6大篇章 | 开启数据产品经理之路

本文共6个篇章，分为认知篇、成长篇、进阶篇、职场篇、应用篇、破局篇，文章对数据产品经理的岗位发展现状、招聘情况、以及不同业务阶段针对数据产品经理的岗位需求进行了案例分析，是对8月15日《数字化商业时代-从0到1数据产品经理成长指南》线上专题直播分享活动内容的一次陈列与总结，希望大家可以看到最后~

01 认知篇

《数据产品经理岗位报告》——爱数据团队黄学

https://www.bilibili.com/video/BV13f4y1G7rC/

黄学老师基于市场的需求以及发展趋势让大家更明确数据产品经理做什么、目前企业方在需要什么，我们职业规划应该是什么等问题。

通过对数据产品、数据分析的发展进程介绍，黄学老师向大家阐明了数据产品经理等岗位的良好就业形势。

2011年之前，互联网行业数据部分的工作多以支撑和辅助产品的功能开发和运营为主。2011-2013年期间，数据的重要性逐渐显现，各企业陆续开始建立专门负责数据挖掘和数据分析的顾问式团队，这些团队以数据挖掘工程师和数据分析师为主。这种顾问式团队负责产出专业的分析报告和决策建议，极少会参与产品的实际规划。在2013年之后，2014年至今，由于数据已不再是过去那种孤立的资源，而是更倾向于产品化的运作，于是以数据产品经理、大数据工程师、人工智能工程师为代表的智能型数据团队开始涌现，并参与到产品各个环节中，形成”行业—产品—数据“一体化的格局。

那么数据产品究竟是做什么的呢？数据产品的目前的主要的工作主要是分主动需求和被动需求。

黄学老师以汽车上的仪表盘为例介绍数据产品。加油超速、降速，包括没有系安全带的问题，仪表盘马上会显示一个提醒，这就是数据产品。数据产品首先一个战略目标发布出来之后，根据目标要知道做哪些板块的数据产品，在这个过程中，每一个板块要跟业务沟通需求是什么，这是被动需求。接下来对接开发，让业务能被更好地理解和应用，这是主动需求。

最后，黄学老师详细分享了数据产品经理的岗位方向和工作能力要求。

岗位方向一般分为分析向数据产品经理、平台向数据产品经理和数仓向数据产品经理。分析向数据产品经理偏向熟悉数据指标体系建设、熟悉用户画像分析、流量实验设计、ABTest分析、LTV分析、业务分析等方向。平台向数据产品经理需了解基本的MapReduce、Hive和查询效率优化，了解Flume、Kafka和Flink等日志和实时数据平台，了解OLAP中常见的Spark、Kylin等分析计算引擎。数仓方向的数据产品经理，招聘时一般会明确要求对数仓和数据集市有了解，如能熟练编写HQL、理解拉链表的原理和应用场景、了解常见数据质量稽查的方法等。数据产品的早期能力要求最重要的是沟通能力；中期在前期的基础上要求较强的技术能力和分析能力；后期则是各种能力的加强，尤其是业务沟通能力。

02 成长篇

《数据分析师到数据产品负责人的成长进阶之路》——数据芒果

 https://www.bilibili.com/video/BV1Hv411N7Zu

一次对数据的思考，一些工作的机缘巧合，让数据芒果老师从数据分析师转变为数据产品负责人，与数据产品有了完美的邂逅。本部分主要向大家分享数据产品形式以及它的定位。

数据产品应该有些什么样的形式、有些什么样的价值，必须要有清楚的定位——数据产品要去解决问题。

首先得要有问题，才能有解决方案。所以先要去理解企业在应用数据的过程中，它会有一些什么样的困境，这是所有后续动作的出发点。问题的产生依赖于对数据的分析，那么数据如何获取呢？现在市场上很多企业要做数字化转型，转型的核心就是怎么能够让一些业务数据在线化，比如搭建自研的ERP系统或者其他的系统等，把一些业务的操作行为、流程、过程数据都记录下来，让后续的工作有迹可循。数据可以获取，但数据质量并不一定能得到保证。数据质量问题是数据从业者一直会面对，而且可能会没办法完全根治的一个问题。只是说在相对可能的范围之内，能够减少他的一些错误。比如一些数据量特别大，特别复杂的问题，可以专门去针对数据治理开展很多的相关的事情来提升它的数据质量等等。

