首先希望大家能重新认识经理这份工作:大数据产品经理并不一定要数学能力强或者编程能力强,只要你有用数据思考的方式,有相信数据的信念,有数据决策业务的意识,你就是个合格的数据产品经理了。虽然目前数据产品经理在产品类岗位中已经很垂直了,但是思考方式和思维格局还是要比技能本身重要。
按照工作职责,数据类产品经理大致分为:数据分析产品经理,数据挖掘产品经理,策略产品经理,数据工程产品经理。
数据分析产品经理
数据分析工具:SQL,python,excel(大部分分析工作都能搞定,尤其是透视表和基本公式要熟练)
基础统计学知识:离散型/连续型概率分布,抽样分布,区间估计,假设检验,回归拟合简单方法,曲线相似度判断(这是我经常用到的,所以先写进来了)
数据可视化工具:excel,tableau
业务理解能力:快速定位数据问题,利用数据指导运营,市场分析能力,竞争态势分析能力,数据敏感度
数据挖掘产品经理
行业理解能力(越深刻越好):之所以把行业放在最前面,是因为数据挖掘和场景一般需要紧密贴合,对场景理解的程度直接决定了数据挖掘的方向和方式。例如:用户连接WiFi的数据,在金融风控领域可以做人群关系从而判断欺诈团伙;但是在推荐领域可以做一度人脉,进行内容冷启动推荐。所以数据挖掘产品经理,核心是行业理解能力和实践经验。
数据认知能力:数据质量把控(数据维度,密度是否足够支持挖掘出有价值的东西),数据特征把控(期望,方差,标准差等指标)
算法认知能力:监督/非监督机器学习(涉及到是否需要样本标注数据),主要算法都能解决什么问题(分类问题,回归问题等),曲线相似度如何评估,算法效果评估(AUC,KS等指标)
挖掘认知能力:不同数据的来源和去向,数据隐私保护条例和数据采集合规性等法律条款,不同类型数据的特征(例如短文本和长文字数据特征不同,生成手机设备指纹需要采集哪些维度数据等)
产品经理范畴能力:数据产品设计,数据展示前端设计,数据权限管理等
策略产品经理
这里强调的还是数据层面业务打法布局等范畴的能力,而不是使用数据做决策的产品经理(因为我把这个范畴划分到数据分析产品了)
市场分析:数据市场规模,行业前景预测,未来关键事件影响,市场资本规模等
竞品分析:有哪些是竞品,竞品的业务边界,竞品的发展历程和关键节点,竞品的竞争优势,我们的竞争优势,我们的竞争机遇等
行业理解能力:广告,金融,电商,新零售,O2O等多个行业,都离不开数据,因此行业理解能力至关重要,也需要长期积累
打法落地:业务愿景和产品内核,哪些自己做哪些找合作伙伴,如何整合优势打市场空白,内部如何沟通并且争取资源,结果如何评价等等
数据工程类产品
核心就是对数据采集,存储,计算,数据库等技术方面了解,提供高效准确稳定的数据通路。这类产品经理比较偏技术了。
数据采集:SDK埋点采集,爬虫采集,现有数据接入(接口或者excel等渠道)
数据库:关系型数据库(mysql,DB2,SQLServer)的特点,非关系型数据库(OceanBase,HBase,MongoDB)的特点,数据处理模型的特点(OLAP,OLTP)
数据仓库:数据同步(直连同步,文件同步等),ETL,数据作业调度管理流程,数据质量监控等
离线计算:数据体量较大时如何存储,如何解决数据漂移问题,选择增量计算还是全量计算等
实时计算:流式计算架构,数据处理层级(ODS,DWD,DWS等,在数据仓库里面也涉及到了),多留关联等
维度表设计:维度设计原则,维度整合,一致性原则,雪花模式维度设计,维度拆分(水平拆分,垂直拆分)
事实表设计:事实表设计原则,事实表设计方法(梳理业务过程,声明力度,确认维度,确定事实),几类事实表特征(事物事实表,快照等)
以上,都是按照职能来划分的数据产品,如何具体到行业,还可以细分为统计/风控/推荐/广告等多个细分领域。
一个数据产品的职业生涯,不可能总处于同一个领域(例如同时做统计和金融风控两个领域的数据产品),甚至不可能是同一个职能(例如年终汇报时担任数据分析产品经理,项目实策划时担任策略产品,项目执行时担任数据挖掘产品)。所以数据产品经理的天花板很高,可以掌控的范围也很广,对于新知识和学习能力的要求也很高。
数据产品的核心竞争力是:业务理解能力+数据专业能力。先理解业务,然后在算法/数据挖掘/策略/性能架构 等几大方向上有一技之长,就能在实际工作中发挥很大价值。
当然如果上述能力全部掌握,那就是全栈数据产品经理了,路漫漫其修远,一起上下求索吧。