簡單介紹一下數據產品經理和產品經理的區別：

1. 需求關注點不一樣

產品經理：承接的是需求方的頁面/功能設計需求，關注的是產品前端體驗是否良好、頁面/業務邏輯是否合理或無誤；最終產品經理交付的是需求文檔（PRD），對版本的跟蹤、迭代、維護；

數據產品經理：承接的是需求方的數據獲取的需求，關注的是採取何種方式獲取所需數據、不同數據在數據倉庫的管理方式、結合業務給出合理的數據分析、以最佳的圖表可視化出來；最終數據產品經理交付的是最新版本的指標字典，對數據指標的定義、管理、優化；

2. 工作流程不一樣

產品經理：面向的是一個個頁面開發和功能實現的工作任務，開發任務是確定的，產出的頁面可量化，工作量會由實現方式和邏輯有個增減變化；

數據產品經理：面向的是一項數據開發的工作任務，由「是否為新數據需求」來判斷是否需要開始一項數據開發的工作任務，因為獲取數據的難易程度不同，尤其是涉及到演算法類的，所以工作量不容易被量化，工作流如下圖：

3. 具備知識/技能不一樣

產品經理：所需技能：

除了上述知識/技能，

數據產品經理：更為側重以下知識/技能點：

a. 計算機語言層面：熟練使用MySQL，SQL、Hive等語言；

b. 熟悉數據生產加工流程：數據採集，數據預處理，數據存儲，數據分析，數據挖掘，數據可視化，數據服務產品化；c. 需要了解的各類技術理論及發展趨勢
  • 瞭解主流大數據產品及分散式大數據技術，如Hadoop(HDFS和MapReduce)，Hive等；
  • 瞭解主流大數據編程語言，如phthon、R、MongoDB等；
  • 瞭解主流BI產品，如Tableau、saiku、kylin、BDP、growingIO、神策等；
  • 瞭解數據倉庫技術及理論，並對其發展趨勢有深入瞭解；
  • 瞭解數據分析，數據建模和數據挖掘技術及理論。

大部分公司採取現有產品經理兼顧數據產品應用化的工作，轉崗的節奏大致是：數據可視化&>數據指標&>指標字典&>埋點設計管理&>數據分析&>數據倉庫&>數據採集/清洗（掌握PythonSQL等技能 ）&>演算法推薦（當然也被延伸出來演算法/推薦產品經理）。到數據倉庫這個層面，纔算初步完成了數據產品經理的轉崗。到了演算法和推薦層面，是目前數據產品經理的最高級。能夠精進數據、優化演算法、精準推薦，把握並實現前端業務場景的商業價值最大化。

數據產品經理知識框架，瞭解工作內容、工作職責：

希望對你有幫助，可以先從數據可視化和埋點做起～～（以下三本書數據產品經理必修課～）

電子書數據產品經理修鍊手冊——從零基礎到大數據產品實踐作者 大鵬￥ 47.40去查看?

電子書產品經理數據修鍊 30 問作者 R.D.￥ 48.30去查看?

數據產品經理必修課：從零經驗到令人驚艷京東￥ 34.99去購買?

對於入門數據產品經理，可以先了解下數據產品設計要點，從工作內容中找自己要彌補的技能。

更多歡迎關註：產品經理成長專欄每週定期更新數篇產品工作思考。

01 首先，產品經理要定義最核心關注的指標有哪些

選取哪些指標來度量效果，是一件看似細小卻最為關鍵，需要產品經理專業判斷的點。比如，同樣是電商賣家，對於新入局的商家來說，獲得足夠規模的流量是最關鍵的，那麼訪客數這個指標就是最重要的點；對於非常成熟的品牌，市場份額佔比、特定增量市場開拓更重要，那麼市場排名、特定市場銷售增速是最需要關注的指標。而這都取決於產品經理對於業務場景的深入理解。

當然，更常見的是，產品經理會用羅列十幾個指標去替代以上判斷，動輒羅列10+甚至幾十個指標，其實是把複雜留給用戶簡單留給自己的表現。個人認為，數據產品真不在於指標夠多，而在於能用最少的數字最高效地刻畫現實。

02 另外，指標的時間範圍要多久，要結合用戶場景和指標特點來看

在設計數據產品中，常見的指標時間範圍有 實時、近1天、近7天、近30天、自然周、自然月、季度、自然年等。用戶可以查看這段時間內的指標表現。但和之前提到的問題一樣，許多產品設計認為給用戶提供越多範圍越好。

但是，產品經理是要[在有限資源下，創造更多有利可圖的用戶價值]。指標的計算、長時間存儲、維護都需消耗成本。在這裡，我的建議是 1. 本身變化越小的指標，適合長週期更新。例如電商商家的客戶畫像，在很長一段時間都不會太大變化，那麼1個月甚至1個季度更新一次就可以；2. 回到用戶實際場景，究竟多高頻率用這個功能？如果1個月1次的復盤，大可不必計算1天、7天、30天的數據。

