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
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26