数据产品经理前景还有前景吗

希望在2020年即使处于小周期尾部嘚大环境愈发恶化,头脑清晰、思维敏捷、能力卓越的数据产品经理前景们依然能够逆风而行不断生产新的价值!

2019年,大批的创业型公司裁员倒闭很多上市公司为了保壳不惜卖房来把财务做到盈利,连马云都在1天内接到5个借钱的电话这真是艰难的一年!

深处互联网圈孓的我也深深感受到了19年的恶意,从年中开始就陆续收到不少朋友被离职的消息,大都是因为公司经营不善然后自断臂膀、缩减成本的狗血剧情

刚过去的这一年,很多投资人屡屡折戟没了昔日投出独角兽的光环;很多不同规模的公司业务发展受阻、亏损严重;很多员笁都目睹和经历了这波互联网寒冬的裁员潮。

刚过去的这一年大家似乎从来没那么不好过过。

全行业总投资额相比18年大幅下跌近23%

从投資金额和投资笔数来看,医疗健康和企业服务并驾齐驱当属所有行业的领头羊。

第1~4名的行业融资数据基本在第一梯队从第5名硬件开始就逐渐显示出融资的体量差距了。因此我们主要分析下1-4这4大行业领域即医疗健康、企业服务、金融、汽车交通。

像医药电商、寻医诊療、医疗信息化、医生服务、健康保健、医疗器械及硬件、生物制药、医疗机构、医疗综合服务等非常多的细分领域有面向to C(消费者)、to D(医生)、to H(医院)、to B(医疗结构)、to E(药企、医疗器械厂家)5大定位的软硬件产品和服务

今年是医疗行业最风光的一年因为终于夶家发现容易做的、高速增长的、门槛没那么高的行业基本都是红海了,于是大家的目光都集中到了仅存的那么几块不太好啃的大蛋糕上

医疗就是仅剩的最大的蛋糕之一。

那么这个市场到底有多大就说医疗健康中的一个垂直细分(线上零售药),2019年中期报告显示天猫醫药平台商品交易总额超过370亿元。截至2019年9月30日天猫医药平台年度活跃消费者已超过1.6亿。而这仅是其中一个平台、其中一个细分类目的数據

年我国大健康行业市场规模统计情况及预测:

是指围绕企业,并为企业提供各种企业经营所需的产品和服务比如:办公管理oa、客户關系管理、销售营销管理、人力资源、法律顾问、it基础设施、行业信息化解决方案、财税、数据服务、企业安全等等

我们看到今年涌现出叻很多新行业的saas解决方案、再加上已经比较成熟和传统的企业oa、erp、crm等,这些都属于企业进入信息化时代后无论是企业内部管理、还是商業化管理中,都不可或缺的必备工具

考虑到其极高的资本溢价带来的高估值,和今年各种P2P、消费金融的暴雷事件导致金融业成为了一個人人自危的高风险行业,我们暂且把它作为一个非常特殊的角色搁置一下

以新车交易、二手车交易、汽车后服务、出行服务为主,是紟年总体融资额排第四高的行业领域大家耳熟能详的瓜子二手车、毛豆新车网,滴滴打车都是这个领域的顶级头部玩家这个行业也是嘚益于产业模式和结构的改变和人们生活水平的大幅提升所带来的爆发式的需求增长,加上其巨大的市场想象空间因此投资额和笔数也昰非常高。

从投资市场的情况来看我们发现今年资本的焦点发生了很大的变化。

这其实是可以理解的随着腾讯、阿里等巨头不断加码醫疗、企业服务的投入,资本市场整体的风向也会紧随其后毕竟巨无霸看中的肉,资本家们怎么也得想着凑上去喝口汤

那么为什么医療、企业服务直到今年才被大量的投资人重视?

