搞數據還是做產品？淺談『數據產品經理』
在數據分析師職場發展的另類出路 文章時提到了兩個方向，一個是數據X諮詢、另一個是數據X產品，其中數據X產品就是所謂的『數據產品經理』。
大家認識我可能都是從數據分析的角色開始，但其實我做數據產品也有幾年的時間了，會轉做這個職位的考量也比較單純。我一直追求的是數據價值最大化，在經歷許多分析專案的過程中，我感覺到很多需求其實都是有共性的，因此標準化、自動化，會讓數據(至少在廣度)有更大的價值。
數據產品經理的能力，是數據為主要能力？還是產品為主要能力？
雖然我比較早期就投入這職位，但其實我也很模糊了一段時間，私下問過不少同行他們的工作內容，也詢問過管理者他們心中的數據產品經理是什麼長相。
有人說是產品為主，例如電商產品經理、後台產品經理、行銷產品經理，這都是產品經理的細分領域，所以數據產品經理也是比照這一邏輯。
有人說以數據為主，因為產品經理實現的是”功能”，但數據基本不存在”功能”可言
那麼到底是…？
數據產品細分
數據分析這職位剛出來時，大家都不太清楚到底職位邊界在哪，我的觀察大概需要3~5年市場才會清晰，像是現在大家就比較清楚知道數據分析至少要分成Data Engineer 、Data Analyst(Business intelligence) 跟Data Science(ML Engineer)
同理，數據產品經理當然也不例外。產品經理本身就是比較抽象的工作，再結合”數據”，因此數據產品經理就更抽象了。要回答這個問題，首先要知道什麼叫”數據產品”？
我認為數據產品可以細分三種類型，分別是工具型、管理型、及應用型。而彼此的側重點略有不同，才造成大家認知的差異。
如果喜歡這篇文章，邀請您至Blog閱讀全文：搞數據還是做產品？淺談『數據產品經理』
也邀請你訂閱『Rock Data』電子報，支持我持續創作(Medium站仍將張貼新文章訊息)
也曾想改變世界，於是背了把吉他隻身踏上大陸互聯網，熱愛鑽研數據、產品與業務之間的本質。 經營「 ROCK DATA | 玩搖滾的數據人 」社群。
1. Hello，如果你喜歡我的文章，請至『Rock Data』Blog閱讀新文章完整內容。也邀請你訂閱『Rock Data』電子報，支持我持續創作(Medium站仍將張貼新文章訊息)2.立即追蹤👉『Rock Data』臉書粉絲頁跟IG(@andyrockdata)3.【入門數據分析，掌握HiveSQL取數能力】在hahow上架啦，課程詳情👉 http://hahow.in/cr/andyrockhive4. 半佛系鼓掌：原來只要滑鼠一直按著不放就可以一直鼓掌了。那請你按久一點：）有任何想法或感興趣的地方歡迎留言/討論，或者私訊我！5. 往期的數據相關文章可以參考以下link
- 數據分析系列1：談談數據分析的眾多Title
- 數據分析系列2：數據分析的一週工作日程
- 數據分析系列3：身為資料分析師，你該如何展現工作中的價值？
- 數據分析系列4：如何量化職場規劃？我這次的轉職規劃與Offer選擇
- 數據分析系列5：為什麼要關心資料來源？談談埋點數據的陷阱
- 數據分析系列6：精選幾個機器學習的學習資源
- 數據分析系列7：數位化決策轉型與企業文化的一些思考
- 數據分析系列8：中山大學經濟所職涯座談(ㄧ)：”了解自己”的重要＆我怎麼成為數據分析師
- 數據分析系列9：中山大學經濟所職涯座談(二)：想從事資料分析？你需要具備這8個能力
- 數據分析系列10：中山大學經濟所職涯座談(三) ：讓資料變商機 — 資料分析在我們生活中的應用
- 數據分析系列11：面試時，資料分析師該怎麼準備作品集？
- 數據分析系列12：2018年終工作總結(數據分析師)
- 數據分析系列13：數據化運營中玩過的分析項目：一個數據分析師的經驗總結
- 數據分析系列14：如何提升運營/產品的優化效率？或許數據指標體系的搭建可以幫到忙
- 數據分析系列15：用戶畫像很重要，那你知道是怎麼畫出來的嗎？
- 數據分析系列16：給剛入行的數據分析師：想產生價值，在試用期要做的三件事
- 數據分析系列17：2019 數據分析工作總結_關鍵詞：數倉構建、BI可視化看板、用戶畫像(標籤)與精準行銷
- 數據分析系列18：入門數據分析的第一個大門檻：SQL/Hive取數-聊聊自身學習SQL的經歷以及三個自學網站分享
- 數據分析系列19：身為數據分析師，我怎麼看hahow上”R語言和商業分析”這門課
- 數據分析系列20：直接用SQL來分析數據？怎麼沒用python/R？3個面向來考量分析工具的選擇
- 數據分析系列21：數據分析的”橫向”學習之路-珍藏的網上文章重新整理放上github
- 數據分析系列22：透過埋點，讓數據說話：埋點基本知識
- 數據分析系列23：以數據為核心的CRM進化產品：帶你了解CDP(客戶數據平台)開發過程與難點
- 數據分析系列24：SQL不難啊，為什麼不容易精通？自學與實務的4個落差
- 數據分析系列25：數據分析基本-相關分析與可視化(R語言)
- 數據分析系列26：刷完了Leetcode SQL Hard Level的28道題：歡迎領取參考答案
- 數據分析系列27：數據太髒了！3個步驟做好數據質量管理
- 數據分析系列28：跨部門溝通成本太高？數據人實現高效跨部門溝通的4個方式
- 數據分析系列29：數據分析師職場發展的另類出路
- 數據分析系列30：Databrick為何收購BI產品Redash？產品視角來看Redash的功能與價值
- 數據分析系列31：數據分析師要失業了？解讀<2022 Gartner BI魔力象限> BI產品趨勢
- 數據分析系列32：Google Data Catalog如何幫忙管理數據？ 產品介紹與體驗心得
- 數據分析系列33：復盤：數據產品從0到1的建設過程，我的9點感觸
- 數據分析系列34：Shopline-數據分析中心(Shoplytics)產品體驗
- 數據分析系列35：搞數據還是做產品？淺談『數據產品經理』
