正式回答這個問題之前，先給大家講一下，什么是數據產品，數據產品經理要做什么樣的工作，然后再給大家推薦相關的學習資料
（ps：本文更多地是站在一個想轉行的產品經理的角度來寫，對于非產品經理崗位的朋友們來說，可能我們所關注的重點會有所不同）
1. 什么是數據產品如今我們每天使用的電子產品會記錄我們的網上行為，我們所佩戴的手環等可穿戴設備會記錄我們的身體特征，甚至我們走在街上，路口的攝像頭也會記下我們的身影，這些數據只是存放在數據庫中是毫無價值的，如果能夠把這些數據給到數據分析師，他或許會從中發現新的商機；如果把這些數據給到運營人員，他們能很快地評估出哪種推廣活動是更有效的，……。所以我們需要通過一定的載體把數據呈現給需要它的人，這個數據的載體就是數據產品。而任何產品的產生都源于某業務場景下的需求，數據產品可以理解為基于某應用場景下對數據需求的產品化。
數據產品=應用場景+數據需求+產品化
2. 數據產品的類型數據產品和其他類型的產品一樣，它的構建也不是一蹴而就的，搭建數據產品要考慮公司業務規模的需要、產品矩陣的依賴關系來逐步搭建。
從產品架構自下而上來劃分，可將數據產品分為以下三類：
1.數據質量型產品-這部分產品在搭建時重點考慮的是數據的完整性、準確性、數據指標的統一性以及數據服務的安全穩定性，主要的數據系統有有數據質量監控系統、數據埋點系統等。阿里的dqc、美團的DataMan都屬于這一類。
2. 數據工具型產品-這一層的產品有大數據分析平臺、用戶行為平臺、實驗平臺、自動分析平臺等，通常是以讓用戶可以高效獲取并使用數據，進行科學決策為目標，比如FineBI、tableau之類
3. 數據應用型產品-這部分產品是通過對業務產生的數據進一步的整合、加工，來為業務負責人或用戶提供洞察或預測的產品。它的價值在于用數據來驅動發展。像飛常準、生意參謀屬于這一類。
以上就是一個成熟的公司應具備的數據產品了。回到具體公司的數據產品搭建上，還是應該考慮公司的業務發展階段、成本預算等，有針對性地搭建或采購適合當前階段的數據系統。
數據產品經理能力要求數據產品經理是負責實現數據產品的人，這就要求數據產品經理除了具備的產品設計、邏輯思維、項目管理、業務與行業理解等產品經理的通用能力外，還要在數據技能、數據工具技能方面完成能力補全。
數據技能方面要掌握：
指標字典數據埋點數據生產數據分析數據運營數據可視化這些數據產品經理必須要掌握的，本公眾號會陸續發布相關的系列文章，歡迎小伙伴們關注，本文就不展開來說了。
另外，對于三種不同類型的數據產品，相應產品經理所需的能力掌握程度存在差異。
質量型數據產品經理偏重于掌握數據的獲取、清洗等生產流程，以達到能從各個環節來優化數據質量的目的。
工具型數據產品經理要能夠深入挖掘用戶使用數據的痛點，通過數據產品設計能力來實現數據的科學高效使用。
應用型數據產品經理更需要對行業和業務有深入的理解，具備較強的分析能力和商業化思維。
工具方面，大家可能最關心的就是數據產品經理要學哪些軟件？掌握到什么程度？怎么學了？為了解答這個問題，大林查閱招聘網站上“數據產品經理”崗位的要求，并和身邊的老師以及做數據產品經理的朋友進行了咨詢，大體上需要掌握的數據工具主要有以下幾個：
1. 數據查詢語言sql-對于數據產品經理來說，會取數基本上就能滿足80%的公司對這一崗位的要求了，如果想精進一步，可以閱讀《mysql必知必會》這本書，很多小伙伴極力推薦。
2. 電子表格軟件excel-要掌握數據處理、函數計算、數據可視化的相關內容，如果能夠使用excel做一些統計分析就更好了。以下是大林總結的一些要學習的內容：
3. 數據平臺搭建工具Hadoop-在數據產品經理的崗位招聘要求里，“了解hadoop”成為了高頻詞匯，但這并不意味著我們要去使用這個工具，我們只要知道一些常用的分層知識就可以了，具體的工作還是交給更專業的研發同學吧。
4. 數據分析與可視化工具-R和Python是目前最流行的兩款高級編程語言，被大量運用于數據科學領域，具體要學習哪一種可以根據自己的情況而定：
如果你的大多數同事或朋友都在使用某種語言，那么你可以也去學那門語言，因為遇到問題可以向他們咨詢如果你想去的公司都在使用某種語言，你也可以學那門語言如果以上兩種情況都不存在，那么，可以學以下Python，近年來Python越來越受歡迎，而在Github上使用R語言的月活躍用戶比例有所下降。
4. 數據產品經理的伙伴作為互聯網產品經理，日常并肩作戰的通常是業務方、UI設計師、前后端研發工程師、測試工程師。對于一名數據產品經理，他的隊員們還會有數據研發工程師、數據挖掘工程師和數據分析師等。那他們主要負責什么工作呢？
數據分析師，主要工作是通過各種數據分析工具，從海量的數據中提取、挖掘對業務發展有價值的、潛在的問題或趨勢，為產品或服務的發展提供決策依據。
數據研發工程師，一般是負責數據倉庫搭建、數據的存儲、計算處理、數據分析平臺的開發和設計等。
數據挖掘工程師，是從大型數據存儲庫中把雜亂無章的各種數據，通過一步步清洗、建模，迭代優化，發現未知的有用模式，來決實際的業務問題。
算法工程師，和數據挖掘工程師還是比較接近的，在大部分中小公司中是不做區分的，在大廠的話，算法工程師相對更偏底層一些，需要自己動手造一些高性能計算相關的輪子，提供給數據挖掘工程師使用。
5. 數據產品經理如何成長很多的同學，包括我自己，參加了一些培訓班、讀了書籍，但還是難免在做的時候不知從哪里下手。偶然的一次機會，聽到一位老師分享了他的學習五步法，才意識到自己的學習路徑是不完整的，所以學習效果也打了折扣。在這里也分享一下這個從學到真正學會的路徑。
學-除了常規的讀書、聽課外，還有一點就是要以人為師，把身邊厲害的人作為老師，多向他們請教，以人為師也是最高效、最有針對性的學習方式了，所謂“聽君一席話，勝讀十年書”說的就是這個道理吧。
思-思是對所學知識的一個分類過程，一方面思考哪些是我原來不知道了，通過這次學習新get到的，這些被成為“新知”，另一方面思考哪些是我原來以為自己知道，但是經過這次學習，發現自己之前想的是錯誤的。除此之外，對于新get到的知識點，可以思考下分別可以應用到什么場景下。
辯-辯也就是和同行們的交流互動，在觀點的碰撞中，加深理解、修正誤解。
做-知識學來終究是為了創造價值的，把所學到的知識用于工作實踐，即完成了學的使命，又能通過實踐來檢驗所學。
教-當完成了以上四步，就可以出沉淀一些實用的經驗與方法論，把這些整理歸納，通過文字或語言講明白，分享給需要的人，教是學會的最高標準。
