朗讀年薪80W+的數據產品經理寫給小白的職業規劃建議（附贈數據產品知識框架）第年薪80W+的數據產品經理寫給小白的職業規劃建議（附贈數據產品知識框架）

《年薪80W+的數據產品經理寫給小白的職業規劃建議（附贈數據產品知識框架）》
酷扯兒21:58《酷扯兒》官方帳號「來源:  ｜愛數據學習社 ID：lovedatacn」來  源：古牧聊數據作  者：古牧君（文末領取數據產品知識框架高清思維導圖）一段時間以來，不少朋友通過各種渠道找我咨詢在數據這個方向上的職業規劃選擇，可能是覺得我經歷過的崗位比較多吧（新朋友可以參看這裏）。後來我感覺很多問題其實都還是共性比較大，所以今天整理出來現階段的個人看法，供大家參考！目標受眾有一定數據基礎，馬上要進入數據方向崗位的新人，比如校招的；已經進入數據方向崗位，但對現狀不滿意，想謀求改變的。核心建議從企業數字化發展的進程來看，推薦數據產品崗位，尤其是應用層的數據產品。其他崗位如數據分析、數據倉庫研發、數據運營等，盡量作為過渡；策略產品最後單獨說。具體理由1、從企業數字化發展的角度看，勞動密集和基礎建設都是過渡狀態
很多職業規劃建議都是從崗位的核心競爭力來分析的，但有個誤區，崗位是否需要是由企業說了算的，企業有需求就會需要這個崗位，沒需求了你競爭力再強，這個崗位也沒了，你只能憑借能力轉換賽道。所以換個視角，想想眼下很多數據崗位企業為啥需要，會是一個有幫助的方式。同時，企業對崗位的需求也要結合企業的發展階段，不同階段要的東西不一樣。在我看來，目前我國互聯網行業大部分公司在數字化上，基本還停留在前期，主要是打基礎補功課！只有少部分大廠進入了中期，開始探索應用數據降本提效or創造價值。具體來看，很多公司目前在數據崗位最需要的，不外乎就是能人肉跑SQL提取數據進行統計分析的數據分析師，能夠把數據上收後妥善安置清晰管理的數據倉庫工程師，和能設計埋點方案規範上收數據的分析師or工程師or數據產品。你看哈，基本就是數據的中上遊幾個環節，獲取、管理、分析。這個前期的特點就是：我要先有！所以很多工種都是堆人力，尤其是數據分析師哈，就是勞動密集型的數據工人，天天大量時間做著數據提取的工作，真正的分析和建議並不多。類似的包括數倉開發，也是早期做基建的時候需要大批人力，大幹快上，不過後期數據基礎都成型了，也就不需要那麼多人了。這裏必須要額外提一句哈，很多朋友都聽說一句話：數據驅動業務（企業）。但我想說你可別解讀偏了，是數據驅動沒錯，但不是數據分析師驅動。真正的含義是：有些人負責整理數據並對數據進行適當的、合理的解讀，而最後的決策還是交給人來做，數據是一個很重要的輔助措施。那麼問題來了，企業的這個階段會一直持續麼？肯定不會！那麼當這個階段過去了，還需要那麼多的勞動密集型崗位從業者麼？可能大概或許是不需要了吧？～如果城市裏樓都蓋起來了，應該也就不需要那麼多建築民工了，剩下的就是維修保養，以及看看怎麼提升效率了。提升效率靠什麼？靠制度、靠規範，也要靠自動化、產品化。所以勢必迎來的一個階段就是用機器來取代人，but互聯網公司沒有機器人，所以這裏的機器指代的產品，尤其是數據產品。2、開源>節流，營收變現>降本提效
