数据产品经理的起源&与产品经理的差异
在前面的几段产品工作经历中，都参与公司的数据平台的产品搭建工作，在今年开年的2个月时间又支援了某大型志愿平台的疫情数据产品，几乎都被问到：产品经理和数据产品经理的区别在哪里？如果我转岗应该要补充哪些技能呢？
现在，我们来剖一剖数据产品经理的兴起和两者之间的差异点。
一、数据产品经理的兴起：起于数据中台
数据产品经理的兴起，起源于各大互联网企业提出的“数据中台”的概念。
数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。首次进入人们视野的是2018年“腾讯数据中台论”，而后阿里巴巴首次提出“数据中台”的概念，主要为了应对双十一这样的业务高峰、应对大规模数据的线性可扩展问题、应对复杂业务系统的解耦问题。
数据中台帮助解决了3个问题：
- 数据体量大的互联网公司容易形成数据孤岛、多源异构数据的情况，形成历史已久的数据难治理、难统一、难共享等问题；
- 在海量的结构化和非结构化的数据中，发现业务价值，并通过大数据、智能技术价值验证，驱动业务增长或拓展新业务线，将数据能力抽象为解决方案；
- 对于大公司来说，数据中台更重要的是可以提升人及组织的生产效率。一个数据全面、技术能力过硬、可以统一调用的数据中台为业务线提供统一支持，提升管理效率和组织运作效率，促进业务更敏捷灵活。
二、前中后台的分工
字面上理解，前中后台是分工不同的端口，前台是面向用户操作体验产品的端口，后台是面向业务的数据开发、业务逻辑的端口，中台是面向数据源的集成、管理的端口。
在前后台中产生一个中台，主要作用是能够及时响应前端业务的数据需求，减少后台开发的时间成本，与此同时也和后台数据开发保持协同一致。
举个生动的比喻，数据中台就好像生鲜配送的前置仓，为了让生鲜产品最快速度最新鲜状态到达消费者手中，设置了附近方圆公里的配送前置仓，离消费者更近，更快响应消费者需求。
前中后台的工作结构图，了解三层之间的工作协作关系：
数据中台的工作结构图，了解中台工作内容及工作环境：
数据中台开发团队，了解工作环节、不同角色人员及对接关系：
数据产品经理知识框架，了解工作内容、工作职责：
三、数据产品经理的发展阶段：先技术后产品
1. 技术替补
当中需要应用到产品化的基本能力外，更需要对数据的采集、处理、分析、应用的能力，如：爬虫采集数据、埋点设计、数据清洗、数据抽取、数据指标体系、指标字典、数据可视化等。
先技术后产品，前期这部分工作大都是从内部开发团队中抽取出来应对的，如数据仓库师、数据挖掘、数据分析等相关角色来进行支撑。
这部分工作进行到后期，需要向数据应用输出了，开发人员开始消化不了产品思维的东西，无法实现业务场景化、目标人群分析、产品结构化&页面化。这个时候才提出岗位角色：数据产品经理。
2. 产品转岗
大部分公司采取现有产品经理兼顾数据产品应用化的工作，转岗的节奏大致是：数据可视化>数据指标>指标字典>埋点设计&管理>数据分析。到数据仓库这个层面，才算初步完成了数据产品经理的转岗。
3.角色职业化
往更高级一点的数据产品经理上走，需要深入到数据底层的生产、采集、管理工作。
接上面的连接就是：数据分析>数据仓库>数据采集/清洗（掌握PythonSQL等技能 ）>算法&推荐（当然也被延伸出来算法/推荐产品经理）。
到了算法和推荐层面，是目前数据产品经理的最高级。能够精进数据、优化算法、精准推荐，把握并实现前端业务场景的商业价值最大化。
四、与产品经理工作的区别
通过以上的数据产品经理起源和发展阶段这些底层背景的整理，就很容易归纳出与产品经理的不同之处在哪里，工作侧重点在哪里，应该掌握什么样的技能，怎么规划自己的转岗之路。
1. 需求关注点不一样
产品经理承接的是需求方的页面/功能设计需求，关注的是产品前端体验是否良好、页面/业务逻辑是否合理或无误；最终产品经理交付的是需求文档（PRD），对版本的跟踪、迭代、维护；
而数据产品经理承接的是需求方的数据获取的需求，关注的是采取何种方式获取所需数据、不同数据在数据仓库的管理方式、结合业务给出合理的数据分析、以最佳的图表可视化出来；最终数据产品经理交付的是最新版本的指标字典，对数据指标的定义、管理、优化；
2. 工作流程不一样
产品经理面向的是一个个页面开发和功能实现的工作任务，开发任务是确定的，产出的页面可量化，工作量会由实现方式和逻辑有个增减变化；
数据产品经理面向的是一项数据开发的工作任务，由“是否为新数据需求”来判断是否需要开始一项数据开发的工作任务，因为获取数据的难易程度不同，尤其是涉及到算法类的，所以工作量不容易被量化，工作流如下图：
3. 具备知识/技能不一样
产品经理所需技能：
除了上述知识/技能，数据产品经理更为侧重以下知识/技能点：
a. 计算机语言层面：熟练使用MySQL，SQL、Hive等语言；
b. 熟悉数据生产加工流程：数据采集，数据预处理，数据存储，数据分析，数据挖掘，数据可视化，数据服务产品化；
c. 需要了解的各类技术理论及发展趋势
- 了解主流大数据产品及分布式大数据技术，如Hadoop(HDFS和MapReduce)，Hive等；
- 了解主流大数据编程语言，如phthon、R、MongoDB等；
- 了解主流BI产品，如Tableau、saiku、kylin、BDP、growingIO、神策等；
- 了解数据仓库技术及理论，并对其发展趋势有深入了解；
- 了解数据分析，数据建模和数据挖掘技术及理论。
好了，关于数据产品经理的123现整理到这，后续相关数据产品实战的经验再逐一剖析吧~
本文作者 @ 陈爱雯 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
