阿里产品经理招聘要求（必备这5个重要能力）

数据产品种类繁多，大致可分为两大类：

平台型：主要产品是“数据工具”，最重要的目标是保证数据的正确性和及时性，提高数据处理的效率。商业型：主要产品为“数据解决方案”，最重要的目标是通过数据洞察业务发展趋势，进而带动业务增长。与平台型相比，它更接近前景。

更直观，如：

阿里的飞天大数据平台集成了各类数据产品，其引擎平台（大数据计算引擎、图计算引擎等）为平台类型；

上层业务场景（新零售、金融科技、数据政务等）的数据产品是商业化的。

下面的分析忽略了与产品经理的共通部分，重点关注“数据”产品经理的特点。

首先，我们来看看基于平台的招聘要求。选择以下三个招聘JD。可见，平台化招聘除了一般的产品技能要求外，往往有“有X技术经验者优先”的描述；

事实上，数据产品经理在产品设计、规划和实施方面与技术人员有很多交流。此外，还有一个很重要的原因。如果完全不懂技术，可能很难得到平台用户的痛点。

那么不写代码就不可能完成这项工作吗？

不，毕竟数据产品经理说到底还是“重产品”，懂技术不代表一定要自己写代码。

接下来，我们来看看商业数据产品经理。与平台型相比，商业型更贴近业务场景和盈利目标，往往需要员工具备强大的数据分析能力和敏锐的商业意识，才能提供高效的产品运营。，准确的数据支持。

说到这里，你可能会有疑问，为什么听起来像是“数据分析师”？

在一定程度上，数据产品可以看作是数据分析的固化形式。通过剥离分析工作，提取共性部分，形成系统产品，以更直观、更高效的方式展示给公司的决策者、操作人员或人员。用户。

数据产品经理的技能要求比较广泛。除了产品经理应具备的“产品规划能力”、“项目管理能力”和“行业洞察能力”外，还需要“数据业务能力”和“数据工具能力”。

数据业务能力：梳理设计索引字典，统一业务口径，打通系统甚至业务组之间的数据连接；数据埋点，通过埋点获取更多的数据库资料，支持上层数据应用；数据仓库，了解数据仓库原理，能与技术人员一起探索更符合业务需求、扩展性更强的数据仓库结构；数据分析，挖掘用户需求，自研或准确把握数据分析师的想法，从而提炼固化成产品形态；数据可视化，虽然“好看的皮肤一样，有趣的灵魂千分之一”，但低俗的皮肤很可能会导致“用户退缩”。

数据工具能力：很多数据产品经理服务于数据中台，尤其是平台型产品经理，更不用说熟悉大数据组件，但还是需要了解基本框架，除了更有利于了解实际用户的痛点并构思解决方案，也方便与程序员小哥高效沟通，防止被无限期调度。至于手写SQL的能力，是必备的。该公司的数据分析师不适用于个人。要想第一时间看懂数据，就得自己动手，吃饱穿暖。

产品规划能力：数据产品也是产品，挖掘用户需求，细化产品方案至关重要。如果有什么不同，产品经理更看重C端客户的体验和功能布局，而数据产品经理更关注数据本身，如何才能直观地体现数据的价值。

项目管理能力：作为一名优秀的产品经理，你需要争取各种资源（数据工程师、算法工程师、前端工程师、测试工程师等），这就需要向老板解释这个产品将带来的价值（外部利润或内部成本节约等），积极争取老板的资源倾斜。获得资源是开始。跟进推进开发进度，根据外部环境变化及时调整策略，直至最终产品成功上线。这个过程就像十月怀孕一样。

行业洞察能力：这可以说是划分产品经理层级的分水岭。在信息高度开放的今天，只要有足够的勤奋和努力，获得硬技能无非是时间问题，但商业洞察力往往需要一点天赋，甚至是运气。当你遇到一个好的团队，一个好的项目，你可以爬上山，在对的时间、对的地点、对的人，看山、小山，开阔眼界，看到更远的未来。