一、Data PM要具備的核心能力：結構化思維 在2022年12月27<開箱 第一線資料科學工作者 系列活動 18>，我分享的主題是<資料專案落地的關鍵？Data PM 角色定位 > ，分享了Data PM的分類及角色定位。在直播的最後面，我分享了要從事Data PM要怎麼學習的想法， 其中更根本則是“結構化思維”。(對分享內容有興趣的朋友，可以點擊<這裡觀看>，建議調高至1.5倍速) 。 結構化思維是一種將信息要素從無效轉化為有序，提煉核心要點，將信息轉化為有結構的知識，更好的幫助大腦理解和記憶，並支持我們清晰表達的通用能力

91APP是台灣有名的電商工具服務平台，也是台灣比較少數上市上櫃的軟體公司，很開心看到台灣有愈來愈多優秀的軟體乃至SaaS/雲服務公司。 最近在 【今周刊專訪】精準抓３波電商趨勢浪潮！91APP-KY 董事長何英圻揭密 一文中，看到91APP表示其還有百倍成長空間。 本文會先簡單介紹91APP的業務，並且從公開資料推測91APP產品定位與資源，最後會透過數據簡單測算推論成長空間 。另我不是專業的財務分析師或研究員，所以僅從一個在SaaS行業有幾年經驗的數據人來拆解91APP。 這篇文章會更適合有一些基礎背景，包含： ToB PM、SaaS/雲服務 電商零售相關、Omnichannel、OMO / D2C MarTech 文章架構： 1.概述：公司介紹、D2C與OMO的意義與機會 2.產品定位 3.資源 4.產品能力 5.總結：增長空間與產品營運 邀請你至Blog閱讀全文：還有近百倍的成長空間？拆解台灣第一家掛牌SaaS公司91APP產品.

在數據分析師職場發展的另類出路 文章時提到了兩個方向，一個是數據X諮詢、另一個是數據X產品，其中數據X產品就是所謂的『數據產品經理』。 大家認識我可能都是從數據分析的角色開始，但其實我做數據產品也有幾年的時間了，會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化，在經歷許多分析專案的過程中，我感覺到很多需求其實都是有共性的，因此標準化、自動化，會讓數據(至少在廣度)有更大的價值。 數據產品經理的能力，是數據為主要能力？還是產品為主要能力？ 雖然我比較早期就投入這職位，但其實我也很模糊了一段時間，私下問過不少同行他們的工作內容，也詢問過管理者他們心中的數據產品經理是什麼長相。 有人說是產品為主，例如電商產品經理、後台產品經理、行銷產品經理，這都是產品經理的細分領域，所以數據產品經理也是比照這一邏輯。 有人說以數據為主，因為產品經理實現的是”功能”，但數據基本不存在”功能”可言 那麼到底是…？

最近(2022–05) 看了開店平台Shopline分析模塊的能力(shoplytics)，回想過往分析經驗跟對比了前公司跟其他競品(有讚、店匠、生意參謀、小鵝通、GA、Shopify)，有一些想法。 這內容在5月就分享在LinkedIn過(但只有文字)，本文章在此基礎上，補充了商業模式的初淺想法，以及(不少的)產品截圖 (透過圖片理解更容易)。 註：產品型態會受到基礎能力、用戶需求等各種因素，所以以下想法會存在考慮不全的可能 本文架構： 一、商業模式 二、產品詳情 2.1展示層 2.2技術層(Big Data) 2.3業務應用層 2.4分析層 三、終局：生態與BI化？ 一、商業模式 Shoplytics點擊後是新開一個頁面，可以看出他不僅僅是定位為開店平台的功能之一，而是往“產品化”的方向走。也有收費的模式，雖然比較單一，就是根據『分析時間範圍』收費。 可以感受到Shoplytics野心，能這樣賣的數據產品，有(阿里巴巴)生意參謀的味道。

數據產品的研究到了DataHub，在瀏覽網站的階段就被驚艷到。有一個頁面類似slido，能夠讓用戶提需求與投票( Feature Requests)，另一個頁面公開產品迭代排期 DataHub Roadmap 能做到這點的產品實在不多，體現了產品的自信、關注”用戶價值”。也相當讓人羨慕，因為這表示產品已經進入了成長期、成熟期。

產品介紹與體驗心得 — 隨著Data得重要性被意識到，越來越多公司開始引入大數據技術，也不斷加強Data的應用，隨著Big Data越來越普及、越來越複雜的數據以及架構，對數據生產者跟數據消費者也面臨越來越棘手的問題。 對於數據生產者，用戶隱私意識的加強，伴隨資料保護法的推出(例如歐盟的通用資料保護法-GDPR），哪裡存在了隱私數據、這些隱私數據該如何管控？ 對於數據消費者(涵蓋了數據分析師、產品、營運等多種角色)，我們常常不理解跟不信任數據，問題圍繞以下幾點： How to find it？該去哪裡找到我想要的數據？ Can it be used？數據能用嗎？是不是最新的數據？有沒有髒數據？( 延伸閱讀<數據太髒了！3個步驟做好數據質量管理> ) Should it be used？對於我要分析的業務、主題，這數據是我要用的？ How should it be used？ 每個column什麼意思？表跟表之間什麼關係？

提到BI產品，直觀想到的就是圖表，還有把圖表拼在一起的Dashboard。這確實是BI的功能之一，但核心還是要回到分析這件事。 那麼BI平台要怎麼更好的幫助分析？ 2022年3月22日，一年一度的Gartner BI魔力象限出來了！報告的資訊量挺大的，最近這段時間根據<Magic Quadrant for Analytics and Business Intelligence Platforms> 報告中涉及到的BI產品及技術趨勢進行了一些總結，也研究了多個BI產品，讓我們一起來看看吧！ 對Gartner這篇報告有興趣？文末獲取領取方式！

產品視角來看Redash的功能與價值 — 數據視覺化也是大數據領域裡極為關鍵的一環，通過計算引擎算出來的數據往往需要以合適又美觀的圖表形式展示給產品經理和決策者。但如果業務發展快速、統計需求就會越來越多，如果每來一個新需求都要透過前後端開發，過程會花費太長的時間，沒法支持業務發展。這時候BI工具就可以簡化這個過程。 而開源免費的BI目前比較流行的有Superset、Metabase、Redash這三款，功能都比較強大，各有各的特點。目前metabase也有了商業化的版本、而redash則在2020年被Databricks收購完成了商業化。 這篇文章以產品的視角，簡單總結Redash在功能、體驗跟價值的一些想法。 整體而言，我對Redash還是有較高的好感；用一句話描述的話：『小而美』 邀請你至Blog閱讀全文：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值

Behind the Cloud: The Untold Story of How Salesforce.com Went from Idea to Billion-Dollar Company-and Revolutionized an Industry — 對於SaaS從業者，這本書我給五顆星 SaaS在歐美已經是很成熟的商業型態，幾個廣為人知的特點跟概念，像是雲服務、按需付費、客戶成功、公開透明等。但SaaS究竟是如何誕生的？這商業模式怎麼RUN起來的？為什麼做SaaS就必須關注這些特點？要了解這個問題，我想必須回到SaaS行業的根源。 Salesforce在SaaS中擁有毋庸置疑的地位，很多SaaS企業會用Salesforce在某個階段的水平來衡量自己團隊。如果你心裡也曾經存在上述疑問的話，我認為這本書(Behind the Cloud: The Untold Story of How Salesforce.com Went from Idea to Billion-Dollar Company-and Revolutionized an Industry)，可以很好的解答這些問題。