简单介绍一下数据产品经理和产品经理的区别：

1. 需求关注点不一样

产品经理：承接的是需求方的页面/功能设计需求，关注的是产品前端体验是否良好、页面/业务逻辑是否合理或无误；最终产品经理交付的是需求文档（PRD），对版本的跟踪、迭代、维护；

数据产品经理：承接的是需求方的数据获取的需求，关注的是采取何种方式获取所需数据、不同数据在数据仓库的管理方式、结合业务给出合理的数据分析、以最佳的图表可视化出来；最终数据产品经理交付的是最新版本的指标字典，对数据指标的定义、管理、优化；

2. 工作流程不一样

产品经理：面向的是一个个页面开发和功能实现的工作任务，开发任务是确定的，产出的页面可量化，工作量会由实现方式和逻辑有个增减变化；

数据产品经理：面向的是一项数据开发的工作任务，由「是否为新数据需求」来判断是否需要开始一项数据开发的工作任务，因为获取数据的难易程度不同，尤其是涉及到演算法类的，所以工作量不容易被量化，工作流如下图：

3. 具备知识/技能不一样

产品经理：所需技能：

除了上述知识/技能，

数据产品经理：更为侧重以下知识/技能点：

a. 计算机语言层面：熟练使用MySQL，SQL、Hive等语言；

b. 熟悉数据生产加工流程：数据采集，数据预处理，数据存储，数据分析，数据挖掘，数据可视化，数据服务产品化；c. 需要了解的各类技术理论及发展趋势
  • 了解主流大数据产品及分散式大数据技术，如Hadoop(HDFS和MapReduce)，Hive等；
  • 了解主流大数据编程语言，如phthon、R、MongoDB等；
  • 了解主流BI产品，如Tableau、saiku、kylin、BDP、growingIO、神策等；
  • 了解数据仓库技术及理论，并对其发展趋势有深入了解；
  • 了解数据分析，数据建模和数据挖掘技术及理论。

大部分公司采取现有产品经理兼顾数据产品应用化的工作，转岗的节奏大致是：数据可视化&>数据指标&>指标字典&>埋点设计管理&>数据分析&>数据仓库&>数据采集/清洗（掌握PythonSQL等技能 ）&>演算法推荐（当然也被延伸出来演算法/推荐产品经理）。到数据仓库这个层面，才算初步完成了数据产品经理的转岗。到了演算法和推荐层面，是目前数据产品经理的最高级。能够精进数据、优化演算法、精准推荐，把握并实现前端业务场景的商业价值最大化。

数据产品经理知识框架，了解工作内容、工作职责：

希望对你有帮助，可以先从数据可视化和埋点做起～～（以下三本书数据产品经理必修课～）

电子书数据产品经理修炼手册——从零基础到大数据产品实践作者 大鹏￥ 47.40去查看?

电子书产品经理数据修炼 30 问作者 R.D.￥ 48.30去查看?

数据产品经理必修课：从零经验到令人惊艳京东￥ 34.99去购买?

对于入门数据产品经理，可以先了解下数据产品设计要点，从工作内容中找自己要弥补的技能。

更多欢迎关注：产品经理成长专栏每周定期更新数篇产品工作思考。

01 首先，产品经理要定义最核心关注的指标有哪些

选取哪些指标来度量效果，是一件看似细小却最为关键，需要产品经理专业判断的点。比如，同样是电商卖家，对于新入局的商家来说，获得足够规模的流量是最关键的，那么访客数这个指标就是最重要的点；对于非常成熟的品牌，市场份额占比、特定增量市场开拓更重要，那么市场排名、特定市场销售增速是最需要关注的指标。而这都取决于产品经理对于业务场景的深入理解。

当然，更常见的是，产品经理会用罗列十几个指标去替代以上判断，动辄罗列10+甚至几十个指标，其实是把复杂留给用户简单留给自己的表现。个人认为，数据产品真不在于指标够多，而在于能用最少的数字最高效地刻画现实。

02 另外，指标的时间范围要多久，要结合用户场景和指标特点来看

在设计数据产品中，常见的指标时间范围有 实时、近1天、近7天、近30天、自然周、自然月、季度、自然年等。用户可以查看这段时间内的指标表现。但和之前提到的问题一样，许多产品设计认为给用户提供越多范围越好。

但是，产品经理是要[在有限资源下，创造更多有利可图的用户价值]。指标的计算、长时间存储、维护都需消耗成本。在这里，我的建议是 1. 本身变化越小的指标，适合长周期更新。例如电商商家的客户画像，在很长一段时间都不会太大变化，那么1个月甚至1个季度更新一次就可以；2. 回到用户实际场景，究竟多高频率用这个功能？如果1个月1次的复盘，大可不必计算1天、7天、30天的数据。

