在当今数字化时代，不仅数据方面的人才需求越来越旺盛，而且会有越来越多人把数据产品经理作为求职方向，那么求职者或者新从业者应该如何准备呢？本文对数据产品经理进行多方面分析，有需要的朋友一起来学习吧~

随着数字化转型进程的加快，数据方面的人才需求越来越旺盛。互联网早期，人人都是产品经理。数字化时代，不管会不会人人都是数据产品经理，但的确越来越多人会把数据产品经理作为求职方向，或者开始转型做数据产品经理。

对于新从业者，最大的困惑就是目标很明确，但是不知道如何下手准备。这里列举了数据产品经理的技能项，希望可以为更多求职者或者从业者提供明确的方向，可以针对性地对自己的能力维度进行训练提升，成为“多边形”数据产品经理。

一、数据产品经理，需要哪些能力

1、数据产品经理技能项

学习之前，首先需要知道自己该提升什么，这样才会有的放矢，不至于眉毛胡子一把抓，无从下手，所以需要知道该补充哪些能力。前期的文章中，系统地介绍过数据产品经理岗位的定义，以及相关的技能树，概况下来，数据产品经理需要产品经理的通用能力加上数据的专业能力。例如，作为产品经理：

• 需求挖掘与分析：掌握理解业务场景和用户痛点的方法，不是只满足用户提出的需求，而是可以利用各种需求分析的模型或方法，挖掘出更符合战略定位的产品需求或功能需求
• 竞品分析：保持对行业敏感度，不是简单的抄竞品，而是知其然知其所以然，取其精华去其糟粕
• 产品规划：产品经理的职业发展路径从负责某一产品功能模块到独立产品再到产品线，产品规划要求逐步提高，高手下棋走一步看十步，新手走一步看一步。
• 产品设计：将产品需求转化成产品的解决方案
• 沟通协调：产品经理除了PRD外，要不断地和业务沟通需求，和研发沟通开发过程，向上汇报，推广培训。
• 项目管理：依赖于研发团队才可以完成方案到产品的落地，因此需要掌握项目管理的方法和技巧，保证项目按计划进行。
• 产品运营：产品上线不是终点，带来业务价值才是目标，所以，需要不断地获取新的用户，提升老用户体验，促进推荐和留存。比如，用户调研方法等。

同时，数据产品经理和数据有直接和间接的关系，因此，需要具备对应的数据能力：

• 数据分析能力：尤其是应用类的数据产品经理，只有具备分析思路才能更好的为业务、分析师提供可以高效解决他们问题的数据产品。比如，指标体系的梳理和构建。
• 数据采集和埋点：数据团队不生产数据，只是数据的搬运工，业务团队生产数据但是不是数据专业，所以想要避免事后无数据、数据不准，亡羊补牢，数据团队提前参与数据采集规范的制定，可以做到防患于未然
• 数据资产管理和治理：数据本身没有价值，只有资产化加工和管理后，才能更大发挥其作用，就像原油加工成汽油、柴油、各种化工用品一样。没有厚实的数据资产作为基础，上层的数字化转型、各种数据产品都是无源之水，现在都说数据成为战略级资产，很多企业往往是缺少将数据资产化的能力，而且这一方向在未来一段时间内的缺口会更大。
• 大数据技术理解：数据从采集、加工处理、业务应用经过非常长的数据链路，在这个过程中，涉及到数据同步集成、存储、计算各种组件，对应的数据加工工具，也是数据产品经理的一个垂直分支，所以需要了解不同组件的应用场景和数据流转的链路，这样才能更好的和用户（数据开发等）沟通。
• SQL能力：数据探查和分析，一般来说，可以掌握数据查询、关联、指标聚合等场景即可。

2、数据产品经理岗位分类

此外，前期文章也介绍给数据产品按照所处的数据流转过程的层级不同，自上而下可以分为：

• 策略类数据产品：例如搜索排序、个性化推荐或AI产品经理，利用数据和前端产品深度结合，为C端用户提供更加智能化的产品
• 业务应用类数据产品：为业务数据决策或数据化运营提供数据产品或工具，比如数据报表&可视化产品，用户画像&CDP数据产品，BI工具数据产品
• 数据资产管理与治理类：为企业数据资产化管理提供更加高效便捷的工具，例如数据地图、数据质量监控、数据治理等方向。
• 数据开发工具：提供数据采集、同步、加工的流程化工具，提升数据开发和运维效率，例如离线&实时开发与任务调度工具。

