avatarNana Chiang

总结

这篇文章是一份关于产品经理如何与数据分析师合作的攻略,旨在帮助产品经理更好地利用数据分析师的专业技能来提升产品决策和优化过程。

摘要

文章首先区分了数据分析师与数据科学家的不同角色,强调了数据分析师在数据解读、视觉化方面的专长。接着,列举了产品经理可以请求数据分析师帮助的五种需求类型:找出问题、量化问题、实验规划、定义追蹤事件和实验结果分析。文章还提到了其他数据应用场景,如预测、定价和OKR追蹤。此外,文章提供了向数据分析师提出需求时应注意的事项,包括解释需要数据的原因、提供假设以及给予足够的时间等。最后,文章强调了与数据分析师的合作方式,建议使用Trello等工具进行时程管理,并鼓励持续的沟通和反馈。

观点

  • 数据分析师与数据科学家的角色有所不同,数据分析师更专注于数据的分析解读和视觉化。
  • 产品经理与数据分析师的合作关键,可以帮助产品经理在产品规划、实验设计和结果分析等方面做出更客观的决策。
  • 明确提出需求的方式很重要,产品经理应该解释为什么需要数据,提供假设,并给予数据分析师足够的时间来进行深入分析。
  • 合作过程中的时程管理和沟通至关重要,建议使用Trello等工具来跟踪进度和需求。
  • 数据分析师的工作类似于工程师,需要时间进行思考、编写代码和调试,因此在提出需求时应考虑到这一点。
  • 数据的应用非常广泛,不仅可以用于直接的产品问题分析,还可以用于预测、定价和绩效追踪等多种场景。

【PM夥伴攻略】如何跟資料分析師合作?

之前有分享過一篇關於如何跟資料科學家合作的 PM 夥伴攻略,這次來分享如何與資料團隊中的另一個角色:資料分析師(Data Analyst / Product Analyst)一起合作。

這裡指的資料分析師是指使用收集好的數據資料做分析解讀、視覺化的人,與在負責設計與開發演算法或機器學習模型的資料科學家(Data Scientist)不同。

數據能夠幫助 PM、甚至產品設計師做出更好、更客觀的決定,(通常 PM 比較關注的會是商業指標、實驗結果;而設計師們會比較關注使用者行為數據、某按鈕或手勢的用量和頻率等等)所以不管在前期的規劃還是後期的分析,資料分析師都會是你的最佳夥伴!

Image Source

▍哪些事情可以請資料分析師幫忙呢?

在小一點的新創公司,PM 本身也常常也要負責資料分析師的部分職責,所以大家對職務內容應該不會太陌生。但也因為如此,當團隊開始有資料分析師之後,在切分工作時可以想一下哪些事情是可以請他們幫忙的,你會發現分析師的專業能夠幫助你很多。以下是我最常發的五種需求類型:

1. 找出問題

在季度年度規劃或產品規劃階段,找出問題是最重要的工作,PM 有許多決策點會需要數據資料的輔助,才能決定要從哪裡下手。一個簡單的例子就是做漏斗分析(Funnel Analysis),看哪一步的用戶轉換率掉了最多;或複雜一點的話也可以切分各種使用者區隔,去比較行為和成效的差異。這個階段如果可以和使用者研究相輔相成,會很有效率。

2. 量化問題(Problem Sizing)

找出從哪裡下手之後,PM 也要決定事情的優先級,這時候量化就是最好的幫手!量化的資料可以告訴我們「哪個問題最嚴重」,有了這份資料,你也更容易去跟你的主管和相關部門解釋你的決策原因了。

3. 實驗規劃

以 AB Testing 來說,PM 在訂出假設後也會訂出相對應的指標(Metrics),我會跟我的資料分析師討論指標是否合理、是否足夠,也會請他幫我算出實驗需要的 Sample Size 和時間長度,到時候就照著這個實驗設計下去跑。

在我目前的公司,我們每一個實驗都會做一個 Dashboard,讓我們可以第一時間就檢查實驗的正確性,這個建造 Dashboard 還有設計視覺化圖表(Visualization)的工作也是資料分析師在幫忙。

