本文先写失控的产品经理，再写多背景的产品经理现状，最后以一个实战案例总结建议在数据中寻找数据产品的力量。
一、失控的产品经理
不细分在职场中难以应聘到适合的产品经理岗位，本文先不谈数据产品岗、AI产品岗，也不谈芯片产品岗等等具体产品经理岗位。只按照大厂产品经理和小厂产品经理来划分。
1.按大小厂分
大厂小厂的划分就类似我们曾经就读的高校，那些耳熟能详的高校就是大厂，其他的就是小厂。
大厂因其声誉能够轻松的吸引到各个领域的明星人才，有的是创业者，有的是在自己的领域已经名震海外。另外大厂因为多数已经成功IPO过，储备了雄厚的资金，也能开得起较高的薪水。
以上两个原因还不至于让产品经理失控，让产品经理失控的核心在于大厂无限的数据资源，例如大厂特别是国内市值前几名的大厂，这里的产品经理才有机会接触大数据盘面和大数据应用。比如下图中的6家大厂：
这6家科技网络公司，他们有最早提出数据中台的，有较早从事人工智能的，有起步就越过Spark Streaming而直接采用Flink框架做真流式计算的。
技术、算法、人才都还是表象，最最让产品经理失控的是对数据的分析挖掘和为追求用户增长对用户数据的过度钻取。
例如，我们之前遇到的某某平台查询两次同一家酒店，同一条航线在时间差距不大的情况下价格差异更大，我们用户怀疑“大数据将杀熟”。
例如，我们之前看过多条新闻，用户A在B平台看了关于一家能治疗某种疾病的医院的信息，然后用户A去这家医院就医了。结果A失去了生命。对于B平台来说，它从法律上并没有做错什么且法律上并没有针对竞价排名广告的条款。
大厂的数据产品接近于失控的状态。
2.大厂在重新定义产品经理
腾讯今年修改了自己的产品经理叫法，只有12级以上的产品岗才能叫产品经理。否则叫产品策划/产品运营。
腾讯的12级根据腾讯公司最新职级定义如下图：
在腾讯公司的产品经理几乎是腾讯公司的中层以上人员才能叫产品经理，这意味着腾讯公司原来由几千名产品经理，现在变成只剩下几百名产品经理。
在小厂不一样，小厂里别说产品经理了，就连产品总监都随意叫，小厂失控在把人人都是产品经理曾经的口号当成了规章制度。
总之，大厂产品经理失控在数据的利用，小厂产品经理失控在没有核心力量除了Title。
二、选择一门手艺
北上广深的房价高企，想在大城市买房置业，一名普通的大学生得有多少钱才可以？产品经理提供了一个相对比较高薪的岗位，但是产品经理如果不在大厂做螺丝钉，就是在小厂做管家婆，大厂做螺丝钉靠的是产品经理在对一个行业的业务理解能力，需求洞察提炼能力。在小厂靠什么，多数小厂看重产品经理在大厂的光环背景经验。
那么都没有的人要靠什么，建议学一门技能傍身的手艺，就算没法升职加薪则是妥妥的。试问一个公司是想要经验老道的IT产品经理人员还是小白学生呢? 当然是希望入职就能产生工作结果的人。
可供产品经理选择的手艺有很多。
例如：
UI，笔者认识一个UI是笔者很多年前从传统平面设计领域挖掘出来的，他现在转行做产品经理已经实现上海买房买车（保时捷）；学UI手艺需要具备的特点是，学设计出身，或者自学设计同时对设计有感觉。另外要熟悉PS、AI等等工具。
UI型产品有个大特点是重视审美，产品交互体验棒，适合做C端或者社交类产品。
Programmer,程序员进可以做CTO/CPO(首席产品官)，退可以当程序员，做产品经理权当是对自己的思维一种磨练。
程序员型产品经理有个大优点是提的需求都是靠谱的可以实现的，能够让用户见得到用得着的。适合做B端或者数据分析型产品。
还有很多其他技能例如项目管理技能，业务拓展技能，会计类的成本营收核算技能等等技能。
然后总结自己的特征结合市场的需要学一门手艺吧。
笔者推荐的手艺是数据产品技能，AI产品技能和芯片PM技能。
三、在数据中找到真正的力量
有个在鹅厂负责游戏的产品朋友。他在面试的时候经常会问面试者一个人对产品的数据分析思路。问题比较写实，如下：
他的一款游戏App 9月10日-9月12几天的整体充值收入提升非常明显（大于50%），但是，在整体充值中，占80%以上的功能充值的收入下降明显（大于50%）。这期间可能发生了什么？
然后要求求职者如下:
- 如何解读本组数据，求职者写出对该问题的分析步骤；
- 根据上述分析，请求职者提出对该问题的几种猜测；
- 如果猜测都是需要解决的问题，请求职者提出适合的解决方案，并设计可行性的产品路线。
笔者问上图中这位朋友，：“你这么出题的目的是什么？能够考察求职者哪些内涵？”
