一、引入
在介绍数据产品之前，我先简单地介绍一下自己。
初入职场的我是一名后台研发，在繁忙的项目交付中，也涉猎了前端的内容。从研发转数据产品后，基于自己对信息系统、数据结构的良好认知，快速适应了角色。
最开始赶上风口，在传统行业做数据中台/省级政府的数据项目，后来经历了各种坎坷（双减风暴+裁员），好在因为自己对于数据底层的知识扎实，跳槽涨薪一路转到纯互联网企业真真实实接触大数据。
不过，不同的行业、不同的岗位、不同的公司，这些差异比较大的工作经历让我从不同角度审视着数据，在我的职业生涯里，我一直在关注着数据，思考着数据，不断提升对数据的认知。
介绍完毕，接下来，我想跟你展开聊聊数据产品经理这个岗位。
二、数据产品经理主要是做什么
之前也有一些朋友问我，数据产品经理平常都做什么，我会开玩笑地说：额......搬砖，挨骂，背锅。
说的这些，其实也是数据产品日常工作吐槽的缩影吧~因为要给很多部门做支撑，甚至还要给研发和数据分析师做工具，很多时候，我们是在价值链条里被人们忽视的地方。
1、先聊聊数据产品
一些小伙伴，尤其是非数据行业的，对数据产品的印象停留在报表、大屏方面，比如下面这样：
但其实，数据产品不仅仅只有报表。很多普通用户，接触到了一些APP其背后也都是数据产品。
比如，一些APP的年度报告，微信读书的年度总结、B站的个人回顾等，这些产品在视觉、交互层面会丰满、有趣，这些离不开数据产品的支撑。
还有一些数据工具，则是很多人看不到的，或者没感知到的。
比如短视频给我们推荐的视频、图文等等，都是数据产品在发挥作用。
这些背后的推荐规则、以及管理规则的平台，是很多人感知不到的。
而这些，也还是数据产品的范畴～
当然了，还有一些便于操作的，面向应用的数据产品。
2、一句话概括数据产品经理的职责
总体来说：搭建数据生产应用链条，将数据驱动业务发展的各个方法论落地成体系化的产品。
为了帮助大家理解，我将用一个生活化的例子，来类比数据处理的流程。
从埋在土里到被端上餐桌，土豆处理的流程大体如下：
采集（人工或用机械将土豆挖出来）
运输 & 存储（将土豆转运到仓库或者厨房）
定标准（设定评选方法，确定切块的大小、切丝的长度）
清洗 & 精加工（清洗泥土，削去表皮，按照标准切成方块、长条、土豆丝）
烹饪 & 摆盘（厨师烹饪，出锅、摆盘、端上餐桌）
菜品在准备好后，要在厨房经历清洗、切割、烹饪、摆盘的过程，最终才会被端上桌。
数据加工链条和土豆加工流程相似，只需要将土豆替换成数据来理解。
数据平台，功能和厨房类似，在数据平台中，数据就像是菜。原始的数据被采集到数据平台，要经过清洗和加工，存储备用。
数据应用产品经理，或者数据分析师，就像是厨师，会根据特定需求，挑选数据，根据用户需求制作菜品（生成报告或推荐用户想看的视频）。
光鲜亮丽的数据报告背后，其实有很多复杂的处理工序。大体上包含了数据采集、数据存储、制定标准、处理加工、对外服务的过程。
我画了一个图，帮助解释这个对应的过程：
毕竟自己的图还是简陋了点，所以我列举了华为和网易两家厂商的数据产品方案和产品业务流程。
1、华为的数据治理产品（数据湖治理），核心构成和主干流程如下：
2、网易数帆的数据中台
光看着两家的数据产品解决方案来说，其实流程和构成都是差不多的，市面上其他数据厂商的产品，基本都是类似的，只是交互、UI、价格、成功案例上有一些差异。
总结：数据生产加工链条的各个环节都是数据产品，也都是数据产品经理所关注的。
3、数据产品的 2 种大的分类
了解完数据链条，其实就可以按照链条上的分工进行分类了，数据产品大体可以分 2 种，数据工具设计和服务业务。
1）服务业务类
参照土豆加工的例子，这类数据产品的角色和炒菜的厨师类似，主要职责是根据用户的口味，来提供所需要的菜肴，比如，提供数据报表、提供可视化的图表、提供决策的建议等等。