雖然是自動化、產品化，但也要有所選擇和側重。從人性的角度來看，省錢就是沒有掙錢來的爽，對咱們個人來講是這樣，對企業決策人員來講也是同樣。所以如果你選擇數據產品方向，那麼你只是走對了一步，因為數據產品裏面還有不同的細分，簡單高效的歸類可以分成基礎層、中間層和應用層：基礎層就是做數據獲取、清洗、存儲、管理的，典型的比如數據倉庫、埋點平台。這種產品很關鍵，可以提升效率，但屬於一錘子買賣，容易兔死狗烹鳥盡弓藏，你懂吧～中間層就是做數據加工、理解、分發的，典型的比如畫像標簽、數據中台、包括BI我也覺得是這一層的。這種產品吧很難做，因為對人員的素質能力要求高，但同時價值產出又不大，因為在中間夾著嘛，經常兩頭背鍋、上下支撐；應用層就是做數據的分析、應用的，典型的比如各種營銷工具、DMP、策略平台。這塊很好，因為能直接帶來錢，錢就是價值的最直接衡量。而且國內經常做基礎和中間層，往往容易跟應用脫鉤（聯想大學教育），所以有機會多知道一下怎麼應用，對你學習理會基礎更有幫助！從數據產品的這種分層介紹來看，有機會的話，我還是會比較建議大家選應用層的數據產品，直接投身到應用中，讓結果帶動你思考，以終為始不香麼？3、能掙錢的成熟業務才真的需要數據驅動
補刀一下行業or業務的選擇，互聯網發展到現在，掙錢的方式不外乎就是電商、遊戲、廣告，未來maybe能拓展出toB服務？上面分析到，要盡量走到前面，找那些能用錢來證明自身產品價值的地方。那自然也就需要擦亮眼睛，找那些真正能穩定掙錢的業務是吧，就是上面這三個半了。如果你擔心互聯網未來走下坡趨勢，那你也可以提前布局，看看橫跨互聯網and傳統行業的崗位方向，比如廣告和toB。即便是很多傳統行業的公司，每年的廣告預算也少不了，這裏不是讓你去4A廣告公司哈，那是乙方，這裏是想讓你看看有沒有機會去甲方公司做廣告，尤其是數字化營銷（線上廣告）。比如你去了有錢的汽車大廠、護膚品大牌、快消零售巨頭，都還是可以的。當然前提是你從哪兒去？以及選擇什麼時間節點去？你自己也想想看～toB雖然尚未明朗，但政策面是很鼓勵的，不明朗的部分主要在互聯網公司們還沒學會怎麼伺候人，畢竟靠服務掙錢不是容易事兒。但toB業務的過程中，你也可以接觸到很多傳統行業的大公司，可以幫你提前去了解一下他們的情況和思路，避免一直局限在互聯網這片小天地裏。4、策略產品也挺好，就是容易被擠壓
當前這個崗位還是很被需要的，因為讓算法工程師做產品，很難；同樣，讓產品經理理解算法，也不容易。但以我淺薄的感知來看，這個崗位始終是處於算法和產品的夾擊之下的：一個有業務sense的算法研發，會經常向上張望，考慮算法怎麼能在不同的場景更好的落地；一個有專業背景的場景端產品經理，雖然無法手撕代碼，但還是可以做到基於對原理的理解進行靈活應用的。這麼一來，定位於銜接適配的策略產品經理就會有些尷尬，經常會變成算法研發團隊對接客戶的售前顧問，對接場景端產品經理的需求收集器和溝通緩沖區。隨著互聯網入行門檻越來越高，新人們的學歷背景素質越來越好，相信後續能理解算法原理的場景端產品經理會越來越多，屆時策略產品經理會不會被整合進去呢？我就瞎提個問題哈，開放式討論！以上見解可能也少不了一些屁股決定腦袋，畢竟我目前就是數據產品經理嘛，所以也期待大家多給反饋建議，幫我打開思路～END愛數據福利大放送

《年薪80W+的數據產品經理寫給小白的職業規劃建議（附贈數據產品知識框架）》完，請繼續朗讀精采文章。
喜歡 小編的世界 e4to.com，請記得按讚、收藏及分享！