首先，我希望大家能重新认识一下数据产品经理的工作:一个大数据产品经理不一定要数学或者编程很强。只要你有对数据有用的思维方式，对数据有信念，有数据决策意识，你就是一个合格的数据产品经理。虽然数据产品经理目前在产品岗位上已经很垂直了，但思维方式和思维模式仍然比技能本身更重要。
根据工作职责，数据产品经理大致分为:数据分析产品经理、数据挖掘产品经理、战略产品经理、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***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，生成定位器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
生产部经理
这里强调的是数据层面的业务玩法布局等品类的能力，而不是用数据做决策的产品经理(因为我把这个品类归为数据分析产品)
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
工程产品
核心是了解数据采集、存储、计算、数据库等技术方面，提供高效、准确、稳定的数据通道。这种产品经理更有技术含量。
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）
以上都是按功能分类的数据产品。如何具体到行业，也可以细分为统计/风控/推荐/广告等细分领域。
一个数据产品的职业生涯，不可能总是在同一个领域(比如同时做统计和财务风控两个领域的数据产品)，甚至不可能是同一个职能(比如做年终报表的数据分析产品经理，做项目规划的策略产品，做项目实施的数据挖掘产品)。所以数据产品经理天花板高，管控范围广，对新知识和学习能力要求高。
数据产品的核心竞争力是:业务理解能力+数据专业能力。先了解业务，再有算法/数据挖掘/策略/性能架构等方面的技能。，在实际工作中会有很大的价值。
当然，如果以上能力都掌握了，那就是全栈数据产品经理。还有很长的路要走，修远。我们一起上下吧。
本文来自罗金艺还行吧投稿，不代表舒华文档立场，如若转载，请注明出处：https://www.chinashuhua.cn/24/543754.html
微信扫一扫 