主要是利用各式各样的数据处理工具，为业务方提供数据服务，也就是咱们常说的数据辅助决策。
而不同行业，所需要的业务知识和数据工具也有着细微差异，不同的行业对应不同的菜系，川菜、湘菜、鲁菜、粤菜、徽菜、闽菜都是提供美味的菜肴，但是每个行业都有自己的数据配方。
当然啦，有的时候没有趁手的铲子的时候，一些数据产品也会借鉴其他行业进行创造发明。
2）数据工具类
还是参照土豆加工的例子，这类数据产品经理，工作的重点是负责大数据工具的建设。
同样做个类比，西餐的厨具和中餐也是有不同的。不同行业因为数据（原材料）情况有差异，可能使用的厨具也不同。不过，随着数据行业的发展，整体的差异已经不大的了。
常见的就是给数据分析师、服务型的产品经理、数据研发提供数据同步工具、数仓管理、数据质量、调度系统等，还有就是将一些数据分析方法论落地成快捷的分析产品，设计贴近业务需求的可视化系统、辅助决策系统等。
这两种类型，有个很简单的区分方式：工具类的数据产品经理在交付过程中要画原型、做软件系统设计。而服务型的产品经理，交付形式不限。
4、其他常见的分类
在《数据产品经理进阶实战》这本书中，作者将数据产品分为了 3 类：平台类、应用类、策略类。每种类型的侧重点不同，对应的产品经理岗位要求也有不同。
数据干饭人公众号的文章中，对于数据产品所处环节的不同，将数据产品经理分成了 4 类：底层开发工具类、数据资产管理与治理、数据可视化及智能应用、策略类数据产品经理。
我的个人习惯也是分 3 类，但是我觉得相对于平台，华为提出来的数据底座的概念更好，底座更加给人一种底层支撑的感觉。
我将数据产品划分为 3 种：数据底座、数据应用、策略算法。
底座/平台型产品更多偏向于建设这个「厨房」，而应用型和策略型产品，更像「厨师」，他们负责使用数据，发挥数据的价值，为用户制作符合他们口味的「数据菜品」。
其实，不管是3类还是4类，都是对工具、数据应用场景进行了更细致的划分。
我个人工作经历部分，主要集中于底座和部分数据应用类的产品，对于策略算法类的产品的讲述，我觉得大家可以多看看这个细分方向产品同学的分享。
正如秦腔里面唱的：你大舅、你二舅，都是你舅，高桌子、低板凳、都是木头；数据产品经理到底有多少种类，没有标准答案，不必过于纠结，合情合理就行。
还纠结？那我说一句话：万物皆产品，故人人都是产品经理！万物皆数据，故人人都是数据分析师！产品里面有数据，人人都是数据产品经理！大家都是～
5、常见合作对象和工作内容
产品经理常常说要分析不同场景不同用户的问题和需求。那么，按照按照合作对象来分场景梳理，就更加细致了。
数据产品经理，常见会和 5 类人员进行合作（这段内容，主要出自《写给数据产品经理新人的工作笔记》这本书，因为对其归类比较赞同，故而借鉴并补充了一些内容，大家可以看原书）
1）数据分析师
为其更便捷的数据提取渠道和工具；建立起不断细化的报表体系；明确有效的指标库。
其实从数据质量的角度来说，就是保证数据的及时性、准确性、一致性、完整性。不然数分同学们必然是要追着我们屁股后面要数的。
2）算法工程师
提供框架更宽、更通用的数据采集方案，协助数据开发人员优化数据库。挖掘更多算法的业务应用场景。
很多工程师的时间都花在了解决数据质量问题和提高计算效率层面，给他们提供趁手的工具很重要。
3）数据研发
需求调研、需求分析、产品设计，最终给出一份靠谱的PRD（产品需求文档）
比如，推出便捷的埋点、数据同步的工具、数仓管理、运维管理等等工具，提供给大数据研发同学们。
4）数据运营
提供基础的运营和分析工具、逐步完善的指标库。
提供标签、画像系统，DMP系统，给到大家进行各种漏斗分析、留存分析等等。将常见的针对业务的分析方法固化成系统。
