互联网产品经理经由近些年的发展，业内已经形成了相对同等的共识，对付产品经理的事情内容和发展路径，不同阶段有不同的侧重点。
由于产品经理这个岗位在大学内并没有真正的学科相对应，以是很多从其他方向转行过来做产品的征象并不少见；也一度形成了“大家都是产品经理”的趋势，这也形成了产品经理在人们心中门槛较低的印象；很多刚毕业的同学从产品助理或产品专员做起，基本在事情中不断实践历练，就能在产品这条路上越走越远 。
而近年来，随着大数据、云打算、人工智能等新兴技能的火热，“数据”一词成为了业界宠儿，实在数据领域由来已久，只不过以前大多是做传统的数仓培植等；而大数据再一次引起人们重视，一方面由于是技能的发展，另一方面随着数据量的增多，从数据中获取商业代价，实现数据资产变现已然成为每个企业数据化转型的关键路径。因此这种背景下，数据产品经理在各大招聘网站上变得十分抢手。
没有做过数据产品经理的同学，可能不知道它和互联网产品经理的差异，虽然说现在很多产品经理都哀求会一点数据剖析的技能，能够通过数据表现来针对产品做改进优化。
但与专业的数据产品经理比较，这些数据技能显得微不足道；更何况现在有很多第三方数据剖析软件，不须要会写SQL，就能通过便捷可视化操作实现查数、获取结果、剖析比对；因此，数据产品经理不仅仅纯挚是数据+产品经理的结合。
一、数据领域的基本逻辑
当我本人初次从互联网行业进入数据领域时，可以说是一无所知。
记得入职那天，在会议室遇见了一同来办入职的同事，互相交流之后，他说是做开拓的，我问是做哪方面的，他说ETL，当时我连这个岗位是做啥的都不知道，更别说ETL三个字母所分别代表的含义了；后来跟朋友讲起，我还笑着说道：我们所说的开拓不便是Java、PHP、iOS、Android什么的，ETL又是干啥的呢…
后来我创造，不只我不知道，问了很多同在互联网公司的老熟人啥的，基本没打仗过数据方面，都不知道里面的详细内容；比如Hadoop、Kafka、Spark、Streaming、Hive等这些名词，更是听都没听过。
在数据领域对付数据的处理，基本有一个特定的逻辑图，有可能是从下到上，有可能是从左到右；起初我以为是个别的这样表示，后来网上瞥见过一个大公司的先容（忘倒是阿里还是百度了，里面先容他们的数据处理，也是那样的图），我才知道，原来基本都是这样的逻辑，按照数据流向或者是处理流程分模块表示，后来随着打仗的越来越多，才逐渐领悟个中要义。
（差不多类似这样概貌的图）
比如一样平常从左到右的数据流向会分为源系统、贴源层、数据仓库、数据集市、数据运用等，不同公司根据业务不同，分层也会有所不同。
而之前我们打仗的互联网产品，数据基本都是表面能瞥见的，多属于运用部分，以是对付底层数据处理这块，非专业职员打仗较少，而数仓里面常日会有数据模型，关于建模型的意义曾经有个同事举过一个很形象的例子。
把所有数据想象成一个储物柜，而数据模型相称于里面的分隔分层，没有建模型前，所有的衣物全在一个柜子里，不管是外套、裤子、袜子、围巾等，而建模后，外套在一个格子里，裤子里一个地方、袜子在一个地方、围巾在一个地方，这样的比拟，再次去拿的时候，肯定是分门别类存放之后，更随意马虎找。
这也是数据建模的意义：把数据按模型落进去之后，能大大提升数据的处理、流转和提取效率，节省韶光，赋能业务。数据建模的方法常日包括：星型、雪花型、Data Vault和3NF。
二、对付数据产品的认知
数据产品不同于互联网产品，数据产品的一个主要浸染便是赞助决策，当然随着大数据兴起，未来可能会有更多的赞助决策型数据产品往智能决策型转变，而智能决策型数据产品的重点是干系算法知识——这个先不延展谈论。
互联网产品中常用到的需求剖析是从用户研究开始的，从定义用户的特色来创造用户的需求，而数据产品的紧张任务是帮助人们决策，而不是直接创造利润。
其余，数据产品是一个剖析数据和展示数据代价的工具；因此，数据产品的需求基本来自于两方面：决策和数据。
