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：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。
