数据产品经理的成长之路

本期《数匠访谈》的嘉宾：爱数据社区马涛老师，目前是金融科技集团数据产品总监，有丰富的数据产品项目经验，包括BI系统、标签系统、用户画像系统、广告推荐系统、数据治理项目（元数据管理平台）、大型智慧城市数据中心建设、智慧城市中央控制平台建设项目等。

 嘉宾：我目前在深圳随手科技工作，公司的主要的产品是记账工具软件“随手记”，大家可能会想它主要是是一个记账工具，为什么有数据产品这个岗位的需求。从现在整个大的环境来讲，流量竞争加剧，通过数据来进行分析决策流量的精细化运营，是每一个互联网企业都在做的事情。从一个变现的角度来讲，其实任何一个APP，它都是会有变现的需求，目前最方便、最快捷的一种变现方式，就是流量变现。

比如说我们会看到近几年很多一些免费下载的APP，要么对一些功能进行收费，要么是去做一些内置广告。来拿广告来举例，实际上我们在做广告的时候，在用户特征方面，就首先需要合法合规的要去收集用户行为数据，这是体量可达TB甚至PB级别的数据，我们该怎么去把这些行为数据进行存储、清洗、计算并与其他数据整合进一步处理，抽象特征、标签、用户画像。同时还需要按照时效需求应用到我们的业务分析、策略制定、精准营销上，这些就是数据产品经理在做的一些工作。

其实不单单是工具类APP，像出行或者生活服务类APP、购物类APP，社区内容类APP其实都是在记录用户的一些访问行为信息、用户属性数据，然后通过不同的一些业务策略把这些数据处理好，给到企业来使用，主要是在做一个数据数据驱动经营决策，指导产品迭代、来达成企业的经营目标。

Q1：老师从大数据开发工程师，到后来的产品经理，项目经理，以及到目前的数据产品总监。在这个过程中，您的一些经历和经验跟我们分享一下吗？

嘉宾：首先聊一下我的工作经历吧。其实我的第一份工作是技术。2015年毕业的时候，我是做大数据开发工程师，在深圳的软通动力。软通动力是华为一个劳务合作方，也就外包。当时服务的项目方是华为的2012实验室，2012实验室是华为的一个新技术研发实验室，比如说网络通信、大数据、云计算等前言技术研究是由这个实验室来做的。

我当时所任职的是中央软件院云计算公有云的这个项目。主要做的是公有云的一个PaaS平台台。我主要工作是在这个平台上开发部署一些大数据的应用服务，因为所做的东西还比较新，所以就是边学边做。其实在学校里学的东西上来说还是偏理论一点，真正能够和任职岗位更好的接轨的话还是需要去提前做一些实战的项目。我在工作中发现自己对技术工作还是挺上头的，就做的挺开心的。

后来慢慢的再去接触到这些大数据的应用服务的时候，更多的去接触到的一些应用层面的服务和和产品。我逐渐的发现，相对技术实现上来讲，我更愿意去做一些策划类的事情，也是刻意往产品方向做了更多的了解和学习，所以决定结合自己的技术工作特长，转向产品工作。

转型过程主要还是兴趣驱动的，大数据是在我做技术的工作中接触并熟悉的到的知识面，希望以此与产品方向有所结合，16年年初，市面没有太多的产品经理培训，更不用说数据产品这个细分方向的相关知识了。当时首先会去不同的论坛去看去学，系统化的学习一些产品设计书籍，设计工具，思维方法。并在过程中寻找机会，尝试正式去做一个数据工作相关的产品经理。

第二份工作是去一家比较小的公司做产品经理的工作。这家公司主要是做智慧城市建设，来承接一些政府的项目。我们当时做的是深圳某个区的智慧城市项目，主要建设内容包括智慧城市的大数据中心建设和大型可视化中央控制平台。我这边主要负责的各渠道数据对接，整合并存储，在一进步根据不同主题将数据可视化。我需要在一个12m*3m拼接大屏上，完成可视化的决策平台设计搭建工作。