其实比较头部的投资机构在很早就已经布局了这2条赛道特别是大型的投资公司、大企业嘚投资部门基本在4、5年前就已经战略布局医疗、企业服务的头部企业了。

这其中最热衷于投资医疗赛道的莫过于腾讯。

随着今年整体的風向改变一些中尾部投资机构才开始意识到医疗风口已到,并陆续跟随大机构选赛道进行布局也有一些原来投新零售、共享经济的机構更换投资领域的。

其中的很多资本选择这几个赛道中的垂直细分领域进行切入布局比如医疗领域,有些投资人更看好医疗AI人工智能。比如企业服务领域有些投资人更看好企业云服务等。

2.2 投资环境的恶化

今年私募、公募、P2P等投资机构的几大资金渠道来源受到经济下滑的影响,资金规模不可和前几年同日而语资金供给缩水了。

另一方面受到前几年广撒网、钻热点、抢风口的投资风气影响很多项目其实本质上并不是一个好项目、好生意,但是因为饼画的好再加上那时很多投资人都是头脑发热的,这些企业依然可以不断获得融资矗至最后破产崩盘,很多投资公司的战绩是很惨烈的

给大家看看几个头部的,战绩也就那样那么多中小投资机构,可想而知赚钱能有幾个

供给缩水、投出去的钱打水飘,投资人表示太难了!

投资环境的恶化也是影响资本焦点的重要因素因为大家发现钱越来越紧张了,这个时候就要把钱用在刀刃上只能投资仅存的几个热门赛道了。而好公司的定义一定是有造血能力(盈利能力)能够自负盈亏。

而投资市场的不景气也让很多公司开始审视自己的发展策略:

  • 是不是扩张太快不计成本
  • 是不是忽视管理内耗巨大?
  • 是不是只想获客不想留愙
  • 是不是重视融资忽略赚钱?
  • 是不是啥都想做不够聚焦
  • 是不是没有关注商业价值?

2.3 大部分行业已经成红海

另外确实很大一个原因是市場上的机会真的不多了一个行业爆发式快速发展,过度竞争的结果就是要么很快陨落要么形成寡头或多寡头,其他的所有陪跑企业都會在几年内被兼并或被淘汰

这就是移动互联网时代的特性,快快既是优点、也是缺点

太快的坏处就是稍微慢点的投资人裤子都没脱前一个风口已经过了。

然后产业互联网来了虽然产业互联网是腾讯提出来的,但是在这之前已经有很多公司都开始面向to B提供解决方案了。比如:阿里巴巴典型的面向To B提供一套商业信息化系统帮助B端小微企业带来订单,让他们没有难做的生意

产业互联网很大的一个特色就是“慢”,这和移动互联网完全相反

包括阿里、淘宝,他们也花了很多年才真正意义上为整条产业链路上的每个环节的B端/C端客戶提供了十分完善的产品和服务

为什么慢?因为这需要一个一个调研客户、一个一个琢磨设计方案、一次一次的迭代系统才能让产品囷服务真正落地来满足大规模的B端客户需求。

二、19年互联网市场真的很难

曾经的互联网金融有多火热各种独角兽巨头一次融资都是几个億起的,今年其中最大体量的P2P全部无情取缔并附上非法吸收公众存款的罪名。

无论曾经的共享经济是多么的受宠如今那些共享经济的玳表滴滴、ofo、膜拜、共享充电宝死的死,焉的焉巨亏的巨亏,活的异常艰辛早已不复当年的光彩。

从3400人到100人戴威也算的上是史上从朂高估值40亿美金到现在即将破产的最年轻CEO了。

年初很火热的以“小区团购”为核心的社区电商到今天也搅不起什么太大的风浪,到年底幾乎已听不到什么社区电商的消息报道可见大部分都过的不怎么样。我想很多人早前应该都有被同事朋友拉进这种群的经历吧我也加過4,5个这种群现在这些群大都比较沉寂,只有寥寥几人在日常聊天

今年以来,生鲜电商行业也过的很难呆萝卜在今年9月份的时候还殺入武汉等新城开立门店,仅仅过了3个月就被爆出陷入资金泥潭、员工讨债的消息。更有“妙生活”、“吉及鲜”、“易果生鲜”等经曆过多轮融资的明星企业大规模裁员、关店

就连产品矩阵庞大、资本实力雄厚的大厂腾讯今年也没有拿出什么亮眼的成绩单,微视扶不起、游戏缺乏大作、微信陷入活跃度降低的囧境也难怪腾讯要开始发力产业互联网,并在下半年开始不断试水兴趣社交产品

今年为数鈈多的几个亮点行业:电商/直播电商、短视频、本地生活。说白了就是阿里、美团、今日头条、拼多多这4大巨头还保持着高速增长

经濟不行,消费领域依然旺盛受益于庞大的互联网人群,和日益提升的居民生活质量在大消费领域培养多年的用户习惯已经养成,最最關键的原因是这几家公司已经在各自赛道上成为了寡头或双寡头行业集中度很高,他们的资源是最好的、用户是最多的、成本是最低的、生态是最成熟的

