各种大数据相关的岗位变的炙手可热

　　我们知道，不管是阿法狗带动起的一波AI浪潮，还是ZF在推动的全民大数据运动，又或者是各大培训机构一直在鼓吹的“大数据时代、AI时代”什么鸟。

　　都在一直试图向众人传达一个很重要的信息，大数据很重要，相关的岗位有利可图。于是，一波又一波的转行大军瞄准了大数据领域的相关岗位。在众多培训机构的鼓动下，在跟风的各大高校的怂恿中，各种大数据相关的岗位变的炙手可热。

　　偏开发一类的岗位，大数据工程师、Hadoop工程师、大数据开发工程师、大数据架构师，反正是各种变着法儿叫，变着各种名头招人。除此之外还有各种大数据分析师、大数据挖掘工程师、大数据算法工程师等等诸如此类。

　　细心点的人发现没，这些或多或少都是技术工种，视乎有一个岗位一直被转业大军所忽视，是的，那就是『数据产品经理』，好像一直没怎么被人所关注。

　　而我之所以关注这个点，是因为，我们数据团队已经逐渐的从数据体系化、到数据服务化、再到数据产品化的过渡。

　　当然，此前由于我们的数据产品偏向于内部使用，再加上目前产品团队着实没有人力，也没有在这块有所了解的产品经理，所以，在推进我们的内部数据产品经理的时候，我很荣幸兼任着这一岗位(哈哈哈哈)。

　　而当我们的目标瞄准外部，试图将我们的内部数据产品正式对外产品化的时候，我突然感觉我们真的需要一个真正的数据产品经理，而不是由我这个工程师继续兼职，这是对付费用户的不负责任。

　　是的，我们需求一个数据产品经理。

　　然而，我却悲催的发现，这视乎是一个很难的事情，特别是在亲自参与了产品团队对该岗位的招募面试流程之后，对这个结论有了更深的感触。是的，在深圳视乎很难招到一个比较像样点的数据产品经理。

　　什么叫像样点的数据产品经理?最起码在数据的落地应用方面，在数据产品的用户交互方面，在数据的实际价值挖掘应用方面，最起码有一定的了解吧，有一定自己的见解吧。对于市场上一些数据产品，最起码能够做一番剖析吧。

　　这两年来，在众人的目光都聚焦到偏工程师、偏技术的相关大数据岗位上来的时候，视乎大家并不认为数据产品经理这个岗位应该得到重视。但我感觉这不应该是个正常的状态。

　　大数据在企业的应用落地发展，是有一个过程的，一般来讲都会从早期的平台构建、到体系化建设、在到数据直接统计价值体现，再到服务化产品化。是有一个具体的演变过程的。

　　在早期之所以数据产品经理没有得到过多的重视，是因为在早期数据的落地应用并没有到达一个很高深、很需要专业能力的地步。这意味着，普通的工程师，或者普通的产品经理都能让数据的价值在浅层挖掘上得到展现。

　　但是，随着数据价值的进一步被探索，除了大公司之外，其他所有涉及数据的公司也必然逐渐的往数据深处探索，试图让数据更深层的价值具现化，那么，这个时候必然会有更高的要求。

　　那么，什么是合格的数据产品经理呢?我们先来看看什么产品经理。丁香园的robbin(范凯，前javaeye创世人，目前丁香园CTO)曾在简书上发文说过：

　　一个好的产品经理是一个岗位不是一个专业，是一个需求经验和岗位，并且，他需求抽象思维能力、逻辑推理能力，以及数据分析能力。

　　对此，我深感赞同，特别是最后一点，已经有当前数据时代产品经理都逐渐往数据能力方面靠的意思了。

　　那么，数据产品经理在除了需要具备一般产品经理需要具备的能力之外，还需要有其他什么技能呢?

　　首先，我个人认为每个数据产品经理应该是一个数据传道者。

　　这点可能不太好理解，我曾在之前的文章中有提到过，国内的数据价值思维一直是有待于提升的。我曾在过去的一年半时间里，切身的体会到了这一点。

　　在过去的一年半时间里，我司的业务童鞋，成功的从不知数据为何物，到会看运营数据，再到主动需求数据，再到相对理性需求数据，最后再到数据产品化的需求过渡。而整个推动的幕后黑手就是数据部门。

　　这是一个很艰辛的过程，我个人认为数据产品经理应该是一个数据价值应用落地的布道者、传播者、推广者。

　　而如果需要落实这一点，这意味着这个数据产品经理要拥有足够的专业性，不止在产品方面的专业性，也需要在数据方面有足够的专业性。

　　数据专业性。

　　具体表现为对数据敏感，能够感知数据变化、差异化，对数据产生流程、加工流程、结构等等有一定的了解，能够对事务进行很好的数据量化，对于数据驱动业务的原理有足够的认知。