其实回顾来看，这项工作就是我们数据产品工作中的数据平台搭建和数据可视化的这个项目范围了。我认为之极也是通过这个项目正式的转型为了“数据产品经理”。

项目经的角色变化，是因为是这一家规模较小的公司，项目特点就是人一个人可能身兼多职。在我本职的产品工作处理的比较顺利的情况下，就去兼职了一些项目管理的工作，去跟项目的进度以及去做开发质量的管理。后续项目老大就带着我去做一些制作标书、招投标的前期工作，并负责项目的实施。也是在这个过程中，我会发现，其实项目管理的这个知识和理论，不单是项目经理要去学的，它会变成一种通用的管理技能。

在这个过程中去报了班系统学项目管理知识的课程，在2017年6考了PMP ，11月考了软考高项，也都考过了，项目的实操经验，再加上理论基础，我的整个的项目管理技能还是很扎实的。

在实际工作的项目过程中，项目管理的工作完成的也是比较顺畅 。我记得当时在那家公司，我整个经手的项目大概有5到6个。项目总体规模是在2000多万，我们给深圳市做完之后，也会给其他省市做类似的项目。我会发现在做的时候就是把通用型项目成果做适应性的修改，差异不大。

后来也是经过之前的合作公司和猎头的介绍，就来到现来做一个数据产品经理。其实在18年年初的时候，因为当时好多公司都是处于一个数据驱动的初级阶段，简单理解都需要搭建一个数仓储存数据，先把数据给存下来。印象中第一次看到“数据产品经理”这个岗位是看到了张溪梦先生的公司GrowingIO的JD，那时候GrowingIO主打的是无埋点的数据采集方法和行为数据分析平台。当时数据相关岗位需求量最大的一个行业就是金融科技。因为2016/17年到2018年中年的时候，整个金融科技行业的发展是非常红火的。

另外一个原因是目前很多的公司都在追求精细化的运营，不管是大厂还是小厂，追求精细化的运营的背后，肯定是需要大量的数据来支持，包括用户的行为数据、用户的特征、商品的数据，根据这些来做一个业务策略的整合。这个过程中就会涉及到数据的采集、清洗、储存加工，按照业务策略来构建指标体系，去构建数据应用平台。

我也就是从这个时候入职随手记做了一名“名正言顺”的数据产品经理。除了当时的数据可视化之外，从数据的源头采集开始、数仓的搭建、数据平台的搭建，以及后续的些数据应用的搭建，整个这一系列的搭建工作都有做，这个过程奠定了我的扎实的专业基础。

以上是我的一个工作经历，也从大数据开发工程师转型到产品经理，然后去做了项目的管理。后来更深入的去做数仓、数据应用相关的工作。

在这个过程中，自己的专业能力、管理能力都有很大的提升，也是因为这样的专业能力和机会，才会做到一个数据产品总监的职位。其实的产品总监之后，不单单要求数据产品业务能力、大数据的相关的专业能力，不可缺少的还有管理能力。

回顾一下会发现，虽然说我去做了开发、做了管理，然后做了产品，但是我的所有的工作内容和我的主轴都是跟数据有关系的，这是我自己在回顾的时候来发现的。所以我的感悟到是，很多时候我们是没有办法预知我们未来，或者预知我们下一份工作是要干什么。但是我们通过回顾的时候是可以发现我们过往的积累。这些积累的以及点点滴滴是可以联系起来的，是可以成就到现在的自己的。

也就是说我们无论现在在做什么，把现在的手头上的事情做好，积累下来，到后面这些东西加上你的机遇，肯定都会联系起来。

Q2：数据开发、项目管理、数据产品这几个岗位他们的一个区别和联系是什么？

【大数据开发vs数据产品经理】

大数据开发工程师和产品经理，本质上来讲是一个技术和一个产品。首先果我们看他的整个的发展路径，技术一般走的都是技术路线，比如说最开始的初级工程师、到中级工程师、高级的发工程师，再到开发小组的组长或者开发组的经理，或者是到最后的架构师等。因为做技术到最后大部分走的就架构师，也会有一部分也会做开发管理。

产品它最终走的始终是管理的路线。也就是说我们产品到最后是产品经理、产品组长、产品的项目负责人或者某一个公司、某一个领域的产品总负责人。

在这个过程中，他们俩之间联系是什么？比如懂技术的产品经理，他在这个过程中会有很大的优势就我自己而言，因为在做开发的过程中，不是单单做大数据框架和大数据应用的部署和开发，还要做一些前端后端开发的工作。我自己在做产品的时候，我就会知道这个产品的整个的流程该怎么去设计接口、评估开发难度、以及后期的产品扩展是否会因为技术选型而局限。

