京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在面向产品新人的各类分享中,大咖们都在反复强调“思想/思维”对于产品经理职业发展的重要性。然而,对于大多数产品萌新而言,在听完种种方法论之后,可能会遇到这样的困惑——
仿佛随处都能感受到思维的影响,却无法清晰的看见思维和日常工作的关联。
在这篇文章中,我将尝试拆解产品经理日常工作中的“内化→ 外化”流程,构建一个将工作、技能、思维三个层次打通的产品经理能力模型。希望这篇文章能帮助产品新人梳理自己的职业能力谱,对未来的职业发展有更清晰的规划。
首先,我想以自己为例,从每天面对的具体工作谈起。
作为在线教育行业的普通产品人,在日常工作中,我一方面需要输出某个具体功能/模块的原型、PRD,另一方面需要作为“中间人”的角色,与设计、研发、教研、运营等部门的人员进行对接,协调各方的问题、需求和进展,推动方案落地。
为了完成这些任务,我需要收集足够的信息,用来帮助我思考,作出判断,输出方案。这些信息可能是教室里观察到的场景,用户的反馈,运营或产品埋点统计的数据,行业新闻动态,业内人士分享的观点,与同事或领导探讨的思路等等。
把我每天的具体工作进行分类和抽象,可以简化为这样一个模型。
这个模型也许是大多数产品新人所感知到的工作流程。然而,最关键的问题并没有解决:
“分析思考”到底是怎么进行的呢?各类教程中所说的“产品经理需要具备的xx种能力”,究竟是如何作用于“输入->输出”的转化流程呢?
让我们先跳出“产品经理”这个角色,回到熟悉的日常生活场景——给同事们集体订外卖,拆解一下这个过程中,我们经历了怎样的分析思考流程。
1. 看一看外卖app有哪些分类,如“面食粥点”、“水饺馄饨”、“麻辣香锅”等等,看看平均消费和优惠,问问大家的预算和偏好,听听朋友推荐哪家店。——【感知】外界的信息2. 大家有哪些忌口,大多数人喜欢吃什么,预算是什么范围,各个分类的外卖平均价格大概是多少,自己的朋友为什么推荐那家店。——【分析】获取的信息3. 好的外卖应当具备哪些特点(等待时间短、食物好吃、健康营养、价格实惠),朋友推荐的那家真的适合吗。——对点外卖这件事本质的【认知】4. 应该按什么逻辑挑选外卖(首先不要超出预算,其次必须要避开各人的忌口,第三要好吃,第四考虑健康营养,在等待时间上可以适度妥协,最后尽可能获得更大的优惠)。——如何点外卖的决策【模型】5. 平均价格不超过20元;有三份外卖不能是辣的,两份不能含有葱和香菜;南方人多,可以考虑口味清淡一点;优先找好评率高的,尽量不找汉堡和麻辣烫,要荤素搭配……——【设计】具体的点外卖规则6. 具体买xx份a套餐、x份b套餐、x份c套餐。——落地【方案】
如下图所示,我们订外卖的思考决策流程可以这样抽象概括:
再深一步,我们可以从纵向和横向两个角度,对这六个流程进行抽象分类。
先说纵向:
“感知”和“方案”都是直接与外部世界交互的过程,这里把它归类为“表现”。“分析”和“设计”需要用到知识和工具,这里把它归类为“技能”。“认知”和”模型“都是主观思考的过程,这里把它归类为”思想“。
再说横向:
感知 → 分析 → 认知,这是一个由外界到思想的过程,属于”内化“。模型 → 设计 → 方案,则是由思想到外界的过程,是“外化”。
当然,这样纵横的展示可能不够直观,我们可以将它转换成环形图。
构建了抽象的“分析思考”流程之后,我们把思路重新带回“产品经理”这个角色。
产品经理的工作任务,本质就是由“表现层”感知外界(收集需求、探讨观点、观察场景、搜集数据、了解竞品等),最终再由“表现层”反馈方案(产品原型、PRD、需求优先级、沟通协调等)。产品经理的专业水平,本质就是“技能层”的转化能力,例如数据分析、用户画像、业务/功能的流程梳理、交互体验的设计思路等等。产品经理的思维层次,本质就是“思想层”的认知模型,例如大家常说的三观、理念和方法论。
我们可以将上述关于产品经理的方方面面,分类整理到图中。
*这一步所展示的内容也许并不完整,我自己也有很多技能尚待加强,所以此处就不做过多的延伸了,后续的工作中我还会不断的反思、梳理,并逐步分享在这里。
最后,我针对从输入到输出的每个步骤,总结了一些我们将会面对的问题(如下图左侧所示),这里的每一个问题都值得结合具体工作进行深入思考。
*限于个人能力经验,分享内容可能存在偏颇和疏漏之处,望批评斧正。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22