编辑导语：数据产品大致分为平台型和商业型，不同类型的数据产品经理所负责的内容也不相同，那怎么区分和判断两个类型呢？本文作者详细分析了数据产品经理的招聘要求和技能梳理。

数据产品的类型多种多样，大致分为两类：

平台型：主要产品是“数据工具”，最重要的目标是保障数据的正确性和时效性，以及提高数据处理的效率。 商业型：主要产品是“数据解决方案”，最重要的目标是通过数据洞察业务发展趋势、进而驱动业务增长，相较于平台型更加贴近前台一些。

更直观一些，比如：

阿里的飞天大数据平台，集成了多种类型的数据产品，其引擎平台（大数据计算引擎MaxCompute、图计算引擎GraphCompute等）是平台类型的；

上层业务场景（新零售、金融科技、数据政府等）中的数据产品就是商业型的。

以下分析抛开与产品经理的共性部分，重点分析“数据”产品经理的特性部分。

首先来看一下平台型的招聘要求，以下选取了三个招聘JD，可以看出平台型的招聘除了通用的产品技能要求外，往往会有「有X技术经验者优先」的描述；

事实上数据产品经理在产品的设计、规划和落地方面，和技术人员的沟通非常多，此外还有一个很重要的原因，如果你完全不懂技术，可能很难get到平台用户的使用痛点。

那么是不是不会写代码就无法胜任这个岗位呢？

也不是，毕竟数据产品经理归根结底还是“重产品”，懂技术也不意味着必要要行云流水自己动手写代码。

接下来咱们再来看一下商业型的数据产品经理，商业型相较于平台型更加贴近业务场景和盈利目标，往往要求工作人员有较强的数据分析能力和敏锐的商业嗅觉，为产品运营提供高效、准确的数据支撑。

说到这大家可能有疑惑了，这听起来怎么这么像“数据分析师”呢？

数据产品在一定程度上可以看作是数据分析的一种固化形式，通过对分析工作进行抽丝剥茧，提取共性部分，形成体系化的产品以更加直观、高效的方式展现给公司决策者、运营人员或者用户。

数据产品经理的技能要求还是比较广的，除了产品经理应该具备的“产品规划能力”、“项目管理能力”、“行业洞察能力”，还需要“数据业务能力”和“数据工具能力”。

数据业务能力：梳理和设计指标字典，统一业务口径，打通各系统甚至是事业群之间的数据联通；数据埋点，通过埋点获取更多的数据底料，支撑上层的数据应用；数据仓库，了解数仓原理，能够和技术人员一同探究更符合业务需求、更具扩展性的数仓架构；数据分析，挖掘用户需求，能够自研究或者精准把握数据分析师的思路，从而提炼固化成产品形态；数据可视化，虽说“好看的皮囊千篇一律，有趣的灵魂万里挑一”，但是庸俗的皮囊很可能导致“用户闪退”哟。

数据工具能力：很多数据产品经理服务于数据中台，尤其是平台型产品经理，不说对大数据组件如数家珍，但是基本的框架还是很有必要了解的，除了更有利于了解实际用户的痛点并且构思解决方案，而且也便于和程序员小哥哥高效沟通，防止被无限期排期。至于动手写SQL的能力，更是人手必备，公司的数据分析师也不是为个人服务的，要想第一时间了解数据，还得自己动手，丰衣足食。

产品规划能力：数据产品也是产品，所以挖掘用户需求、提炼产品方案是必不可少的，如果非要说有哪些区别，产品经理更关注C端客户的体验、功能布局等，数据产品经理更聚焦数据本身，挖空心思怎么能直观地体现数据价值。

项目管理能力：作为一名优秀的产品经理，需要争取各类资源（数据工程师、算法工程师、前端工程师、测试工程师等），这就需要向老板阐述这个产品将带来的价值（对外盈利或是对内节约成本等），积极争取老板的资源倾斜。拿到资源才是个开始，后续推动开发进度、及时根据外部环境变化调整策略，直到最后产品顺利上线，这个过程好比十月怀胎。

行业洞察能力：这条可谓是拉开产品经理高低的分水岭，在信息高度开放的今天，只要足够的勤奋和努力，获取硬技能无非就是时间长短的问题，但是业务洞察往往需要一点天分，甚至是运气。遇到好的团队、好的项目，天时地利人和才能登高而上、一览众山小，从而开阔眼界，看到更远的未来。