网上关于产品经理和技术之间“相爱相杀”的这一类的段子，其实说实话，我自己是没有遇到过的。可能是我自己有这种开发背景吧，所以我在做这些设想、去做这样一些方案的时候，不会去天马行空或者带太过于自我，从本质上来看，是技术和产品是一个合作的关系。大家首先要有一个相同的目标，围绕着目标来共同商议解决争议。

这个过程中我是做方案的，比如说我是画图纸的，你来按照我的图纸来盖房子。在这个期间，肯定大家一开始就是要参与的，所以我们在沟通需求的时候，基于共同的目标，在这个共同目标的基础上一起去做整个方案的一个构建，即便在沟通需求的时候，发现互相认知是有差距的，大家的来互相去做一个沟通和解释。比如说开发会觉得“产品经理为什么要这样去做设计”。因为我思考的点可能是从市场的角度，从用户在使用这个产品的时候，他的交互的角度来设计的。但是开发他就可能想的是如果少做一个页面或者少做一个接口。所以我们的认知是不同的。

如果我们在沟通需求的时候，理解清楚我们大家在认知上的差距是什么，我们把这个认知的差距去做一个理性的、详细的解释，就可以避免像网上流传的那样段子。所以说我觉得我没有遇到过，也是一也是一种遗憾吧。开个玩笑，其实我还挺想感受一下和技术互怼这种感觉是什么样子的。

【项目管理vs数据产品经理】

其实我们从整个的行业的发展来讲，项目经理的这个岗位他是一直都存在的，无论说是我们的软件行业还是传统的行业。项目经理是传统行业发展过来的，所以说项目经理他的发展时间会比较长，就有一个清晰的定义，也有比较专业的一个知识体系，以及会有各种各样的认证，包括国内的认证和国外的认证，这都是比较专业的。

但是数据产品经理，他的工作范围和知识体系实际上是根据每一家公司他的发展阶段来决定的。

比如说我这家公司处于数据驱动的前期阶段，我们高层决定，从现在开始来做数据驱动的战略。这个时候数据产品经理的工作范围要求可能就是偏底层，要先理清楚我的数据来源是哪些、我要先搭建一个合适公司数仓体系。

如果说是这个公司数据应用以及数据储备都非常充足的，要计划通过广告变现的时候，就是我们一开始提到的，他要开始去做一些计算广告个性化推荐。这个时候对数据产品经理的工作范围和对数据产品经理的知识体系的要求也是不一样的。这个其实这就是产品经理和项目经理之间的一些差异。

他们有没有共同点呢？其实是有的。像我自己经历的过程中来讲，很多的公司他是没有专职的项目经理的，产品经理就需要去担任一些项目管理的工作，这个时候就算有项目经理，但是这个项目经理他所管理的项目也不是一个项目，可能是同时管理多个的项目。这个时候产品经理也会管理自己产品项目整体的一个进度的情况、资源消耗等。同时产品经理还是要负责自己产品的启动期，成长期、成熟期、衰落期，整个的产品生命周期的工作。所以产品经理懂项目管理是必须的。

再说回产品经理，主要关注产品，在启动的时候需要去做市场调研，产品投入市场之后，它会有一个成熟期。成熟期需要不断的根据反馈的数据来做一些优化，需要去拉新、需要去关注流失。

在推广的时候需要去关注每一个渠道投入和回报这样的一个比例。在成熟阶段，还需要去想一下我的产品该怎么去维护，该怎么去拉新，在我的产品到最后可能因为竞争的原因，产品变得衰落了，这个时候我们需要去考虑一下用户流失的问题。

产品经理所关注的是我们整个产品它的一个生命周期的过程，项目经理要去对整个高层的战略负责。这个战略目标拆分到我们这个产品上的时候，我们这个产品就要对整个的公司的营收、某一个目标达成占比等，产品经理维护公司的产品情况，然后去向高层来汇报。

项目经理，它主要做整个的项目的生命周期。比如说这个项目启动、项目规划、项目执行、进度监控，最后项目好或者是不好，什么时候该收尾，这是项目经理的一个工作内容。其实这就是项目经理和产品经理他们之间的区别。在这一点，项目经理需不需要懂产品。