数据芒果老师的公众号

数据产品形式，主要分为平台型和数据应用型两类。

平台型的数据产品主要有配置报表工具、标签平台、指标平台、OLAP、数据仓库等等。数据应用型主要有决策支持的报表、搜索推荐、智能营销、智能履约、自动补货等等。

接着数据芒果老师重点以具体的数据产品案例来详细介绍数据仓库相关内容。数仓建设的主要目的是将数据进行分层，为将来可能丰富的数据应用场景提供稳定、高质量、高效的数据基础。以电商零售为主题，按照业务域来划分可以分为订单类的数据，用户数据、商品数据、流量、数据营销数据、履约数据等等。那么基于数据仓库它主要的表现形式是基于业务拆分的各个业务主题的数据模型，它主要是由主题表和尾表组合而成。

03 进阶篇

《技术岗到数据产品总监的成长进阶之路》——马涛

https://www.bilibili.com/video/BV1Y64y1q7yh

马涛老师以个人职业发展进阶为例，详细分享了数据产品能力提升与职业晋升的相关内容。 转型前期阶段，积极对待转型过程中的焦虑情绪，明确自身的优势，分析与目标的差距，针对性补充学习。 我们每次转变的时候，都会经历这样的过程。首先内心会焦虑，然后会去找一些求助，把自己的目标明确后，忽然在某一瞬间就开始豁然开朗，并开始行动，开始改变。 转型过程中提升阶段，选择合适自己的学习方式，学习渠道和学习方法需要更加针对性且高效率。

一些免费的学习途径，质量往往是没有办法去保证的，所以我们需要去找到一个正确高效的学习渠道和学习方法，同时主攻我们的核心技能，拓展辅助技能。我们整个改变的过程中，给自己定很多的小目标，增加成就感。在核心技能扎实的前提下，形成自己的一个方法论。

转型过程中后期选择，平台和公司选择需理性对待，行业的选择需要紧跟政策风向。

在做数据岗位的时候，一个是行业的变化，一个是政策的变化，一个是新的技术带来的一些业务应用的变化，都需要开放自己的心态，持续地去学习，适当地加强一些bug 。比如拓展一些自己的管理技能，去了解一下项目管理，去了解一下风控管理，或者去了解一下其他业务的管理。就像打游戏一样，给自己加点蓝加点红，然后让自己在主线技能扎实的情况下拓展一些自己的辅助技能。

跳槽成功只是从计划转型过程的一个里程碑，需要的是持续学习和积累。

最后，马涛老师以乔布斯的一句话结束了轻松愉快了分享——Stay hungry ，stay foolish.我们永远要保持自己这样的一个状态去去去汲取我们的知识，让自己始终处于一个求知若渴的状态。

04 职场篇

《数据产品经理岗面试案例&岗位推荐》——黄学

 https://www.bilibili.com/video/BV1pU4y1E7qx/

此部分除了面试案例分析外，黄学还基于真实的大咖访谈进行详细分享。

问题一：数据产品经理的成长路径如何？

第一个阶段是执行。基于一个产品功能点去能够快速的去交付，这是基础阶段的要求，相当于在一个点上的交付。

第二个阶段是对于整个产品体系的把握，能够独立的完成一个产品线的执行落地，由点到面，也就是整个产品线的执行能力。

第三个阶段是能够去驱动产品的规划。自己能够主动去规划产品的方向，去推动产品的迭代，要对产品有自己的思考、认知和规划。

第四个阶段是能够形成在整个行业的产品标杆的能力。能够在细分的产业产品赛道里面，做成行业的标杆，输出一些产品的方法论，对于整个行业有示范引领作用。就是最后更高一阶段的要求。

问题二：应届生或者是转岗想从事数据产品岗位有什么建议？

第一，选择正确的学习渠道进行针对性的高效学习。

第二，学习的内容要成体系，成系统。

第三，了解自己，清楚自己的优势和不足。

问题三：数据分析师、数据开发和数据产品之间的联系和区别？

三个是完全不同的职位，交付的内容也是不同的。

数据分析师：交付的数据提取，以及专项的分析报告，以及他要做些数据的波动异常现象的分析。

数据产品：是要把固化需求产品化，包括专门的数据产品。

数据开发：主要是来做数据的基础建设，要有数据的埋点采集、内部数据的同步，外部数据的api接口，数仓的搭建，最后完成你数据产品。数据产品要有后端的数据开发来支持，数据开发是数据产品落地的能力体现。

数据产品、数据分析，数据开发，它们都是种相互协作的。

问题四：从事数据岗位，一定要去大厂吗？

大家都希望去大厂，像阿里、腾讯、美团、字节等，我们在初级岗位刚入门的时候，能去到这样的公司肯定没错，但是他不一定是最优解。最重要的是要清楚进去之后可能要做的事情，再判断自己适不适合这个公司。

