析了很多数据，但无法找到某种统一的决定性模式。无论团队成员的性格类型、技能和背景如何，大家生活上是好朋友还是公私分明私下无交集，是强管理还是扁平结构弱管理等，都存在成功的团队。

文中的一个例子我印象非常深刻：

Imagine you have been invited to join one of two groups.

Team A is composed of people who are all exceptionally smart and successful. When you watch a video of this group working, you see professionals who wait until a topic arises in which they are expert, and then they speak at length, explaining what the group ought to do. When someone makes a side comment, the speaker stops, reminds everyone of the agenda and pushes the meeting back on track. This team is efficient. There is no idle chitchat or long debates. The meeting ends as scheduled and disbands so everyone can get back to their desks.

Team B is different. It’s evenly divided between successful executives and middle managers with few professional accomplishments. Teammates jump in and out of discussions. People interject and complete one another’s thoughts. When a team member abruptly changes the topic, the rest of the group follows him off the agenda. At the end of the meeting, the meeting doesn’t actually end: Everyone sits around to gossip and talk about their lives.

Which group would you rather join?

最近看书，有两本印象不错。

第一本是「情境领导者」，比较老的书，是一套帮助领导者提高领导行为有效性的模式：有效的领导风格需要和被领导者的准备度水平相匹配。

这方面知识很多管理类书都会提及，这本书给我带来的最大收获在于做了系统化拆解，可以说以前是基于内心认知来实践，通过这本书，变得更具象，更可被衡量。

首先是领导者风格的定义：1）领导者采用的工作行为的数量；2）领导者采用的关系行为的数量。

• 工作行为：是指领导者清楚的说明个人或组织的责任的程度。这种行为包括告诉人们做什么，如何做，什么时间做，在哪里做，以及由谁来做。
• 关系行为：是指当管理对象超过一个人的时候，领导者进行双向或者多向沟通的程度。这种行为包括倾听、鼓励、协助、提供工作说明以及给予社交方面的支持等。

最近看了一些关于 DataOps 的书和文章，对自己的理解做个总结。

DataOps 要解决什么问题？

两个价值点，第一是提高数据生产到价值产出全链路的效率，第二是用数据来持续优化整个数据链路的可用性和价值。

DataOps 是什么？

下面是 Gartner 对 DataOps 的定义。

书中关于定位的表述，相比著名的 Positioning: The Battle for Your Mind，更产品视角，不仅仅是讲述如何在营销战中抓住用户获取胜利，而是如何基于定位去打造产品、迭代产品。

看完 Obvious Awesome，我理解的重点有三部分，一是究竟什么是定位（Positioning），二是有效定位有哪些组成部分，三是如何通过10个步骤来确定定位。

什么是定位

引言中作者对定位是这么描述的：

Positioning is the act of deliberately defining how you are the best at something that a defined market cares a lot about.

一、从客户的角度来看，我们的客户都是谁？他们的核心痛点是什么？

我们的客户可能是分析师，业务人员，企业决策层，企业IT团队，甚至企业服务的客户，不同客户的痛点是不同的，进而对产品的期望也不同。这里会面临两个决策点：

1. 确定我们真正要服务的客户是哪些？让所有人满意是非常难的。
2. 对这些客户按角色、数据能力等进行分层，针对定义服务的方式。

举例：基于客户分层的产品服务方式

• 让他们可以快速获知自己关注指标的状态，帮助他们迅速获知面临哪些问题。
• 让他们能够在特定业务场景的分析框架下，灵活定义自己的看数视角，获得洞察。
• 让他们能够定义自己的分析框架，自助取数和分析。

这里的内容型数据产品指的是以提供内容为主要目标的数据产品，区别于以提供技术能力为主要目标的工具型数据产品，如 Tableau 及类似的可视化 BI 产品、Zeppelin 及类似的分析、协作产品等。

内容型数据产品的3个方向

未来内容型数据产品方向，我认为是如下三个：

1. 数据产品基于BI或低代码工具搭建而成；
2. 数据产品和业务产品合二为一；
3. 交互式、对话式分析成为数据产品的基本能力。¹

一、数据产品基于BI或低代码工具搭建而成