从某一种角度来讲，他是可以不用了解产品该怎么去做，他只需要去做好自己的项目管理的工作做好了，但是产品经理需要去懂如何管理好项目的，作为产品经理，一定要去懂的。因为我们自己去做产品规划的时候，其实也是我们自己在做一个小的项目。这就这就印印证了我当时的一个想法，我会觉得项目管理它会是一个通用技能。不管你在什么岗位上，你都要去学会项目管理。

从市场的一些需求上来看，项目经理和产品经理他们在招聘的时候关键词是什么？比如说产品经理的一些关键词是需求分析、目标拆解、产品规划、逻辑思维、数据分析、同理心。

但是项目经理他在招聘的时候，他的那个岗位上大部分是比如说资源协调、项目排期，还有包括近几年比较火的敏捷项目管理，是他的一些关键词。他们有没有共同的一些词呢？比如说跨部门的沟通和管理、协调上下级的一沟通，是他们共同的一些关键词。

所以他们之间是有差别，但是也是有联系的。

Q3：老师现在作为随手记的数据产品总监，可以分享一下您目前日常的工作内容有哪些？

那我目前在做的是两条业务线，一条是数据线，一条是广告线。广告跟数据联系也是比较紧密的。

【数据线】

首先聊一下数据线，其实就是我们整个数据产品线的管理工作，包括我们的数据数据产品体系的规划和搭建团队管理。比如说刚才提到数据平台数据仓库、标签系统、用户画像。那这些东西其实不是所有公司都要做，要根据每一家数据驱动公司的业务发展阶段而定，也就是要去做什么样的业务，这个业务需要什么样的数据支撑，然后我们去识别这样的一个需求，去判断是否要投入人力和物力自建平台还是去采购平台，是不断的去做业务跟进沟通和产品迭代，然后才规划成了数据平台的。

那团队管理方面的工作，除了团队的梯队人才培养，我还需要负责底层数仓数据访问安全这一块，整个数据采集上来之后，我们要按我们的规则去做一些清洗和储存，要去做数仓的分层，一层是比较原始的数据、然后我们经过业务的策略清洗和整理之后，放到了我们的中间层，但是中间层谁可以取、是不是可以取、哪些技术工程师可以访问、哪些技术工程师是没有权利访问的。

同时需要承接数据需求，比如说有些业务他在提出了一些数据表的需求之后，我们发现这个表执行的非常慢，我们就需要去保证宽表的运行效率、是否需要优化；这也是我们通过日常的数仓的各个表的执行是否有异常来进行量测监控，来进行主动优化；像数仓这个层面，对于我们产品经理来讲，要求的就是技术的能力会偏多一点。

数据产经理总体可以偏向两个方向：

第一，偏技术方向，比如说我们负责基础数仓这个方向的产品同学，他会经常去到集群查故障，然后去看表的执行的情况。这样的话偏底层的一些技术语言是需要懂的。像我们说的SQL、Hive这些基本操作是要会的，这个也是我们数据产品偏底层的方向。

第二，偏应用的方向。我们这边还在去做各个业务的数据应用，就像我们刚才提到的用户画像，用户行为分析，还有一些渠道的反欺诈，风控等。

我们需要去对接金融业务、电商业务、SaaS业务。比如渠道反欺诈，在各个渠道上来投广告，CPM广告，按千次点击来计费，那这个过程中就会存在有薅羊毛的问题，因为点一下我们就得掏钱，这个时候会有一些机器不断的去刷这个点击，有一些作弊行为。这个时候我们去采集大量的不同维度的数据来判断这些异常的情况，然后去做一个监控。这个就是我们对接的典型的一个数据监控业务。

目前我们整个数据产品是处于一个成熟期的状态，因为都是自建自用的，那这个时候我们整个的数据应用这一块就维护他的个正常稳定就好。只是我们在一些特殊的应用上面会对接不同的业务，来去做一些设计。比如说我们需要去不断丰富我们的标签，因为我们每一个标签就是我们用户的特征，当我们新做了电商业务之后，我们之前的标签体系可能就需要去做一个优化。