03 其次，要設計benchmark對比，發現指標數據背後代表的信息

在工作的第一年，一位浸潤數據分析10+年的老大曾和我說「沒有對比的數據是沒有任何意義的」。孤立的數據不能說明任何問題，典型的benchmark有三類：① 自己和自己比，如環比昨天/上週，同比去年，或較過去一段日常水平比較；②自己和目標對比，如當前數據與目標進度比較；③自己和外部對象對比，比如自己增速和競爭對手比，市場份額佔比比較等等。

04 要將指標進行拆解或下鑽，幫助用戶找到最需要關注的因素。

再複雜的事情，只要掰開揉碎都會變得簡單。世間豐富多彩的萬物，拆到最細粒度也就是結構固定的細胞結構、化學元素。

數據分析也是這個道理。通常有兩類細分方式，指標本身的拆解，例如銷售金額=購買人數*客單價=新買家*客單價+老買家*客單價，當你發現銷售金額不及同行增長快，通過拆解可能就發現是新買家乏力是主要原因。另一類方式是指標的下鑽，還是以銷售金額為例，下鑽到不同省份/城市、不同商品、不同銷售人員，同樣能看到原因。

而同樣一塊蛋糕，到底怎麼切分才能找到關鍵問題，考驗的卻是產品經理的商業理解和洞察力。在這篇文章裏先不詳述了。

05 如果你能再多做一步，應該幫助用戶去行動，真正優化指標數據

前面的設計，都是在幫用戶解決 what（在發生什麼）、why（為什麼），而基於洞察的優化策略才能真正解決how的問題（如何去改善）。一旦發現銷售增長較同行乏力是由特定品類帶來，進一步分析是單價相對偏低？商品庫存缺貨明顯？用戶可以做A/B/C去改善這個指標，甚至你的產品能和操作類產品打通，形成系統上的行動閉環。

有幸在互聯網大廠做數據產品經理的實習，leader深耕數據產品十年，跟著學習到了很多。所以鬥膽來分享一下數據產品經理的入門和學習路徑。

數據產品經理核心，理解起來就是數據分析+產品經理。主要的能力是結合具體的行業和業務場景進行數據分析，並且把數據分析產品化。

結合具體業務場景進行數據分析，使得數據產品具有商業價值（順便提一句，數據產品大部分是to b的，例如智能營銷、輿情監控等），而把數據分析進行產品化，則完成了數據分析過程的標準化和流程化，降低了門檻和使用成本，從而可以實現面向企業的批量售賣。

理解清楚數據產品經理的本質之後，想入門數據產品其實也可以分成兩個方面進行，一方面就是數據分析的核心技能，例如Python, R, SQL, Tableau，掌握常用的ML模型，紮實的統計知識，商業分析的思維，有商業價值導向的數據分析經歷。同時也需要具備產品經理的能力，競品調研，項目管理，產品設計，核心指標數據字典定義等等。

掌握數據分析和產品經理的skillset和mindset，已經可以算入門了，如果想要精進的話，則需要去通過實習和工作，切入具體的領域，去積累更多的行業insight和方法論，逐漸形成在數據產品行業自己的競爭壁壘。

數據平臺/BI產品經理：設計對內、或對外的數據平臺產品。

演算法/策略產品經理：通過數據的計算、驗證、假設，直接設計用戶使用的產品流程。比如個性化推薦、搜索推薦、用戶畫像、程序化購買等。業務/數據可視化產品經理：通過數據提取、計算、展現，幫助業務方向分析、決策產品流程。比如流量漏斗分析、銷售分析、或某些特定的業務（客服）分析等。

數據提取能力：基本技能。產品數據經理一定要先會取數據，需要使用基本的數據分析工具，SQL、EXCEL、Python等。每種工具要掌握到什麼樣的程度，常用的語法和庫有哪些，以後的文章再介紹。

數據分析能力：基本技能。遵循一個標準的流程：監測數據----發現問題----分析原因----提出解決方案----跟進驗證。業務理解能力：核心能力。這個能力也決定了個人以後在數據這條路上能走多遠。鍛煉這個能力的方法就是多看多學多練，一定要提高自己的業務敏感度。產品經理通用技能：基本技能。需求分析、調研、交互工具的使用，基本溝通技能等等。數據可視化能力：基本能力。你的工作成果最終是要產出給老闆或業務需求方查看的，通過數據可視化，可以更好的形成彙報或溝通。

數據產品經理，主要任務是：數據挖掘完成關鍵?標，負責實現數據產品工具，並用它去滿足特定數據使用需求。

這是一個技術型綜合崗位，需要懂程序、又要懂產品，還要懂數據，基於跨界融合能力，這樣的工作一般是同等級產品經理中薪酬最高的。

掌握的技能有：

（1）數據生產，例如寫一些數據生產腳本，產出數據表，甚至維護數據生產流程；

（2）數據提取，例如負責對業務提出的數據需求提取數據，交付準確可靠的數據；

（3）數據分析報告，例如分析日常業務，產出分析報表，形成業務結論；

（4）數據運營，例如建設指標字典，運營指標字典和數據產品，運營數據，排查數據問題等。

先明確你準備做數據產品的產品經理，還是用數據的產品經理

推薦閱讀：
相關文章