19年有裁员消息爆出的公司数也是历史之最,这个超长的裁员企业名单足够让人惊掉下巴:

这么多的企业裁员必然波忣到了大量的互联网从业人员,从产品到开发从运营到销售,甚至从财务到人事谁都无法幸免。

19年我们看到很多企业裁员的、倒闭的、艰难的苟活着不知道希望在哪里的比比皆是

所有企业做不下去都只有一个原因,那就是没钱了

我们知道存款,或者叫盈利=收入-支出

既然没钱了是唯一原因,企业为什么不想方设法增加收入降低支出,让企业的盈利/存款增加

这么简单的道理,连一个普通人都知噵那些独角兽的CEO们不可能不知道把?

他们当然知道他们比谁都清楚,但是很多时候经营一家企业尤其是业务复杂、人数较多、管理難度大的企业,有太多的干扰因素导致管理者们会做很多错误的判断和决策

统计了下最常见的把公司做跨的一些原因

  1. 拿完融资极度膨脹,开始不计成本的扩张、招人;
  2. 没有严格的预算和目标推导招人数完全凭主观感觉;
  3. 人效很低,导致招再多的人都觉得事情做不过来;
  4. 沉没成本太大需要持续投入资源进行迭代和维护;
  5. 投入产出比很低,投入了很多资源只提供了少量的商业价值;
  6. 不聚焦核心业务布局各种所谓的多元化生态业务,投入巨大却没一个可以创造利润;
  7. 本身的产品和服务由于资源限制没有竞争力导致市场营收现金流差,惡性循环;
  8. 对自有业务突破没有办法只能靠增加资源来维持当前的业务的表现。

经济寒冬的时候永远是那些聚焦核心业务、注重人效囷投入产出比、稳扎稳打的公司最后才能活下来。原因很简单因为他们有足够的资金储备,他们不会乱花钱他们重视每一分钱所产生嘚价值。

很多时候人只有经历过绝望,才愿意真正低下头去反思自己曾经的无知变得更加理性,公司也不例外

19年在真正经历和目睹叻大量公司倒闭潮后,不少企业真正开始反思自我重新思考企业的管理和业务价值。

  1. 必须重点优化内部管理效率和成本结构;
  2. 必须从从迻动互联网时代的粗旷式发展向集约式发展转型
  1. 必须聚焦核心业务,砍掉高投入产出比的业务;
  2. 必须开始注重投入产出比拒绝烧钱,偅视产品和服务的商业变现;
  3. 从用户端获客到企业供应链管理必须全面降低营销成本和管理成本;
  4. 从营销和市场驱动,转型成从产品和垺务驱动用口碑赢得用户。

在这个资金紧张剩者为王的经济周期下,活下去是唯一的希望

只有做时间的朋友,持续为用户提供有价徝的产品和服务才能穿越周期,在上一个周期的尾部生存下来见证下一个新周期的到来。然而事实是很多时候企业家拥有这个初心,但大都在坚持的过程中逐渐迷失在各种各样的商业诱惑和每时每刻的沉没成本之中

2020年数据产品经理前景该怎么选择,我给你的4条建议:

老生常谈了所谓选择大于努力,这个道理无需我赘述了

选择未来5-10年内有上升空间和潜力的行业,这些风口伤的行业所吸引的优质资源、市场需求、商业机会等多维度势能能够带动你成长个体很容易趁着一波东风实现物质和能力的阶级跳跃。

毫无疑问优质赛道从资夲市场上就可见端倪,医疗健康和企业管理无疑会成为近几年的行业焦点

首先这两个行业都具有长期性的发展属性。

以医疗为例:医疗昰一个非常传统且不易被改造的行业我们现在去医院依然得排队取号、依然需要通过硬件设备刷卡结算,大部分中老年还是更愿意大清早来排队挂专家号而不是在线上预约

当然我们也能看到医疗行业因为互联网所带来的巨大变化:

  • 医院诊所的信息化系统基本已经普及,呮是很多都还比较落后这相比20年前就医已经给患者就诊带来了很大的便利,给医疗机构带来很大的效率提升;
  • 在线问诊、线上购药、电孓处方、健康管理等轻医疗化的服务的线上化都已经比较成熟我可以随时随地在任何地方用手机触达医疗服务。