4. 定義追蹤事件(Event Tracking)

規劃完每個 Product Change 之後,資料分析師會協助我補上需要的追蹤,再請工程師幫忙埋事件。因為他們最清楚所有資料在哪裡、要怎麼送、要存到哪個 table。這部分其實我通常會讓資料分析師跟工程師直接合作,不太會插手,但如果他們不習慣跟彼此互動,PM 也要擔任翻譯蒟蒻的角色讓事情順利進行。

5. 實驗結果分析

其實在我一開始有分析師時,這件事情我還是自己做,只有在解讀瓶頸的時候,才多跟資料分析師要數據來佐證。後來發現這個方式對我們並不適用,因為這樣我的分析師夥伴沒辦法知道我解讀結果的脈絡和背後的假設,她很難給我建議,也沒什麼成就感和學習。

所以我們最後決定先由資料分析師寫下初步分析和建議,再由 PM 加入討論、提供假設做深入研究,一起完成最後的報告,最後再由 PM 對外溝通這份報告的成果,並決策是否將功能上線或者是其他進一步的規劃。

這邊的合作可以説是同舟共濟,我想應該有很多種方式可進行,大家可以跟自己的夥伴討論看看什麼分工方式較適合唷。

6. 其他數據應用

數據資料可以被應用的地方當然不只以上五項,像是拿來做 Forecasting 去計算預期報酬、計算定價、或者做週報月報季報來追蹤 OKR 成效等等,不勝枚舉!另一個我常應用的例子是,在招募使用者的時候,可以請資料分析師幫忙撈出符合訪談條件的用戶資料。

延伸閱讀:使用者訪談的成敗關鍵:如何找到適合的訪談對象?

▍提出需求給資料分析師時,該注意什麼呢?

1. 不只是要數據,解釋你需要這份數據的原因

很重要很重要很重要,說三次。如果資料分析師只是知道你的資料,那他能夠幫你的就是找你的需求抓出資料而已。但如果能順便告知原因,他們可以知道 1. 此筆數據是否真的有回答到你的問題 2. 是否有其他數據可以協助驗證 3. 提供適合的視覺化圖表幫助你解讀

這一步是把資料分析師從「接受需求的人」提升到「一起思考的夥伴」的重要一步,大推薦!

2. 提供假設讓分析師協助驗證

數據分析常扮演一個「回答問題」的角色,但也不要期望隨便丟個問題就可以得到解答。例如千萬別只是問:「為什麼這裡的轉換率下降了?」,找出原因是產品經理的職責,請多給幾個可能造成下降的假設,分析師可以協助你一一驗證。

3. 給他們足夠的時間,不要期待當天就能夠得到答案

我一開始還不清楚資料分析師工作節奏時,常常把時間壓得太緊。後來才發現,其實我們應該把分析師當作工程師,他們是需要時間思考、寫 Code 和 Debug 的。時程管理上我們是用 Trello ,個人覺得還蠻適合的,因為在數據分析上會有需要 follow-up 的問題,卡片會被往前往後反覆移動,至於時程怎麼抓其實也是要看問題的複雜度,只能多多討論,慢慢找到適合的節奏囉。

以上,祝大家跟你的資料夥伴合作愉快!

若想要了解更多資料團隊的合作方式,可以參考資料科學家合作篇:

謝謝你的閱讀!如果有任何疑問也歡迎留言給我 📒
如果單純想給我一點鼓勵,請給我 1–10 個拍手;
如果覺得文章對你有點幫助,請給我 11-20 個拍手;
如果想看更多合作與溝通的文章,請盡情長按拍手(50個拍好拍滿也沒問題)讓我知道 👏🏻
未來也會分享跟設計師們的合作方式,敬請期待!
想要持續追蹤我們的最新文章,請追蹤產品三眼怪實驗室 (◉◉◉)
資料分析師
Product Manager
Data Analyst
數據思維
職場合作
Recommended from ReadMedium