05 应用篇

数据产品之AB测试平台应用案例实践》——贾海峰

 https://www.bilibili.com/video/BV1nP4y1s7EX

此部分贾海峰老师重点围绕AB测试，详细介绍了什么是AB测试、为什么要做AB测试、什么情况下需要做AB测试、如何做AB测试四个方面的内容。

什么是AB测试？为同一个目标，设计两套或多套方案，在保证各套方案对应用户群的特征相同（相似）的情况下，根据关键的效果指标，判断哪个方案效果更好， 从而做出更科学的决策。

为什么要做AB测试？实践是检验真理的唯一标准。

主要原因有：

    1.定性分析由于过于主观；

    2.事件发生本质上是概率发生，即数学问题；

    3.数据统计不落入主观陷阱, 也不因特定事件波动而得出错误答案；

    4.用户行为本质上就是一种行为概率，点击或者不点击, 留存或者离开, 从模型上来讲, 就是一个典型的二项分布。

由于A方案和B方案主观上各有优劣，无法判断，选取一部分用户样本，做AB测试，根据上线之后的数据表现，才能决定哪个更好。

什么情况下需要做AB测试？可以根据条件和场景来考虑。

判断条件：

    1.当设计方案已无法通过理性逻辑去判断好坏时。

    2.当参数的排列组合导致方案拥有极多可能性时。

    3.当策略来自于自动化算法，需要评估不同策略的表现时。

判断场景：如UI展示、文案内容、页面布局推荐算法、策略参数等等。

如何做AB测试？AB测试，依赖于AB测试系统。那什么是AB测试系统呢？AB系统是一个包含AB任务管理平台、实时流量分发平台、数据分析平台的精细、复杂的多系统的组合。AB测试是一个反复迭代优化的过程，它的基本步骤可以划分为：

    1.设定项目目标即AB测试的目标

    2.设计优化的迭代开发方案，完成新模块的开发

    3.确定实施的版本以及每个线上测试版本的分流比例

    4.按照分流比例开放线上流量进行测试

    5.收集实验数据进行有效性和效果判断

    6.根据试验结果确定发布新版本、调整分流比例继续测试或者在试验效果

未达成的情况下继续优化迭代方案重新开发上线试验。

06 破局篇

《数据产品成长进阶之如何破局》——古牧君

https://www.bilibili.com/video/BV1nP4y1s7EX

古牧君老师将从岗位选择的角度切入，详细讲解数据产品经理的岗位定义、现状、问题以及选择等问题。此部分，将重点介绍古牧君老师所分享的前三部分内容。

按照系统层次架构的方式，古牧君老师将数据产品分为以下3类：

第一类：基础层的数据产品。具象来说可能是埋点平台、数据仓库，往往更多也跟数据的来源接入有关，对产品经理自身的技术思维和素养要求更多。

第二类：中间层的数据产品。以画像标签平台、各种数据中台为主，在大部分场景都会是承上启下的角色。这就需要产品经理一方面能对数据的来源和质量有所理解把控，一方面也能以应用价值为目标规划自己的平台，确保它不会变成一堆功能的堆砌。

第三类：应用层的数据产品。集合了神策这类数据分析类的产品，也包含DMP等能实际做出动作产生收益的平台。总之这一层的数据产品跟钱更近，对产品经理的产品思维和素养要求的也更多。

接着古牧君老师将数据产品领域目前的现状总结为以下8个字：

数据有余，产品不足。

古牧君老师的公众号

目前数据产品领域的问题归根结底都在于一开始没有想清楚，到底是要解决谁的什么问题？这个困境，是由人与环境共同造成的。人的方面，由于是新兴岗位，从业者和领导都面临一些原生的问题；环境方面，企业数字化进程的发展阶段，以及数据产品的自身价值，都证实了就业环境正在实现质的跨越。

人的因素，目前数据产品岗位的从业者，很少有根正苗红的“土著”，一般都是半路出家转行过来的。其中比例比较大的，就是自带较为浓厚技术背景的数据分析师、数据研发工程师。上面提到过，在基础层和中间层的数据产品，有技术背景是很有必要的；但换个角度，如果只有技术背景的熏陶，缺乏产品思维，也会是个问题。比如常见的问题逻辑路线就是：我有一个很厉害的技术——>我要把它变成产品——>市场上找找有谁对这个有需求。市面上的很多产品，就是基于这种背景打造出来的。

环境的因素，公司之前不需要数据产品，是因为有大量的数据分析师人肉顶上，但随着时代的进展，人力资源价格的提升，公司对效率的追求，就导致需要数据产品出来进一步提升效率。所以数据产品在提升效率这个维度，是在数据分析师基础上的一个再提升，是个二阶导数～但平心而论，国内互联网公司们又有多少跨过了第一个阶段？目测还真不是很多，即便跨过了，需要数据产品了，也更多是BI报表算个数、看个数这类的需求。所以眼下大家提到数据产品的时候，更多想到的可能就是那种数据分析看板了。