其实我们的工作内容一定是要跟着业务走向相强结合的，例如我们做了电商业务之后，不单单要拿用户特征的数据，还要去拿商品特征数据。比如这最近我们在做的一个案例：大家用如果用iPhone手机，最新版本14.5版本更新的一个功能，苹果它会有一个随机的字符串，就设备的字符串叫IDFA，IDFA是干嘛呢？就是在IOS生态广告投放的时候，我们拿这个字符串来做设备的唯一标识，所以说我们精准营销这一块儿，就是拿这个设备码来给你投特定的广告，包括你这个设备上产生的一些用户行为信息，来判断兴趣爱好，来给你推对应的你可能会感兴趣的广告。

这个时候苹果更新完之后，用户可以选择让你这个应用不获取设备的IDFA ，这个时候就会对我们的精准业务造成一定的影响，我们就需要去对接外部的解决方案提供商，比如数盟，他有专门这样的解决方案，我们需要去做技术选型，然后看一下跟各个服务商对比，再评估下自己做或者是什么样的代价和成本来评估我们该怎么去解决这个问题。因为像现在数据隐私这个问题也是这两年比较热的一个话题吧。

苹果这样一做之后，我们可以预料到像安卓也会去做这样策略，这个时候实际上有业内人士分析过，只有10%的用户会同意这些app 来获取自己的行为数据，这样就会对我们的精准营销业务、广告业务大打折扣。

【广告线】

广告线主要是在去做广告业务、广告线产品的规划。比如说我们要跟商务一起去对接、沟通广告主的一些需求。因为我们刚才提到去做流量的变现，那就是我们要承接一些外部的广告，那是什么样的广告适合我们，以及这个广告主它要投的广告的素材样式是什么，它的广告的类型、投放策略等我们需要去做一个评估。因为评估好了之后，我们才可以去迭代我们广告推荐系统以及迭代我们的业务和算法设计，以及相对推荐设计、推荐策略。

整体来说，从最开始搭建大数据平台，到目前包括数据产品的稳定服务，以及在推荐类型的数据应用系统，都是经历了从零到一的整个过程，包括中间的那几次业务变更，也会去做一些数仓重新的构建。因为之前业务相对来说比较复杂，我们需要设计复杂的数仓，包括去做些数据隔离，可能同一个集群上会去布两个数仓，一个数仓是专门放一些敏感数据的，去做物理的隔离。

Q4：数据产品的分类有哪些？

A4：从我的角度来以及我对整个市场的需求来看，我们可以从下往上来讲，就从数据的最源头来讲，会有数仓方向的，有些公司会把它叫数仓方向，有些公司会把它叫做基础数据方向。

第一个：数仓方向的数据产品经理

这个方向的数据产品经理它主要干什么？主要是对接业务去设计数据采集的方案。比如说我是用埋点方式来采集，还是用无埋点的方式来采集，以及采集之后我该怎么样去对数据做清洗和储存，我们把数据放在数仓之后，我们以什么样的方式去给提供外界来使用。

比如：我们是去做数据的API接口，还是去做数据的查数，或者提数的小工具来给业务方使用。这个就是一些底层数仓层面的数据产品经理。他的技术要求会相对来说会高一些。

就实操方面，因为他需要去维护整个数仓的稳定，他就需要知道这个数仓用了哪些组件，这个组件什么版本的，这个版本会有什么样的特性，如果突然发现今天来看数据的时候，我们看的应该是T+1数据，结果它变成了T+2的实时数据，那是否是发生了数据没有同步的问题，或者是数据传输出现的问题，我们就要去定位到可能是某一个组件发生什么样的问题，然后是要去查一些异常。

这个时候就需要去通过技术的方式自己去查，或者请大数据工程师来帮我们去做检查。因为它主要的工作就是要去维护整个数仓的稳定，保证我们整数据供应链路是正常的。同时还需要根据业务变化去评估做数仓的升级或者重建等需求，这就数仓方向的产品经理。

第二个：偏应用的数据产品经理

我们可以看到目前招聘有BI方向、用户画像方向、标签方向等，都是应用于不同的业务场景。比如说BI方向去做可视化报表，看板。

标签方向会去跟大数据工程师做强的合作，来提取用户特征、事物特征、产品特征来去做标签。他维护以及去做的是一个标签的平台。

用户画像实际上我们互联网行业必不可少的，这个时候他是需要去跟我们的标签来做一个强关联结合，来做这样的用户画像。其实我们这两年还会看到，有一些比如说ABtest方向、策略方向等。因为随着我们国内互联网发展，它每个岗位都会去垂直化的发展，会分的越来越细。

