🌻大家可能听说的更多是产品经理这个角色，对数据产品经理可能或多或少了解一些，但又不能准确的描述数据产品经理的主要职能和与其他产品的不同，因此通过读一些书来对数据产品经理有一个准确且全面的认知。
1. 数据的产品分类
数据产品主要按照功能、用户群体、开发者来划分，具体介绍如下：
- 数据管理工具（元数据、埋点管理、SLA等）；
- 基础工具（查询、报表、数据订阅）；
- 可视化工具（多数人对数据产品的概念仅限于此）；
- 策略应用工具（多版本测试等）；
- 除了好看没什么其他用处的工具。
2. 数据产品经理的分类
数据产品经理的分类，大概可以分为以下几个类别：
- 原生型数据产品经理：从入行就是数据产品经理。
- 分析型数据产品经理：从数据分析师转型做数据产品经理。
- 技术型数据产品经理：从平台数据技术转型做数据产品经理。
- 产品型数据产品经理：从其他类型的产品经理转型做数据产品经理。
- 神仙型数据产品经理：啥都做过的“大神”，最终决定要做数据产品经理。
不同阶段的产品经理能力雷达图：
对于数据产品萌新来说：专业基本功（数学和统计学基础、逻辑能力、学习能力、判断力和创造力）决定了你在这个游戏中的技能点初始值。代码基础、Excel/SQL/SPSS/R等工具的使用、沟通能力、产品思维、对技术的理解，则是要锻炼的方向。
3. 数据产品与数据分析师的差异
- 视角和专注对象不同
数据分析师：专注研究特定对象，这个对象可能是业务、用户、网站，等等。相关的事物也很重要，但是那些相关的东西多数时候都是为了佐证，或是为了补充逻辑链而存在的。
数据产品经理：数据分析师只是他们产品的一类用户，而且是最容易沟通的那类。另外，如果数据产品经理的研究对象是“数据产品”，那么除了产品本身的逻辑，还要关注用户需求，并且要在满足用户需求、产品自身逻辑、后续的延展性、落地的成本和可行性之间，找到一个各方都可以接受的方案，并详细地定义它。”
- 研究方法与工具不同
数据分析师：习惯动作是解构，即向下细分，通过拆解多个维度去发现问题——这就是我们常说的 “不细分，无洞察”（下钻分析，拆解维度等）
产品经理：习惯动作是抽象和创造，抽象出满足业务场景的产品框架，根据这个框架创造出一个产品，还要在注定不一致的各个方面之间寻找一条落地的路。在多数时候，要寻求一种平衡，要忍受不完美的存在，并且在一定范围内达成共识并接受它们。
- 工作目标不同
数据分析师： 主要工作可以概括为通过量化指标的结构和变化发现问题，并提供解决问题的可行性方案，数据产品是数据分析师的工具。
数据产品经理：目标是为用户“使用数据协助完成工作”的诉求提供工具，是对数据分析过程的理解和对产品本身的数据分析、对平台用户的数据分析、对数据本身的数据分析（元数据分析），但这些分析都是为了定义数据产品而服务的。
4. 技术转型产品经理的技巧
非常容易在需求设计还没完成阶段就觉得这个需求完成不了，并且用非常技术的方式告诉业务方为何实现不了，业务方听不懂详细信息，只能听懂，实现不了是有原因的，产品经理说实现不了。
如何克服这个缺点：
大概的原则是“需求本身是否合理”和“现状下是否能实现”分开判断。需求不合理的就不实现，需求合理且现状可实现的就是眼下要做的，需求合理的但是现状不可实现的：明确问题是什么？是否“解决？大概什么时候解决？下图描述了大概的判断过程。
业务方的同学很难一下在需求描述中就指出他需要什么维度和指标的数据，这时就需要数据产品的同学挖掘业务方真正需要的数据需求来满足业务方的需要。需要从业务方的需求文档中理解业务方需要的相关维度和指标，并于业务方确定与讨论维度的范围和指标的口径。
5. 数据产品经理技能点
- 产品方法论分支：产品设计
包含产品经理通用的方法和数据相关产品的设计方法。数据产品相关的3个模块和数据业务要解决的问题相对应。 - 数据方法论分支：统计学与数据分析
描述统计、相关和归因是数据分析的基础内容，通常可以应用于多数需求场景。样本比较和方差分析相关的内容可以帮助我们更好地理解数据分析师、策略分析师、算法工程师等角色的数据需求，也为一些上层应用工具的封装提供一些理论基础。 - 合作分支：业务理解、技术理解、需求沟通
这3个分支更多应用于合作关系中。对业务的理解可以保证面向业务的产出效率和有效性；对技术的充分理解可以确保自己对现有资源进行合理应用，以及更快速、准确地识别问题；需求沟通则是日常工作中非常重要的部分，目标在于准确获取和打通信息。 - 工具分支：相关工具的使用
总的来说，工具包含数据的工具、产品的工具和一些高封装水平的第三方工具。介绍基础工具的使用并非本书的主要目标，不过在讲述的过程中，一些具体工具的使用会贯穿始终。
5. 参考资料
- 《写给数据产品经理新人的工作笔记》