一个常见的数据产品便是景象预报 APP：
这属于轻赞助决策类型的产品，也便是说这类决策所造成的后果不是那么严重。比如由于没有看景象预报，导致出门没有带雨伞，那么后果要么是买一把伞，要么被淋湿；这个后果相较于企业经营决策来说没有那么主要。
以是它的盈利能力也比较弱，只能通过导流量、卖广告和推举下载APP等办法盈利，而不是通过用户为数据本身付费而盈利。
一样平常来说，哪里有数据，哪里就有潜在需求；手上有很多数据的企业特殊适宜在这个方向去开拓数据代价。互联网企业沉淀了很多数据，他们也知道若何利用这些数据，因此数据产品最先是在互联网企业被广泛运用的。
除此之外，政府也拥有大量数据，如果政府将拥有的数据开放并充分发掘其代价，那么数据产品也会有用武之地。
比如自来水公司和电力公司有大量家庭每月的用电、用水数据，这些数据目前在水电行业可能没有更好的运用之处，但是这些数据可以判断房地产的空置率，可以为房地产行业的投资决策或政府征收房屋空置税供应一定的参考依据。
三、数据产品经理的事情
数据产品经理多数会由数据剖析师或数据挖掘工程师转型过来，如果是数据挖掘工程师转型为数据产品经理，学习曲线比较平缓，而由产品经理转型为数据产品经理，学习曲线就比较陡峭；如果既不是产品经理也不是数据剖析师，就要付出更大的努力了。
总之，成为一名精良的数据产品经理不是那么随意马虎的。
我们公司目前的一些数据产品经理，起初都是在一些老牌的数据厂商比如聚源、万得、财汇等地方从事了多年的数据事情，对付业务和数据以及相应的技能能力有一些储备，以是对付产品经理不知晓的底层数据，他们相对更理解一些。
当然，不同公司根据业务不同，数据产品经理从事的事情内容也可能不同，但整体而言，个人以为数据产品经理的事情会离数据更近一些，而互联网产品经理常日离用户更近一些。
数据产品经理是产品经理更细分的一个领域，须要具备的技能更专业化，有人说做产品的人不须要懂技能，但是做数据产品的人就须要懂技能了，从一些大公司的招聘哀求可以看出，数据产品经理基本上既要懂产品设计，又要懂数据技能，还要有团队管理的能力，是综合性的人才，要有产品化的思维才能为公司创造更大的代价。
四、数据产品的设计流程
数据产品的设计流程跟一样平常产品的大致框架基本相似，由于一些固定的设计步骤是必不可少的，大体上可分为前期方案阶段、中期设计阶段和后期管理阶段，不同阶段，事情产出内容不同。
在《数据产品设计》一书中，作者艾达将数据产品设计流程分为了需求剖析、数据指标设计、数据可视化设计、数据展现逻辑设计以及产品管理5个阶段。
1.需求剖析
这个步骤和互联网产品设计的需求剖析类似，是产品设计的紧张过程，包括商业需求剖析、市场需求剖析、产品需求剖析和产品方案的过程。
2.数据指标设计
承接上一步需求剖析的结果，制订出用户最感兴趣、易于理解，并且最能表示问题实质的数据指标。
3.数据可视化设计
根据上一步设计出来的数据指标，并且根据终极数据类型和表现目的，选择最佳的数据可视化方案，将每一个数据指标都雅且直不雅观地呈现给用户。
4.数据展现逻辑设计
包含数据指标展现逻辑设计、界面设计等过程，紧张是根据各种已经实现了可视化方案的数据指标图标进行界面展现逻辑设计，除了对数据指标进行分类展现外，还须要从多个角度设计数据的展现逻辑，将每一个指标都有逻辑地呈现出来，利用户在看多个数据指标时清晰明了。
5.产品管理
包含研发管理、产品上线、后续掩护、产品迭代更新或结束等过程，这个步骤和常规的产品经理对产品全生命周期卖力的理念同等。
数据产品经理近几年随着大数据技能的成熟，逐渐受到重视和须要，但从先容来看，想要做好数据产品经理并非易事，目前很多都是只具备个中一部分能力，全面的能力须要在事情中逐步积累和提升。
一起加油！
作者：慕斯姑娘（微旗子暗记：musiguniang）生活中的小可爱，事情中的摩羯狂
本文由 @慕斯姑娘 原创发布于大家都是产品经理，未经容许，禁止转载
题图来自 Unsplash，基于 CC0 协议