互联网行业发展还是蛮快的，也是因为这样的原因，各个岗位都是在垂直化的发展。这个就偏应用方向的。

第三个：数据治理、数据管理、数据合规方向

我们可以看到的是，从19年开始，对数据合规数据隐私这一块有比较多的关注，包括国内工信部也会定期的去检查，下线不合规的APP，因为这类APP会去非法采集用户信息，用这些数据交易、或者是去做数据的爬取，包括像爬虫在18年之前，各大公司都在做爬虫，但是18年之后，爬虫就已经涉嫌违法。

这个时候诞生的一个职位，就是数据合规方向的数据产品经理。像腾讯在招数据合规，要求是数据的相关法律规范和了解欧盟数据隐私保护的法律，这是他的第一个要求；第二个他需要去了解数据管理，数据治理相关的知识。

跟这个岗位类似也会有岗位叫做数据治理、数据管理的方向。这个也是目前近几年因为各个行业都在去做数字化转型，很多传统行业积累了大量数据，但是它的数据储存之后，并没有去做有效的转化，这个时候就要费功夫去整理，因为不可能是把以前自己的数据全都删掉，就是要去做一数据整理、数据治理的工作。所以还会有数据治理工程师或者是数据管理工程师，像有些公司就会是数据产品经理数据治理方向，数据管理方向，这种情况也是比较多的。那其实目前来讲比较火的就是我们刚才提到的数据治理和数据管理。

未来两年三年数据合规或者是数据治理人才需求也会像4、5年前数据产品经理，暂时没有很明确的岗位要求，但是人才需求量会越来越大。这一方面人才是需求量大，背后不单单会有一些新的人才的涌入，也会有其他岗位人才选择去转岗来做这个，比如大数据工程师，因为现在很多大数据工程师相对来说会比较饱和，那大数据工程师这个岗位如果饱和之后，大家会往什么方向转呢？选择去做技术就会去做人工智能、算法工程师这些学习算法工程师，慢慢从初级做起。还会工作经验比较久，经历的项目比较多，业务经验丰富，会选择转型来做数据产品、数据管理、数据治理的项目协调。像很多的公司会非常欢迎有这样技术背景、管理通识的人来去做这样的事情。

它相当于他目前数据产品经理这个岗位发展越来越垂直，目前会有一些公司放出这样的岗位，叫做策略产品经理。他主要干嘛的呢？他们主要就是把一些业务需求转化成技术，可以理解成为策略来通过算法实现。

其实这就是我们这个岗位在不断的垂直细化的过程就像最开始没有数据产品这个岗位，它是从产品经理这个岗位细化的。像产品这个岗位，我们可以看到有C端的产品经理、B端的产品经理，游戏产品经理等，其实它都是产品经理，只不过是他所在的领域和知识体系要求不断的细化，不断的垂直过程中所分化出来的。

Q5：老师现在的工作内容，具体解决公司哪个环节问题和如何带来价值的？

A5：以数据应用为例，就是我们的BI平台，他其实就是去做些报表来给到业务方看，在没有这个平台之前，如果业务方需要去凭借数据来调整当天的运营策略，他是怎么去做的呢？

首先我们的运营人员前一天就要跟产品经理打好招呼之后提需求，请我们的开发工程师在第二天一大早把数据从数仓里面提取出来，按照一个规则去做清洗，然后用excel整理好发给产品经理，他通过这个excel 再做分析，生成相对应的图表，再去写一些总结结论，用邮箱的形式发给管理层，或者发给高层来看前一天的业务情况。

我们可以看到整个过程，它涉及到的有业务人员、运营、开发、产品，这个过程往往理想情况下中午11点12点可以把前一天的数据情况呈现给高层来看，但是很多现实情况是一直到下午四五点，才把数据处理好发给对方。

