认识数据产品经理（一 数据产品经理的细分）

​产品经理这个职位，最早是在100年前宝洁公司的产品研发和项目管理过程中诞生的职位，随着互联网的普及被大家所熟知。而大数据时代，需要一种数据人才，能同时站在数据和业务的角度，连接数据生产者和数据消费者，基于数据进行创造和价值萃取，让业务过程数据化、数据过程系统化，这便是数据产品经理的角色定位。



上面这个概括虽然凝练，其实不太直观，可能不足以说清楚数据产品经理的职能和日常，因为不同的细分方向、不同的公司和业务环境，差异还是比较大的。



要理解数据产品经理，需要先理解大数据



传统的数据分析，早已有之，而以Hadoop为代表的能支撑海量数据的分布式存储和计算环境，其实发展了才不到20年，但由于大数据行业的市场需求强烈，近十年国内发展也极为迅猛。所以，第一类数据产品经理，其实是平台型产品经理，将大数据技术进行产品化封装的基础工程实践者。

平台型产品经理：大数据基础的奠定者



平台型产品经理，主要解决的是设计和搭建基础的大数据平台，为数据采集、数据开发、数据监控、数据查询和消费等环节提供底层平台工具，让海量数据的汇聚和快速处理变为可能。数据分析师、算法工程师、BI 工程师等数据开发角色，可以在平台产品经理规划设计的工具上，以简洁明了的方式，处理数据流，玩转大数据。而 HDFS、Mapreduce、Yarn、Spark、Presto、Kafka、Sqoop、Flink 等进行海量数据处理的组件，都是平台工具的底层框架，被产品经理以更友好的界面进行封装和串联，做成了元数据管理系统、数据开发平台 IDE、数据采集和传输工具、数据调度平台等面向数据开发过程的工具，以及算法平台、可视化工具等面向算法开发或者可视化分析等场景的平台化工具。

这类产品经理，一般都是在研发团队，做基础平台建设，或者数据中台团队，提供基础的公共数据服务。需要了解大数据的底层框架及原理，熟悉数据开发者的工作流程和目标，但不一定需要对算法本身或者业务场景有太深的了解。

分析型产品经理：数据与场景的连接者



分析型产品经理，更多的是需要业务思维和商业敏感度，需要对业务过程和策略有深刻思考，同时还要对数据来源、指标体系和数据处理过程有充分认知，将业务思维和数据思维结合，目的是让数据结果更好得作用到业务过程中去，让业务过程可量化、可诊断、可预测。



分析型产品经理，首先需要的是生意视角，能洞察市场规律、把握客户习惯、根据经营管理策略聚焦业务发展机会，将业务过程，落成数据化的描述，并总结为分析框架，类似用户增长中核心的 AARRR 模型、RFM 模型以及经典的 AIPL 用户心智理论。



这类产品经理，往往在业务体系，服务于某一个行业的深度经营，典型的产品包括阿里巴巴的生意参谋、策略中心，京东的商智、数坊、智能补货系统等，字节跳动的云图等，也有直接在业务体系绑定业务过程进行数字化运作的产品，梳理业务核心指标体系，形成常规监控，并通过分析策略，支持业务更好的发展。



算法型产品经理：数据智能的驱动者



虽说产品经理，很少做实际的编码工作，但算法方向的产品，也是一个技术密集型的角色，需要对算法原理有足够多了解才能胜任。

算法方向的产品经理，主要是对业务场景进行探索，并通过算法工程师、数据挖掘工程师的配合，进行综合分析和落地。



典型的应用，比如广告 DMP 系统、搜索与推荐的个性化应用场景、智能客服系统等等，基于结构化或者非结构化数据，通过清洗、标注、算法应用、业务验证的多轮迭代，最后上线运行，持续通过数据提升业务的智能化水平。



随着企业数字化能力的提升，信息化和智能化将是必然的趋势，而作为数据应用的核心角色，新诞生不久的数据产品经理岗，将呈现越来越大的市场缺口，对于想要加入数据产品行列的新人来讲，了解清楚细分的方向，有助于对数据产品经理形成整体的认知。



当然，对数据产品经理的细分是为了更好的理解，而不是对分工的固化，尤其是不同的企业发展阶段，对于数据应用模式的要求不同。前期会以平台建设为主，有了平台一定会需要通过统计分析、算法挖掘等结合来形成创新应用，同时考虑数据资产的沉淀和统一管控。所以数据产品经理从入门到进阶到过程，其实也是跟随平台发展，持续发挥数据驱动力的过程。