5）一线业务人员
设计适用于一线运营人员的数据工具，适当降低数据使用门槛。必要时提供一些相应的操作培训。比如，提供一些报表权限如何设置、自助查询如何进行操作。
不过呢，数据产品经理的职责可能随时变化，没有明显边界，当某个角色缺失的时候，就得顶上去。
比如工作一段时间后的我，就既是数据运营（对接各个业务部门的看数、分析需求），还是数据平台产品（为数据研发、数据分析师设计各种研发、管理、分析类的工具）。
数据产品经理也是块砖，哪里需要哪里搬，开箱即用～
三、成为数据产品需要掌握哪些技能
数据产品经理，首先是产品经理，所以先简单介绍下产品经理的技能要求。
很多大公司对产品经理有完整细致的各项能力要求，我也就不重复造轮子自己弄了，简单做个资料整合，方便大家查看即可。
1、产品经理能力要求
产品经理常见能力要求见下图：
不同级别对应的要求也不一样，见下图：
很多转行产品经理的同学，经常会问 2 个问题。
第一个问题：转行产品经理，或者转数据产品经理，对产品设计能力要求高吗？不会画原型怎么办？
我的回答：从能力要求表上来看，画原型其实是初级能力要求，而中高级产品经理，更多的能力要求在于业务模型的梳理、用户需求的分析、行业的洞察、商业模式的分析、项目进度的管理、各个人员的沟通等等能力。就像学PPT一样，我们不需要成为PPT这个工具的专家，我们只需要懂得最核心的功能，照猫画虎能弄出来原型就好了。
第二个问题：面试都要求有产品经理的工作经验，而我没有，该怎么办？
我的回答：理想很丰满，现实很骨感。确实，人人都是产品经理的时代过去了，因为市场人才的饱和，买方市场早已转变为卖方市场，当下，招聘方往往会要求求职者有一定的产品经理的工作经历，而且还希望是对口行业的。简单来说，开箱即用。
我的建议是：一方面，为一个具体的目标岗位去做好万全的准备，准备好简历和面试，尽力去尝试，其他的交给缘分，尽力就好。 另一方面，不要在产品经理这个岗位上吊死，不能只看到贼吃肉而看不到贼挨打，好多（数据）产品经理也挣扎在岗位上。社会不缺产品经理，缺的是领域专家和优秀的人才。打磨自己的优点，找到契合自己的岗位也挺好。
2、数据产品经理的能力要求
产品经理本身就是个大杂烩的岗位。对于数据产品这，其侧重点是技术能力，更加强调数据分析能力、对数据加工使用链路的理解，我列觉了一些自己觉得很重要的能力。
用户人群不同，产品形态不同。比如，视频号、抖音、B站的用户习惯不同，整体风格不同。 业务不同，指标体系也不同。
比如，我所经历的教育行业和直播行业，内容、营收模式不同，玩法和经营流程不同，数据驱动运营层面也不同。 其本质是目标人群需求不同，商业模式不同，用户需求、用户特征、用户行为完全不同。
对比业务产品经理和数据产品经理，如果只说最重要的三点的话，我觉得是：技术能力 + 业务建模能力 + 沟通汇报能力。
数据产品经理要有基础的技术能力才能理解技术情况和技术人员沟通（毕竟我们面对的是高级技术人员了）；
其次，数据产品要将业务语言转换为数据语言，对业务进行数据建模和分析；
而最后一点尤为重要，作为业务、技术之间的桥梁，数据产品必须要有足够的沟通汇报能力，才能避免成为「数据工具人」，跟各方友好协作，发挥更大的价值。
3、不同级别数据产品经理的要求
初级，掌握基础的产品设计能力，对数据、技术有一定的认知
中级，在初级的基础上增加和丰富项目管理能力、沟通能力，丰富的业务知识，数据分析技能
高级，增加：团队管理能力、商业分析、战略能力等等。
还是推荐大家看《写给数据产品经理新人的工作笔记》这本书，第1章的第5小节，里面有个图。 我用蓝色（基础）和红色（进阶）对技能点进行了划分（个人观点，仅供参考）。
四、数据产品真的有大家想的那么好吗？举出劣势和优势。
