下载掌阅APP，畅读海量书库
立即打开
前面提到，数据产品包括采集清洗、存储管理、展示分析、挖掘应用四个环节。与之对应的，数据产品经理分为应用型、策略型、平台型三种。应用型主要负责展示分析和挖掘应用环节，目的是在特定的业务场景下，利用已有数据提高业务效率。策略型集中在挖掘应用环节，业务场景聚焦在搜索、推荐、风控的数据策略和模型部分。平台型则比较复杂，一般会负责采集清洗和存储管理两个模块，同时会根据情况抽象提取后两个环节的通用部分，提高企业的使用效率。
平台型数据产品经理定位于提供通用能力或方案，能够横向支持多个业务方、多个行业或者行业内多个客户的数据需求，力求以面覆点，达到产品效率的最大化。以下是市面上常见的平台型产品经理的招聘内容。
岗位描述：
·独立负责××商业数据产品线的规划、设计、落地实施，为××生态中的某一业态的商业用户提供一站式的大数据产品及解决方案服务；
·深入客户一线，能跨部门与客户方高层角色沟通对接，能敏锐洞见行业及客户痛点，并结合××已有的商业数据能力，为客户定制行业性的大数据解决方案，捕捉商业机会。
能力要求：
·有良好的沟通协调能力，能够跨部门、跨职能沟通及与高层有效对话，有出色的文笔；
·善于跨部门合作，争取相关资源，协调相关团队将产品策略执行落地，实现业务结果。
将这些要求进一步提炼，核心便是 提供一站式/行业性的解决方案，跨部门/职能/层级的沟通合作 。对场景的抽象汇总能力、对通用解决方案的设计能力和各种跨越式的沟通能力，这些便是平台型产品经理不可或缺的部分。这些能力在前面的模型中都提到过，只是在不同类型的产品经理身上各有侧重。
从具体细分来看，在企业内部，平台型数据产品经理专注于抽象各需求部门的共同点，落地成对应的数据产品，提高整个公司的运转效率。常见的产品有数据资产管理、标签库设计与统一、埋点平台管理等。而在商用数据产品上，他们则专注于发现各行业或行业内主流客户的通用需求，抽象出对应的产品、功能或组件，以期能以较低的成本实现较大的商业产出，提高整个公司的资本效率，如面向各行各业电商卖家的阿里巴巴生意参谋、面向互联网公司提供数据服务的GrowingIO等。对于数据产品经理来讲，只为单个业务方或单个客户提供服务会明显降低投入产出比。
定位于针对某个业务场景，提供对应数据产品或工具来提高业务效率。在分析上，就是多维分析、漏斗分析、画像分析等功能；在业务工具上，就是和数据结合较为紧密的用户精细化运营工具、偏数据化的CRM系统等。以下是市面上常见的应用型产品经理的招聘内容。
岗位描述：
·能敏锐洞见行业及客户痛点，并结合已有的商业数据能力，为客户定制行业性的大数据解决方案，捕捉商业机会；
·设计产品商业化模式，深入商家完成一些中台型的必要的产品运营工作等。
能力要求：
·有出色的执行力，熟悉产品设计、开发工作流程，高质量产出MRD、DEMO、PRD，能独立承担一个产品的全生命周期工作；
·对数字极其敏感，具有较强的产品运营思路，同时有产品和运营的背景优先；
·有良好的沟通协调能力，能够跨职能、跨部门沟通推进项目。
上面的职位描述里，与平台型有一个明显的不同是强调了“运营”的重要性。虽然应用型数据产品经理不一定需要承担运营的职责，但对于数据应用来讲，只有被用起来才能体现价值，才能收到一线的反馈并不断改进。这里的使用方既可能包括公司内的业务人员，也可能包括公司外某个具体模块的使用方，比如阿里巴巴生意参谋当中的竞争情报模块。对于应用型产品经理而言，出色的需求洞察能力是建筑在深入一线收取反馈和运营核心用户之上的。
与应用型产品经理类似，策略型产品经理的定位是针对某个业务场景，如搜索、推荐、排序、风控等常见场景，提供提高业务效率的数据策略。有时候策略的通用模块，如用户/商品画像标签也会划到策略型产品的负责范围。以下是市面上常见的策略型产品经理的招聘内容。
岗位描述：
·负责首页的内容策略工作，包括但不限于设计并跟进A/B测试以促进策略迭代等；
·完善社区内容推荐体系，与运营团队紧密配合，承接数据沟通职责，对重点项目输出数据分析报告并给出合理方案。
能力要求：
·熟悉统计学原理，有较强数据分析能力，能对上线效果进行准确评测；
·对数据敏感并有很强的洞察能力，能快速从繁杂数据中发现问题；极强的业务学习能力，能够将数据和业务紧密关联；
·具备搜索、排序、推荐类算法工作经验者优先考虑。
可以看到，“业务”一词被提到的次数明显多余其他两个岗位。原因在于策略一般会和业务强绑定，即使存在一些通用策略或托底策略，但对于具体业务，还是需要因地制宜、进行针对性的优化。因此，策略型产品经理的定位一般适用于企业数据产品，为企业内某个具体场景定位问题，提高效率。
本节对数据产品经理的划分依据是他们工作性质的不同，还有很多其他划分方式，如前面提到的用户、商用和企业三种数据产品类型。这些划分互有交叉，都不失为了解数据产品经理这个新兴职业的好角度。在实际工作中，这三个类别并不是泾渭分明的，工作内容常常互有交叉，其实只要遵循“让数据发挥更大价值”的理念，在哪个岗位上何尝不是一样的呢。