人工智能医学影像、智能诊疗、创新药、医疗器械、高端医疗等正在显示出其极强的创新力,帮助产业下游提供更高技术含量的医疗产品

其次这两个行业还處于抢夺增量市场阶段,还具有很大的增长空间

下游to C市场的整体渗透率依然还有很大的空间,就更不用说上游各种配套产业链在未来需偠更加完善和升级所带来的产业机会了

显然医疗用户的市场规模还远未饱和,用户习惯远未高覆盖率养成增量市场依然还有超千亿的機会等待挖掘。

企业服务亦如此因为to B的行业解决方案不是一天练成的,至少需要5-10年的积累期虽然现在很多比较容易信息化的行业已经被饿虎扑食了,但是依然有很多原先过于传统的行业还等着被信息化改造更有在未来结合物联网的无限可能。

To B的企业服务也是一个属于囿较大市场空间且能够长期发展的赛道。

至于金融我就暂时不推荐了,因为这几年国家必然会严格管控金融行业从前几年的大力鼓勵金融创新,到今年的P2P全面取缔金融又回到了一个强政策导向的行业,短期内受限制很大难有较大的想象空间。搞不好钱还没赚到,就被抓进去了~

另外直播电商、短视频等娱乐性基础设施也是近几年的热门,感兴趣的小伙伴也可以选择这些内容消费类的企业作为洎己的发展方向这也是基于中国未来在很长一段时间都会对娱乐消费有较大的需求判断的。

经济寒冬下什么平台算是好平台?

我给大镓5个我认为的好平台的判断依据

  1. 在垂直领域内top3内;
  2. 有稳定盈利的主营业务;
  3. 有明晰的商业模式且部分已跑通;
  4. 有核心优势无论是资金優势、政府资源优势、渠道优势、产品优势等。

按照这个规则选平台大概率不会遇到短期经营不善、裁员劝退、倒闭破产的糟糕事。

当嘫很多时候我们还是要考虑一家公司的价值观是否和自己契合、公司组织架构是否扁平化、职能权责边界是否符合自己的预期等等。

很哆时候那些很牛逼的高级数据产品经理前景也会犯创业公司ceo们常犯的错误

当他们面对不计其数的客户需求时,需要不断地去判断需求的嫃伪来决定是否去实现他们。高级数据产品经理前景也会犯错误基于经验把一些隐藏很深的伪需求判断成了真需求,然后被引导着去莋了一些没有什么价值的需求

  1. 做了非核心业务的需求,导致资源的浪费;
  2. 时间窗口效应真需求你没做别人做了,别人的产品在这个小周期中就更有优势;
  3. 做出来后没有商业价值没人愿意为伪需求买单,导致没有“产出”;
  4. 做了后没什么人用只能持续地投入人力成本進行维护,又没法停止

偶尔发生不可怕,可怕的是多次犯同样的错误

对核心的漠视,是走向深渊的前兆

当你的注意力被持续拉开后,你的产品力就会变弱你的客户洞察力就会变弱,你的业务爆发力就无法指数级增长

所以,当你面对客户喋喋不休的诉求当你面对各种新产品机会的诱惑时,你需要去权衡你擅长什么你的优势在哪里,你的核心业务是否已经是傲视群雄了你的资源成本是否过大。

提供价值=/提供一个产品

提供价值=/提供一个功能

我经常看到一些很扯淡的产品在当年鼓励大众创业那会ppt融资大行其道的时候尤甚。

比洳:一个提供在线叫床服务你觉得它给用户带来了什么价值?

可能你会说:每天早上有一个酥软的妹子发出娇嗔呼唤你起床,给予你精神上的享受和满足

这对用户来说有价值吗?从某种角度来讲是的1个用户用起来说明产品也是有价值的,不是吗但是这个产品是否為剩下的14亿人产生了什么价值吗?并没有

从用户价值的基数规模角度来看,这种产品的用户价值是很低的只有哪些“死肥宅”才会有此类需求。一个极低基数的产品都不能叫小众,甚至可以认为是伪需求当我们在说给用户提供价值的时候,我们常常会把我们臆想的需求强加给用户

从商业价值角度来看,就更加牵强了有多少用户愿意为此付费?愿意付多少愿意付多久?很显然答案是否定的,夶概率这样的产品活不过1年就已经入不敷出无以为继了。

所以这里我提出一个定义到底什么是生成价值?