　　是的，数据产品经理是一个技术性要求偏高的产品岗位，对数据的敏感意味着其可以随时把握数据的变化，量化产品的效果，从而优化它。而数据产品的面向用户本身也需要具有一定的逻辑以及科学思维(不然的话拍脑袋就行了，合并用它呢)，所以在产品形态表现上也更能体现专业性。以数据的思维去思考业务，以数据的量化结果作为导向。

　　应该更接地气一些。

　　目前市面上其实已经有不少产品是立足于数据之上的，但是少有能给人留下深刻印象的，那是因为很大一部分数据产品都是流于表面的数据形式，难以接地气，解决不了实际的问题。

　　举个例子，市面上做舆情的很多，大部分千篇一律，爬数据，然后计算舆情走势，舆情热度，观测网络舆情变化。然后呢?很多时候就是没有然后了。

　　关于微信新媒体的舆情，我曾对部门里的小伙伴说，OK，即使你知道微信里哪些是热点，哪些是热门，哪些热点的走势又是怎么变化的，上升或者是下降，然后呢?然后又有什么卵用?

　　这是一个很常见而典型，甚至是被做烂了的数据产品，但是做到这个程度是没有什么用的，它找不到着力点，是虚的，除非你能把它落地下来。

　　比如，如果是针对的就是垂直舆情方向，那么，仅仅做到舆情的感知是远远不够的，这不是最终的目的，对于很多ZF机构来说，他最终的目的是控制舆情，而不是仅仅是知晓。

　　知晓没有任何蛋用，他需要解决问题，例如，如果是不好的舆情，他需要能够快速找到源头在哪，谁在传播他，谁快速扩散的阶段起着决定性的因素，他就能对症下药，迅速掐死传播路径，然后追究源头，终止异常舆论扩散。

　　是的，他需要系统能够提供给他快速定位，判断终止的关键点位，如果能够接入终止的下游端就更赞了，如果不能快速终止，那是否能够提供舆论导向的入口，让舆论按导向的方向进行转变。

　　如果说这是一个良好的舆论，那么，我需要继续让他传播，甚至是进一步扩散，那么，你能提供良好的落地方案，甚至是系统化的执行流程吗?

　　除了舆情的控制，还有其他方向吗?再假设，关于微信新媒体的舆情，知道了热点有什么用?捕捉热点并且跟进是自媒体的天性，也是吸引流量的一大法宝，那么是否能为自媒体创作提供着陆点呢?

　　光有热点是不够的，因为假如我是一个自媒体，我天天刷网站也能或多或少猜到一些，虽然它能够量化结果节省不少时间，但远远不够。围绕每个热点，我需要你告诉我，这个点位值不值得去写，是不是会持续火爆，还是说已经到了顶峰马上要下落了，怎么写容易产生爆款，这个点位大家的观点是什么，态度是什么，什么态度切入容易引起共鸣，核心事件的过程素材是什么，这个热点对于哪个年龄段的人来说新引力较大，这个点位对于男女哪部分人较吸引。

　　把这些形成可创作的策略，这就是落地点，是的，我不用想太多，因为系统已经为我提供了丰富且可参考的策略建议，我只需要把这些东西再融入我的个性化元素，一个良好的题材或者稿子就有了。

　　所以，这一切的一切，都是需要围绕后续解决问题的目的进行落地的，我们的是着力点，而不仅仅流于表面的东西。流于表面的东西也不是说完全没用，只是没把问题彻底解决而已，所以，我们需要把问题更加落地的解决，

　　所以，在当今时代，数据产品经理很重要的一个特质就是，要尽可能的把数据产品更接地气一些。

　　再举个一个很常见的数据产品，比如围绕电商数据的BI系统，这个是很常见的，比如围绕亚马逊、围绕淘宝的各种各样的商品BI系统，但我认为绝大部分都是一个套路，也没有很好的解决问题，这个大家可以想想，如何让他更落地一些。

　　最后，需要从事这个岗位，我们应该如何做?不过貌似我也回答不了这个问题，因为我也不是数据产品经理。但我想，这并不耽误我对这个问题进行思考。

　　可以明确的几个点就是，他需要你对各个方面都有足够的累积，在常规的产品思考方面，对业务的理解构建起自己的数据化体系认知，习惯以量化的思维进行思考，对数据相关的技术、架构有一定的了解，对数据驱动业务的场景有足够多的思考。

　　在过去的这么多年中，我从未停止过在技术的上层应用思考，作为一个野路子出身的“数据产品工程师”，我更希望自己能够更全面的了解产品从0到1的整个诞生过程，再结合本身对数据的了解，在数据应用落地上有更多的认知，从而架构其自己在数据产品应用上的体系化知识。

　　最终究的目的是通过数据解决业务问题，只要能解决业务问题，产品形态是可以变的，实现技术也是可变的，算法模型是可选的。所以，作为一个技术人，需要认可技术的力量，但也需要从上层的思维去思考整个过程，才不会深陷于技术思维中不可自拔。