二、如何确定自己需要补充哪方面的能力？

了解了数据产品经理所需要的产品通用能力以及数据能力的全貌之后，接下来就是要结合自己的目标岗位或者当前所处的岗位在不同维度的差异化要求了。产品通用能力，是作为任何一种产品经理都需要掌握的能力（B、C、D端）不做赘述，在数据方面的能力要求，主要体现在：

（1）策略数据产品经理

1. 特定行业业务知识，以推荐为例，需要掌握场景的业务场景，例如旅游产品分为本地场景、异地场景、时令推荐等，策略会面向C端用户，可以作为真实用户体验竞品。
2. 策略实现流程和常用技术，推荐流程（召回、排序等），建模流程（业务理解、特征抽取、模型训练、参数调优、模型部署、迭代优化等）、算法模型（协调过滤、神经网络、聚类等），对于算法模型，更多是结合业务场景的应用，不要求具体技术实现，因为实际开发过程，算法人员在算法选择更有自主权。

（2）业务应用类数据产品经理

1. 决策分析类：主要是数据报表和可视化方向，最重要的是分析思路，需要掌握业务过程梳理和指标体系建设的方法和流程。比如，如构建金融行业或电商行业的指标体系，根据分析思路和指标体系，设计更加简单易用的“数据可视化产品”，此外，还需要涉及一些埋点采集知识，比如，为C端产品经理或运营建立对应的流量统计分析或产品应用能力。
2. 数据应用类：以用户画像和CDP（精细化运营客户数据平台）为代表，可以结合业务对数据的应用场景，构建可以更加高效输出赋能的数据产品，比如用户画像标签体系（标签分类、建设方法），人群圈选到API服务输出到效果反馈闭环的系统化功能设计。这一方向，要求可以熟练掌握数据资产现状和应用场景评估的能力，比如，可以熟练使用SQL
3. 分析工具类，如自助BI报表，主要是设计企业自研的BI产品，随着BI商业化产品越来越廉价，很多企业不愿意从0-1开发了，而是花个几十万（如20万）买商业化BI。如果自研，则要求产品经理对于数据加工链路、数据资产建模过程、数据可视化分析等能力融会贯通，上承接业务需求，下对接数据开发建模提效。

（3）数据资产类产品经理

与数据开发人员一起负责企业数据资产规范化建设、资产管理与治理。有的企业专门设置数据仓库产品经理的岗位，对于这一岗位可能会要求结合业务知识，负责数仓业务模型的规划。相应的，要求对数据仓库、数据建模知识储备丰富，才能更好与开发人员合作。

（4）数据开发工具类数据产品

比如数据同步环节，把数据从业务Tidb从库同步到数仓HDFS，同步任务参数如何配置？小时级、天级等不同周期的任务调度设置时，需要支持哪些场景，如果对数据开发流程和相关组件不熟悉，就很难自主的挖掘开发人员需求，而沦为一个需求产品经理。所以，这一方向的产品，对大数据技术要求更高，至少要知道Flume、kafka、HDFS、Flink、Hbase、ES、Clickhouse分别是如何流转数据的吧。

三、如何提升数据产品经理相关的技能项？

首先，要结合自己的专业、历史经验以及未来职业发展兴趣，确定要切入的数据产品岗位方向，其次，可以去招聘网站上，选择对应的方向，总结下要求的岗位能力，这样就可以更加深刻的知道自己缺啥补啥。要不要花几千块钱报视频培训课程？对于问到我的同学，我的回答通常都是不要。因为虽然我不知道有没有好的课程，但是至少我看过的，以科普居多，为了凑时长废话也比较多。有时2倍速也不影响观看效果。

虽然现在消费升级，5000块对于求职者来说不是事，但个人觉得会比较冤。建议的做法是，对照技能树的能力维度，结合个人的特长，逐个击破。最终，再做抽象汇总，融会贯通，形成全面的数据产品能力。比如，你要学习数据资产方面的知识，不管是网上的文章还是一些专业的书籍，都是可以作为你近期的攻克重点。