那我们做好了BI平台的第一个重要功能就是报表，我们把一些业务经常需要去看的数据指标以及业务流程体系按照相对应的逻辑整理出来，当要看活跃情况，我们会去评估一些指标，比如当天的新注册用户有多少、当天流失的用户有多少、当天的点击情况、用户停留时长有多少，我们把这些指标固定下来之后，找我们的技术同事去把这些指标形式固化在这张报表里，然后设定好时间逻辑，每天自动的去更新即可。

产品这边再去考虑一个功能，就是可以直接在我们平台上做数据可视化的功能。只需要在这个报表上面加一些图表的组件，比如说折线图、饼图、柱状图，运营同事每天早上上班的第一件事情，只需要打开我们BI平台，就可以直接清楚的看到前一天的数据是什么样子的。

如果单看数据敏感度不高，可以选择图表和小组件来看一下整个数据边缘化的情况，以及数据分组情况来做简要的分析，可以迅速的去把整个数据分析的过程以工具化的形式作效率的提升。

这个就是一最简单的一个，也是最直接的价值。

这些我们可以很好的去理解，因为现在很多企业都会把数据比作成企业发展运转的燃料，因为各个业务领导需要看数据报表，然后运营人员需要看前一天的数据来决定今天运营策略。比如，我们在做推荐的同学也需要去看一下前一天的推荐情况，来调整我们的算法模型。这个时候我们数据产品经理需要干什么？就是要去挖掘清洗整理整理出这样合适燃料来提供给各个业务，来做整个引擎的启动，可以做这样抽象的理解。

Q6：基于老师现在目前对团队成员的要求，老师这边认为如果要胜任数据产品经理这个岗位，他应该具备哪些能力呢？

【应届生】

首先，对于应届生来讲，我招聘的时候看重他的学科背景。那可能现实一点来看，比如你是理工科背景，你的抽象能力、罗辑思维，相对来说会更符合些要求，但也不是绝对。我会通过谈话或者表述方式看你是具备一个好的逻辑思维能力，这是第一个。

第二，就是抽象能力。因为我们在做数仓工作的时候，很多的流程、组件你是看不见摸不着的，我们只能去通过语言描述、流程图来去讲清楚他们内部的工作原理。这个时候如果你没有抽象思维，是没有办法理解这个东西到底是怎么去运作的。

第三，是个专业能力。比如说如果你是计算机学科背景的，那我肯定会更多去看一下你的一经历以及基础是否扎实，基础是否扎实决定的是我们能走多远的一个问题。

因为我们在招聘的时候会发现很多人他的简历经历比较ok ，然后做的东西看起来精彩、“花里胡哨”，但是我们在聊到比较基础的问题的时候，问他数仓里面必须需要有哪些组件、聊一聊kafka、hadoop的基本原理是什么的时候，他答不上来，那么这就是基本功不扎实。

如果你的基础扎实，后面所有知识的延伸，都是在你的基础知识之上搭建的，所以基础知识这一块我的要求是会比较高，就算你不是理工科背景毕业的也没有什么关系。

像目前很多的专业书籍、论坛网站会有一些体系化的课程，可以迅速去学到这些东西了。这是专业能力的问题。所以我会觉得首先面对毕业生应届毕业生，就是以上。

【有工作经验】

如果是有工作经验的，那我优先考虑的是他的专业能力，会看他的往昔工作背景，使用什么样的技术栈或者是之前做过一些什么样项目。其次将会考虑专业综合素质。

比如说像有两三年工作经验的，他后续的发展规划可能是培养成管理人员或者是其他的专业技术人员，我会去考虑看到管理能力、专业技术能力，是否有什么样的特长？

因为每个人他都会有自己的特点，有的人他是一个优秀的执行者，但有些人他就是一个优秀的规划者，我们不可能去让一个擅长规划的人去做按照既定方案执行的事情。这样他的工作是没有成就感的。

我们也不可能让一个执行者老做规划的事情，因为他会觉得这样的工作很吃力。所以说我会通过他的背景以及他们的工作经验来判断它是一个什么样的人，然后来看是否能够满足我们的岗位需求。

Q7：在您实际面试过程中，通过哪些方式考核对应的能力？

第一，问项目

最直观的就是去看他的简历上的项目经历，因为这个是最直观。他的项目经历，首先是比较真实、具体的，有数据去支撑。比如一面试者呈现的是“下面说这个项目带来了很大的收益”，另外的一个面试者呈现的是“通过什么样的一些策略和方法，使整个的收益提升了百分之多少”