因为是大杂烩的岗位，所以能接触到的内容还是很多的。这个岗位对数据思维、产品思维、系统思维，都会有极大的提升。
1、做数据产品的好处
1）提升数据思维
数据思维体现在按照一定的逻辑、层层抽丝剥茧分析问题。
在分析公司业务、做发展规划时，都需要指标体系的支持。对大盘、一级指标、二级指标等进行整理，通过核心指标能更好地指导复盘总结，提高成功的概率。
具备了数据分析思维，有助于去做操盘手。
2）提升产品思维
设计一款能用、易用、好用的数据产品，设计一款符合大众认知、能引起传播的数据报告，都需要我们利用产品思维对用户进行深入的洞察，去发现他们的喜好和需要解决的问题。
很多事情都是需要洞察需求、换位思考的，比如写文章、做社群、做销售。具有好的产品思维的人，总是能让被服务的用户感到舒适、贴心，引发共鸣。
3）提高系统思维
《写给数据产品经理新人的工作笔记》里有这样一句话：作为一个数据产品经理，永远需要从全局出发做出判断，千万不要在各类业务需求之间企图做一个“烂好人” 。
虽然是有经理的 title，但是产品经理从来都是协调者，对接者。
想要做好一件事情，必须是从全局出发去考虑，做一步想两到三步，思考怎么去配合与协调，这个环境下，必然很锻炼系统思维。
2、做数据产品的劣势
我们难免会带着光环的视角看其他我们没做过的岗位，但其实每个岗位都是围城，得不到的永远在骚动，被偏爱的却有恃无恐。
每个岗位都有其优劣的，当我们亲身投入这个行业，这个岗位以后，都会知道，并不是如外人想的那样光鲜亮丽，背后也是有很多岗位限制和心酸的。
1）容易成为背锅侠
很多时候，当数据出问题的时候，其他任何部门都会找到数据部门去解决。
但是，数据生产和加工链路是很长的，数据的生产端不在数据部门，有的时候，真的是欲哭无泪，为了解决一个数据问题，去做了一套数据治理。
脏活累活不少干，出问题背锅少不了，但是拿战功别人在更前头。这个很多组织里面，后勤管理、支撑性的部门，都会有这样的劣势。
2）容易成为工具人
很多时候，听到一些应用层的数据产品同行诉苦：天天做业务线的需求，忙死了。
但是很多时候，我们做的报表、做的策略对方到底有没有使用、量化结果如何，我们是不知道的，简单来说，就是因为没有决策影响力，导致我们对业务的影响没法形成闭环。
如果没有决策影响力、没有话语权、没有闭环意识，很容易沦落为业务方的工具人。
如果真的没有决策权，只能深入业务，服务好业务方。退一步说，好歹要和业务方搞好关系，拿成果的时候好歹提咱们一嘴。
3）容易找不到价值感
因为岗位特性，岗位价值体现不是那么直白和容易。
如果前面两个点都踩坑了，很容易丧失自信，找不到自己的价值，甚至怀疑人生。
数据产品经理这个岗位，一定要积极主动，联合业务队友，提升自己的存在感、价值感。
五、最后，谈点感想
是否要做数据产品经理，千万不要泛泛而谈，因为现在岗位太细分了~ 一定要了解具体公司对岗位的要求是什么，是大而全，还是小而精，到底是去做什么类型的产品，千万要结合自己的性格特点和优势。
对于有技术背景、对大数据框架感兴趣的朋友，可以考虑数据平台产品。
对于数据敏感、对图表可视化感兴趣的朋友，可以考虑数据应用产品，做可视化、画像等。也多结合业务部门，尝试数据产品商业化，比如巨量引擎、达摩盘、广告投放营销部门。
对于喜欢冲锋陷阵，拿结果，领战功的伙伴，我建议还是要去更有决策权的岗位，比如数据运营、策略产品等。
影响一个公司的业务成败，数据只是其中的一部分。 首先，要分辨哪些行业是可以数字化的，其次，我们一定要去看重数据、且投入资源做数据化的公司，再就是结合自己的优势去到一个好部门，跟一个好领导。
最后，回归到生活里，我们自己就是一款产品。 人人都需要发掘自己的优势，做好自己这款产品的产品经理~