最近在参加梁大的《数据产品经理训练营》，所以想着通过写文输出的方式一方面来倒逼学习，另一方面可以对所学的知识加深理解。
文章内容会以训练营所讲内容为框架，辅以网络文章、相关书籍内容作为补充。我力求把这些理性的知识结合自己的理解，用轻松、通俗易懂的语言一一道来，希望能为知识加一丝温度，享受学习的过程。
我更多地是站在一个功能产品经理的角度来写，对于非产品经理岗位的朋友们来说，可能我们所关注的重点会有偏差。
今天这篇文章主要从以下几个方面来展开说明：
什么是数据产品
数据产品的类型
数据pm的能力要求
数据pm的团队伙伴
/ 1 / 什么是数据产品
如今我们每天使用的电子产品会记录我们的网上行为，我们所佩戴的手环等可穿戴设备会记录我们的身体特征，甚至我们走在街上，路口的摄像头也会记下我们的身影，这些数据只是存放在数据库中是毫无价值的，如果能够把这些数据给到数据分析师，他或许会从中发现新的商机；如果把这些数据给到运营人员，他们能很快地评估出哪种推广活动是更有效的，……。所以我们需要通过一定的载体把数据呈现给需要它的人，这个数据的载体就是数据产品。而任何产品的产生都源于某业务场景下的需求，数据产品可以理解为基于某业务场景下对数据需求的产品化。
/ 2 / 数据产品的类型
数据产品和其他类型的产品一样，它的构建也不是一蹴而就的，搭建数据产品要考虑公司业务规模的需要、产品矩阵的依赖关系来逐步搭建。从产品架构自下而上来划分，可将数据产品分为以下三类：
1.数据质量型产品-这部分产品在搭建时重点考虑的是数据的完整性、准确性、数据指标的统一性以及数据服务的安全稳定性，主要的数据系统有有数据质量监控系统、数据埋点系统等。阿里的dqc、美团的DataMan都属于这一类。
2.数据工具型产品-这一层的产品有大数据分析平台、用户行为平台、实验平台、自动分析平台等，通常是以让用户可以高效获取并使用数据，进行科学决策为目标的。诸葛io、神策属于这一类。
3.数据应用型产品-这部分产品是通过对业务产生的数据进一步的整合、加工，来为业务负责人或用户提供洞察或预测的产品。它的价值在于用数据来驱动发展。像飞常准、生意参谋属于这一类。
以上就是一个成熟的公司应具备的数据产品了。回到具体公司的数据产品搭建上，还是应该考虑公司的业务发展阶段、成本预算等，有针对性地搭建或采购适合当前阶段的数据系统。
/ 3 / 数据pm能力要求
数据pm是负责实现数据产品的人，在日常工作中还会涉及到一些数据分析、数据运营等数据相关的工作。这就要求数据pm除了具备的产品设计、逻辑思维、项目管理等通用能力外，还要在数据技能、数据工具技能、业务及行业理解方面做到能力补全。
数据技能方面要掌握：指标字典、数据埋点、数据生产、数据分析、数据运营、数据可视化
工具技能方面要掌握：
数据查询语言-SQL、HQL
数据分析与可视化工具- Excel、R、python
数据平台搭建工具-Hadoop
A/Btest
业务和行业理解：行业理解、业务理解、商业化思维
另外，对于三种不同类型的数据产品，对应产品经理所需的能力程度存在差异。
质量型数据产品经理偏重于掌握数据的获取、清洗等生产流程，以达到能从各个环节来优化数据质量的目的。
工具型数据产品经理要能够深入挖掘用户使用数据的痛点，通过数据产品设计能力来实现数据的科学高效使用。
应用型数据产品经理更需要对行业和业务有深入的理解，具备较强的分析能力和商业化思维。
/ 4 / 认识团队新成员
作为互联网产品经理，日常和我们并肩作战的通常是UI设计师、前后端研发工程师、测试工程师。对于一名数据产品经理，他的队员们还会有数据分析师、数据研发工程师、数据挖掘工程师、算法工程师等。那他们主要负责什么工作呢？
数据分析师的主要工作是通过各种数据分析工具，从海量的数据中提取、挖掘对业务发展有价值的、潜在的问题或趋势，为产品或服务的发展提供决策依据。
数据研发工程师通常负责数据仓库搭建、数据的存储、计算处理、数据分析平台的开发和设计等。
数据挖掘工程师就是从大型数据存储库中把杂乱无章的各种数据，通过一步步清洗、建模，迭代优化，发现未知的有用模式，来决实际的业务问题。
算法工程师，和数据挖掘工程师还是比较接近的，在大部分中小公司中是不做区分的，在大厂里的话，算法工程师相对而言更偏底层一些，需要自己动手造一些高性能计算相关的轮子，提供给数据挖掘工程师使用。
学习新知：
1、 从数据产品架构层面了解了数据产品的分类，之前散落在大脑中的各类数据产品有了清晰的归位。
2、 了解了当前各类数据产品的代表性系统，方便接下来针对性地研究学习。
todo：
1、 补齐数据产品经理在数据方面、工具方面的技能
2、 对三类数据产品分别进行研究学习
网友评论