他回答我说：“主要考察求职者在遇到产品营收下降问题压力下能够有压力下分析问题的思路和不抱怨不埋怨提出自己的可执行解决方案的能力”。
俗话说的就是下图：
笔者说：那么总结起来就是考察数据产品的分析思路了？
他说：对！
笔者跟他共同总结了数据产品问题解决过程，现在画出来以飨读者，如下图：
先明确问题：
1.明确这个产品数据来源和准确性
从时间、地点、数据来源这3个维度来展开确定数据的来源和准确性。
时间：9.10-9.12的时间范围内出现问题；
地点：全国地区；
数据来源：与相关人员沟通后，数据准确无问题；
再进行业务指标拆解：
充值收入=付费人数*平均单价
因为问题中还提到收入上升、下降的问题，所以，产品经理要清楚这是在和谁比。本面试案例是与之前的收入相比较得出的结论。
观察数据发现，整体数据与部分数据呈现出完全相反的结论，也就是题目中所说的，整体充值收入提升了，但是占80%以上的功能充值的收入下降了。
整体充值收入提升但是功能收入下降，这是在同一个条件下的两组数据，分别看一升一降，但是合并考虑，却完全相反。
数据产品中有很多模型，有需要理论，其中有个理论是辛普森悖论（Simpson’s Paradox）亦有人译为辛普森诡论，为英国统计学家E.H. 辛普森（E.H.Simpson）于1951年提出的悖论，即在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。
这里主要考察数据产品是否只看数据整体而无法注意到数据内部各个部分构成要素的差异，忽略差异，导致无法观察到差异的影响。
所以数据产品要做的就是针对数据进行拆解，例如整体游戏充值=80%以上原核心功能充值+20%以下其他功能充值。
根据以上公式可见，至此我们找到了明确的问题，问题就是为何原来的核心功能充值降低了呢？
接下来是再分析问题的原因。
数据产品分析原因首先运用的方法是对指标进行拆解，例如本游戏充值案例，要拆解的指标就是何为“充值收入？”
根据面试官出的题目，不难得知充值收入=付费人数*平均单价。因此，充值收入可以拆分为付费人数”和“平均单价”。
培养习惯了数据产品技能以后，会习惯性思维问，“付费人数”中是新用户付费还是老用户付费呢？这样就把问题进行进一步拆解为探寻：付费新用户数和付费老用户数。（其中，“付费新用户数 ”是首次在该APP充值的用户数，“付费老用户数”是之前在该APP充值过，再次进行充值的用户人数。）
付费新用户数按渠道维度，又可继续拆解为渠道A的付费人数、渠道B的付费人数、渠道C的付费人数。
我们将“付费老用户数”继续拆解为“再次充值”的老用户和“不再充值”的老用户。我们可以使用复购率来进行衡量，付费老用户数=付费人数 * 复购率。
至此我们分析这款游戏充值数据貌似矛盾的原因树状分类图如下图：
接下来验证问题出现在哪里。
假设一：平均单价下降导致80%原功能充值下降？
假设二：付费新用户数下降，进一步可以拆解为老用户付费数下降和新用户付费数下降？进一步假设付费新用户数下降，可以拆解为渠道A/B/C付费人数下降？
假设：付费老用户数下降，老用户付费下降，可以等于是复购率问题。复购率低？那么数据产品可以推导产品流程，产品体验，产品单价等等问题。
一般老用户是看产品介绍，支付，然后使用原功能，那么产品问题可以拆解成如下假设。
假设三，功能介绍不清晰，文案乏力；
假设四，支付接口不稳定，跳转第三方支付系统常常失败；
假设五，使用原功能体验不爽。
再接下来我们就是运用数据验证上述假设。
怎么运用数据呢？常见的是，数据上钻，下钻，同比，环比和对数据进行探取等等方法。那么我们用上钻+跟之前对比+用户访谈的方法来发现原核心功能80%下降的问题。
以上证据都存在，那么平均单价下降，9.10-9.12有降价营销事件，平均单价确实下降，结论假设一都成立。
假设二各个渠道付费数减少，通过DAU新付费用户数发现渠道新增付费用户减少，结论假设二成立。
假设三文案不吸引人，对比功能说明文案变化的数据，发现点击的人数不高，结论假设三成立。
假设四支付通道容易崩溃，测试发现一个可以复现的支付接口问题，结论假设四成立。
假设五评论区文本数据挖掘生成词云数据发现原功能用户评价负面倾向。结论假设五成立。
最后发现问题总结原因后提出数据产品建议如下图所示：
以上案例是笔者LineLian跟鹅厂游戏产品总监聊天共同讨论的，最后得出现在的产品经理必须学会一门手艺，这么手艺笔者推荐在数据中寻找。因为数据中有真正的力量。