03 其次，要设计benchmark对比，发现指标数据背后代表的信息

在工作的第一年，一位浸润数据分析10+年的老大曾和我说「没有对比的数据是没有任何意义的」。孤立的数据不能说明任何问题，典型的benchmark有三类：① 自己和自己比，如环比昨天/上周，同比去年，或较过去一段日常水平比较；②自己和目标对比，如当前数据与目标进度比较；③自己和外部对象对比，比如自己增速和竞争对手比，市场份额占比比较等等。

04 要将指标进行拆解或下钻，帮助用户找到最需要关注的因素。

再复杂的事情，只要掰开揉碎都会变得简单。世间丰富多彩的万物，拆到最细粒度也就是结构固定的细胞结构、化学元素。

数据分析也是这个道理。通常有两类细分方式，指标本身的拆解，例如销售金额=购买人数*客单价=新买家*客单价+老买家*客单价，当你发现销售金额不及同行增长快，通过拆解可能就发现是新买家乏力是主要原因。另一类方式是指标的下钻，还是以销售金额为例，下钻到不同省份/城市、不同商品、不同销售人员，同样能看到原因。

而同样一块蛋糕，到底怎么切分才能找到关键问题，考验的却是产品经理的商业理解和洞察力。在这篇文章里先不详述了。

05 如果你能再多做一步，应该帮助用户去行动，真正优化指标数据

前面的设计，都是在帮用户解决 what（在发生什么）、why（为什么），而基于洞察的优化策略才能真正解决how的问题（如何去改善）。一旦发现销售增长较同行乏力是由特定品类带来，进一步分析是单价相对偏低？商品库存缺货明显？用户可以做A/B/C去改善这个指标，甚至你的产品能和操作类产品打通，形成系统上的行动闭环。

有幸在互联网大厂做数据产品经理的实习，leader深耕数据产品十年，跟著学习到了很多。所以斗胆来分享一下数据产品经理的入门和学习路径。

数据产品经理核心，理解起来就是数据分析+产品经理。主要的能力是结合具体的行业和业务场景进行数据分析，并且把数据分析产品化。

结合具体业务场景进行数据分析，使得数据产品具有商业价值（顺便提一句，数据产品大部分是to b的，例如智能营销、舆情监控等），而把数据分析进行产品化，则完成了数据分析过程的标准化和流程化，降低了门槛和使用成本，从而可以实现面向企业的批量售卖。

理解清楚数据产品经理的本质之后，想入门数据产品其实也可以分成两个方面进行，一方面就是数据分析的核心技能，例如Python, R, SQL, Tableau，掌握常用的ML模型，扎实的统计知识，商业分析的思维，有商业价值导向的数据分析经历。同时也需要具备产品经理的能力，竞品调研，项目管理，产品设计，核心指标数据字典定义等等。

掌握数据分析和产品经理的skillset和mindset，已经可以算入门了，如果想要精进的话，则需要去通过实习和工作，切入具体的领域，去积累更多的行业insight和方法论，逐渐形成在数据产品行业自己的竞争壁垒。

数据平台/BI产品经理：设计对内、或对外的数据平台产品。

演算法/策略产品经理：通过数据的计算、验证、假设，直接设计用户使用的产品流程。比如个性化推荐、搜索推荐、用户画像、程序化购买等。业务/数据可视化产品经理：通过数据提取、计算、展现，帮助业务方向分析、决策产品流程。比如流量漏斗分析、销售分析、或某些特定的业务（客服）分析等。

数据提取能力：基本技能。产品数据经理一定要先会取数据，需要使用基本的数据分析工具，SQL、EXCEL、Python等。每种工具要掌握到什么样的程度，常用的语法和库有哪些，以后的文章再介绍。

数据分析能力：基本技能。遵循一个标准的流程：监测数据----发现问题----分析原因----提出解决方案----跟进验证。业务理解能力：核心能力。这个能力也决定了个人以后在数据这条路上能走多远。锻炼这个能力的方法就是多看多学多练，一定要提高自己的业务敏感度。产品经理通用技能：基本技能。需求分析、调研、交互工具的使用，基本沟通技能等等。数据可视化能力：基本能力。你的工作成果最终是要产出给老板或业务需求方查看的，通过数据可视化，可以更好的形成汇报或沟通。

数据产品经理，主要任务是：数据挖掘完成关键?标，负责实现数据产品工具，并用它去满足特定数据使用需求。

这是一个技术型综合岗位，需要懂程序、又要懂产品，还要懂数据，基于跨界融合能力，这样的工作一般是同等级产品经理中薪酬最高的。

掌握的技能有：

（1）数据生产，例如写一些数据生产脚本，产出数据表，甚至维护数据生产流程；

（2）数据提取，例如负责对业务提出的数据需求提取数据，交付准确可靠的数据；

（3）数据分析报告，例如分析日常业务，产出分析报表，形成业务结论；

（4）数据运营，例如建设指标字典，运营指标字典和数据产品，运营数据，排查数据问题等。

先明确你准备做数据产品的产品经理，还是用数据的产品经理

推荐阅读：
相关文章