随着大数据技术以及运用场景的不断丰富，数据的价值遭到越来越多的企业的注重

随着大数据技术以及运用场景的不断丰富，数据的价值遭到越来越多的企业的注重，乃至数据驱动、数据赋能作为新的增长点。国家层面也把数据上升为重要的战略级财物，数据成为新基建的重要组成部分。随之而来的是数据产品司理，逐渐成为企业数字化转型、数据化运营进程的必备岗位。

过去的文章中，针对数据产品的才能模型，以及岗位的分类做过专门的科普，数据产品司理顾名思义，和其他C端、B端的产品司理最大的差异便是对数据原材料或许加工工具的处理，所以这里想针对需求把握的数据才能再做一个介绍，给想从事数据产品司理工作的新人，供给一些准备的方向主张。

一、数据收集与埋点

数据驱动的本质是数据驱动增长，过去更多的是关注订单量、营收等微观的业绩经营指标，数据化运营从微观到微观，开始关注用户从认知产品到终究完结一次事务流程的全进程行为洞察，而这个进程中，埋点是数据价值的起点，数据产品是以数据为原材料，做用户行为剖析或许可视化剖析类的数据产品，作为数据产品司理，需求把埋点数据规范化的管理起来，否则没有埋点收集数据，便是巧妇难为无米之炊，规划出来的产品计划再完美，交互再丝滑，却没有数据。

所以，必须把握如何推动事务产品与研制选择既合适又高效的埋点办法，而且建立一致的规范和流程，管控埋点数据质量。

1. 常见的埋点计划对比与选型主张

2. 清晰权责，建立高效的埋点协同工作流程

在灵敏的工作理论中，80%的问题都是流程问题，能够经过规范化的流程去躲避和解决，过去经历许多关于埋点的坑点，漏埋错埋权责不清。

尽管埋点的实施方是事务研制，数据的运用方是事务产品和运营，可是终究担任出数据的是数据产品与数据部门，尽管能够一句“事务没埋点，我也没办法”把锅甩出去，可是假如都没数据可用，何谈驱动赋能，那数据团队也能够解散了。

一言以蔽之，数据产品要扛起埋点规范拟定的责任，协同各方建立规范，终究能够把规范融入埋点管理系统，流程化、自动化。