那我肯定会选择后者，因为他相对来说有细节更具体，而且有理有据，我会觉得他的项目经历真实。

所以说我们看到项目经历、面试的时候，会首先判断它的项目经历是真是假，我就会问的非常的细，比如这个项目时候开始介入的、你介入的时候，这个项目是一个什么样的状态、整个的项目组有多少成员、然后组成员的分工是什么样的、你在这个项目组中所负责的内容是什么、你跟其他人该怎么去合作……我都会问的非常仔细，如果他都能回答的非常好，至少能证明他这个项目是真的，其次他是要用心去做记录和整理的。

第二，问专业问题

问专业上的问题。比如“你为什么要去选择这样的一种实现方式，以及你为什么要去用这样的技术框架”，我去问这样的问题，因为问题背后所代表对以上业务场景的认知的程度是什么样子的，以及他的思考方式是什么样子的，我会去寻找我和他之间的认知的差距在哪里。

虽然说是应试者，但是也都是相互学习的过程。在我们面试的时候，面试者有些想法建立在他们自己认知上的，了解我跟他认知上的差距，就是成长的过程。看一下这个认知上的差距是否最终可以达成一致，如果可以达成一致，当然是最好的选择，如果无法达成一致，那么就算我把它招进来，我们工作中也会有很大矛盾存在。

这个认知差距的原因，有很大一部分程度是它的基础知识是否扎实、整个的知识体系是否完整。比如说它只考虑到用这个框架，但是他没有考虑到用这个框架需要去付出多少人力和测试以及运维的成本。

Q8：如果我们有小伙伴（应届生或者是转岗）接下来想去从事数据产品这样一个岗位，老师这边有什么建议吗？

届生和转岗的他还是有一定的差别的，但是他会有一个共同点，需要去锻炼一自己的基础能力，就像我刚才不断提到的，基础知识是否扎实。

无论应届生还是转岗人员，你对数据产品经理这个岗位的职责是没有过往经历的，这个时候你比比你比别人付出了什么样的努力，这个是可以看到的。比如说去学习基础知识，从最初的数据采集开始学起，学到采集、计算、管理、知识法规、具体应用方案的设计等，这个时候我会觉得你虽然没有相关知识的背景，但是你为这件事情付出了努力，而且学习成绩成果也是不错的。你从一个对数据产品并不了解的小白自学，了解了整个数据采集的方案该怎么去设计，指标体系该怎么去搭建、包括平台该怎么去设计、数据管理该怎么去管理，以及包括ABtest、用户画像、数据中台怎么去搭建……可以看出你为这个岗位付出了多少努力。

也能从侧面认证学习能力是什么样子，学习能力它不单单代表闷着头或者是埋头苦学，但更多要讲的是方法和技巧。比如说我从什么样的渠道去获取什么样的学习的信息，我就举个例子，说我要去了解一个什么东西，我从百度上搜和我从专业论坛上搜他们是不一样的。第一个是学习渠道的选择。

第二个是学习的内容是否是成体系，成系统的。其实现在我们会觉得社会比较浮躁，包括大家很多人没有耐心去认认真真看完一本书、一次课程。这个时候我们接收到的信息可能是看的是某个公众号的文章，更多是碎片化的知识，或者只是问题的一面。这个就会导致的现象是，在解决问题的时候解决的往往是表面的问题。

关于转行，哪些岗位是相对有优势。比如技术背景、数据分析师他们和和数据产品经理是非常紧密的。

在我们公司最开始的数据部门分为数据分析师和数据产品，后来因为业务变动把他们分开的。数据分析师和技术的差别就是数据分析师会更了解业务，因为他们是要去从业务的整个流程去做数据分析的，以及他们对业务了解之后，知道业务的发展走向、业务的异常。这个时候他只需要去锻炼自己产品能力，综合自己的数据分析能力和产品能力，就可以做到比较优秀的数据产品经理。

其实我们单看数据产品经理岗位，会有一条就是要有数据分析的能力，所以说两个岗位是互补的。

好，谢谢老师。我们今天一个访谈整体的问题就结束了啊，特别感谢马老师今天给我们带来的分享。

点击左下角“阅读原文”查看更多精彩文章，公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看或者把本号置顶！