认识数据产品经理（二 数据产品经理的稀缺性）

对于一个数据团队来说，数据产品经理是必不可少的配置，市场需求十分强烈，而好的数据产品经理依然可遇而不可求，甚至是通过猎头撒网加高薪争取，都很难找到心仪的人才。



我认为主要有以下三个方面的原因：



1. 行业特性：领域很新，知识很深，迭代很快

大数据发展存在一个非常关键的转折点，就是分布式计算，Hadoop为代表的大数据计算框架出现后，让移动计算比移动数据更划算，这让海量数据的即时处理成为可能，此后应用级数据产品开始出现大规模的创新、迭代和升级，比如可视化产品从静态数据可视化，升级到动态的开发与分析可视化；用户画像变得更为精细之后，推荐或广告的精准性得到提升，千人千面和个性化成为网站常态；与云、5G的结合，让算力和算法能力得到提升，基于文本、语音、图像的深度学习技术得到广泛应用，于是智能客服、智能机器人、智慧城市、智慧农场等开始被大量实践。而这些变化，仅仅用了不到二十年的时间。



大数据是一个领域很新、知识很深、迭代很快的行业，我们在之前介绍数据产品经理的文章中，也把数据产品经理细分了三类不同方向，不同方向需要的知识储备差异很大，但数据基础的要求是一致的，需要具有对数据全链路的深度理解，从采集、存储、加工到应用，能够全面了解和贯通。而且，数据不能孤立得产生价值，需要连接到场景中合理得应用，才能发挥其价值，这就要求数据产品经理是数据和业务的双向专家，既需要数据思维也需要业务思维，这是好的数据产品经理的标准之一，但并不容易做到。



1. 岗位特性，综合能力要求高

不像数据分析师、数据开发工程师或者算法工程师，有明确的技术栈，可以围绕一类核心能力来不断加强和提升，数据产品经理需要在数据专业性之外，还需要较强的综合能力。尤其是创造力和学习能力，能够面对不确定性，快速找出解决方案，也能够保持学习的习惯，在快速变化的行业和快速迭代的业务中，保持知识更新。也就是说，同样是五年的大数据行业经验，将同一个经验用了五年，与积累并更新了五年经验，是完全不同的概念。高校对于数据知识的教育，主要在于经过较长时间沉淀的技术方面，比如传统的统计分析或者数据挖掘算法，产品方面没有既定的模式可遵循，自然也难以有统一的标准来教授，因此，个人综合素养，是很依赖于自身的禀赋、性格和个人阅历的，但也是优秀数据产品经理无法忽视的一项必要条件。



1. 平台机遇：数据也是个经验活



大数据产品经理，需要经历过具备大数据条件的平台，只有具备了足够的数据量级积累、复杂的数据应用环境，才能对企业的数据能力带来挑战。我在招聘过程中，面试过一些项目经验很匹配的候选人，看似对数据基础和数据服务类的产品有比较完整的实践经验，但因为其所在的平台业务体量较小，数据规模不够，虽然做过相关的工作，但因为没有遇到实质性的挑战，解决问题的思路和对数据理解的深度明显是不够的。



除了大平台的机遇之外，好的数据产品经理，需要能够跟随企业共同发展。在企业的不同发展阶段，对数据应用模式的要求不同，经历过之后才会有经验和方法来解决相似的问题。比如业务初期需要搭建平台的阶段，需要的是平台型产品经理；业务快速发展时期，需要的是有商业 sense 的分析型产品经理；而在业务的成熟期或者业务复杂性提高之后，需要有一定的数据治理和管理经验的产品经理。



谈到数据，其实从来不只是技术问题，懂数据的人，往往是懂企业业务发展和组织战略的人，而能做到这点的数据产品经理，必然是企业的核心人才，也是重点关注对象，一般是不会轻易允许其流失的。



好的数据产品经理，需要看行业经验、个人特质和平台机遇，而三个方面的期望都满足的人才，无异于大浪淘沙了。



市场对于大数据人才的界定也是在持续变化的，十年前，基本上懂数据仓库、会写sql的人就可以称之为大数据人才，可以拿高薪；五年前，要懂数据分析、懂算法，才可以称之为大数据人才；最近两年，需要有一定的数据治理经验，能把数据用好的同时，还能管理好，又成了市场上迫切的需求。



对于企业来讲，需要考虑企业所处阶段的数据应用需求来匹配相应的数据人才，同时，从内部具备良好的综合素养的人才中培养和提拔，也是很重要的途径。



查看相关文章：认识数据产品经理（ 一 数据产品经理的分类）