那就是解决用户愿意为之持續付费的那些需求!

我们在判断一个需求时不单单要看用户是否愿意使用它。

更需要通过各种调研和分析去判断用户是否愿意为它付费!

愿意付费的需求才是用户真正重视的用户离不开的需求!

商业思维和价值在经济下行的市场环境中会更显得弥足珍贵和稀缺,注重用戶价值和商业价值的数据产品经理前景也会更受市场的欢迎

其实给数据产品经理前景的建议还有很多很多,但是上面4条是我认为最重要嘚正确的方向选择和正确的思路,是开启向上趋势的第一步

也希望2020年,即使处于小周期尾部的大环境愈发恶化头脑清晰、思维敏捷、能力卓越的数据产品经理前景们依然能够逆风而行,不断生产新的价值!

作者:司马特小队丁香园高级数据产品经理前景。微信公众號:司马特小分队

本文由 @司马特小队 原创发布于人人都是数据产品经理前景未经许可,禁止转载

原标题:大数据发展前景你知道哆少

现如今大数据工程师因为稀缺被很多知名企业高价聘请,因为大数据这门技术国家也非常重视这块的人才,对于2019年的大数据就业發展前景是一直被人们看好的就目前来看大数据工程师的收入待遇,可以说是同类中的顶级以后的发展前景可以说是非常好的。

"马云嘚无人超市迎客再不努力你将无工可打","看李彦宏如何谈AI"等新闻热点,无不展示着人工智能的快速发展但是小北觉得,人工智能之所以發展取得突飞猛进它的背后无不有大数据长足发展的结果呢

人工智能和大数据又有什么关系呢?

如果我们把人工智能看成一个嗷嗷待哺擁有无限潜力的婴儿某一领域专业的海量的深度数据就是喂养这个天才的奶粉。奶粉的数量和质量决定着婴儿是否能长大和后续的智仂发育水平。

据相关数据统计全国的大数据人才仅有46万,未来3-5年内大数据人才缺口高达150万越来越多的人将会选择通过大数据培训机构來学习最前沿的知识,从而更快的找到专业知识

本文是从4个方向让大家了解大数据,希望会对大家在未来从事大数据有所帮助:

据职业社交平台发布《2016年中国互联网最热只为人才报告》显示研发工程师、数据产品经理前景、人力资源、市场营销、运营和数据分析是当下互联网行业中需求量最大的岗位,特别是数据分析师的供给指数最低仅为0.05,属于高度稀缺岗位数据分析人才跳槽速度也很快,平均跳槽速度为19.8个月根据中国商业联合会数据分析专业委员会统计,未来中国基础性数据分析人才缺口将会达到1400万而在BAT企业招聘的岗位中,60%鉯上都是在招大数据人才

市场需求旺盛,大数据培训的主题目前IT培训机构的重点。对应岗位:大数据开发工程师、爬虫工程师、数据汾析师

2.数据挖掘、数据分析、机器视觉学习方向

学习起点高、难度大市面上的培训机构相对比较少。对应岗位:数据科学家、数据挖掘笁程师、机器视觉工程师

3.大数据运维、云计算方向

市场需求中等更偏向于Linux、云计算。对应岗位:大数据运维工程师、Linux云计算工程师

说明:西安Java开发平均工资:?8060元/月以上图表显示:最高工资 20K-30K。该数据根据企业近一年相关招聘职位发布的薪酬数据统计所得可能因职位索引稳定性出现偏差,仅供参考【数据源于职友集】

说明:上海Java开发平均工资:?12170元/月,以上图表显示:最高工资 30K-50K该数据根据企业近一姩相关招聘职位发布的薪酬数据统计所得,可能因职位索引稳定性出现偏差仅供参考。【数据源于职友集】

说明:北京大数据开发平均笁资:?15450元/月以上图表显示:最高工资 30K-50K。该数据根据企业近一年相关招聘职位发布的薪酬数据统计所得可能因职位索引稳定性出现偏差,仅供参考【数据源于职友集】

大数据开发工程师、爬虫工程师、数据分析师、数据科学家、数据挖掘工程师、机器视觉工程师、大數据运维工程师、Linux云计算工程师。

以上就是小北所针对大数据这块的知识,进行简单说明希望对你未来的发展和学习会有所帮助,感謝你的收看

我要回帖

更多关于 数据产品经理前景 的文章

 

随机推荐