数据分析师转数据产品，面试问什么？

编辑导语：数据分析师转行数据产品的比例还是比较高的，由于专业知识的优势，所以转行融合的较快；本文作者分享了关于数据分析师转数据产品时，面试需要注意的一些问题，我们一起来看一下。

找我沟通过的，想转行做数据产品经理的同学中， 数据分析师是占比很高的一个群体，数量上仅次于C端产品经理 。

相比其他职位，数据分析师在基础知识和能力方面比较有优势，与数据产品经理的工作内容重合度很高，所以还是比较容易转到数据产品经理领域的。

不过呢，毕竟数据分析师与数据产品经理的工作性质还是有点区别的，所以也才有了这次沟通的内容。

来沟通的同学，简单说一下他的工作背景：目前在已在初创型公司工作，公司的主营业务是一个SaaS平台，而这位同学做的是数据分析工作，之前还做过数据运营和部分增长运营工作；他想咨询的问题，主要是目前想转数据产品经理，但是之前没有相关经验，所以想咨询一下有什么学习建议。

一、从“数据分析师”到“数据产品经理”

从数据分析师转数据产品经理，我觉得有三个方面需要重点关注：

01

当然是产品经理的工作流程。每个职业都有自己的工作方法论和基本流程，产品经理当然也有自己的独到之处。

经过这么多年的发展，产品经理在用户管理、需求管理、设计管理、项目管理等方面，形成了一套比较完整的工作体系；这对于数据分析师来说是最欠缺的部分，毕竟数据产品经理也是产品经理。

其中几个比较重要的点，包括：

产品需求文档的编写（Product Requirement Document，PRD）；

工具软件和产品交互原型设计，比如画原型用的Axure（跨平台，包括Windows和macOS）和Sketch（仅包括macOS）；

研发项目管理，比如需求评审，项目排期，各阶段测试，线上验收等；

产品上线后的产品运营，比如收集用户反馈，竞品调研，产品版本迭代等；

02

是产品经理与分析师的工作目标的差异。数据产品经理虽然设计的是分析工具、提供的是分析服务，但是更关注寻找数据分析方法的共性，再把共性做成功能。

举个例子，对于数据分析师来说，更关注如何完成一份数据分析。其中涉及到对于业务逻辑的理解、数据处理能力、分析总结能力等多方面能力；对于经验丰富的数据分析师，会逐渐形成自己的 SOP （Standard Operating Process，标准作业流程）；通过SOP来规范团队的数据分析过程，并实现控制数据分析成果的质量。

而对于数据产品经理，这方面的要求会稍微高一些；比如用户分析、行为分析、留存分析、转化分析 ，数据产品经理不仅要知道这些分析过程具体是怎么做的，还要具备总结和提炼的能力，找到这些分析方法中的共性和个性。

其中，共性的部分会变成技术上的一个通用服务 ，而个性化的部分就要根据具体要求分别定制了；最终，再把通用和定制的部分组合起来，就变成了分析工具。

这个过程说起来简单，但是也有一些典型错误，包括：

1）抽象不足

抽象不足导致的结果，就是我们设计的数据产品不是覆盖一类分析场景，而是只能覆盖一个分析场景。

当分析需求变化时，我们又要去设计新的功能模块来满足需求；因此，当这个问题发生时，最明显的表现就是整个研发团队的工作完全没有节奏，完全是“问题驱动”的到处救火而已。

例如：在用户分析、行为分析等典型分析场景中，都有圈选人群的需要；如果不将这部分抽出来做成通用服务，那么每个模块都需要单独设计人群的计算，存储等功能；不仅浪费研发资源，也会让系统维护工作量翻倍。

2）抽象过度

研发出来的数据产品运营根本不会用，往往是对分析过程的过度抽象导致的；过度抽象之后，分析产品让实际用户感到有距离感，无法与自己的业务场景和分析思路对应起来。

例如：在圈选人群的功能中，如果我们没有使用“用户标签”、“用户属性”这样容易理解的业务概念，而是使用了“数据表”、“数据字段”这些技术词汇，对于运营和业务同学就很难用的明白了。

3）发展不均衡