第325期：【职位百科】产品经理技术储备扫盲

概述：字数：1279。耗时：3分钟。适合人群：产品经理。本篇主要介绍了技术的分类为四大类，产品经理分类为六大类，以及学习方法概述包含数据分析和算法。

一、技术的分类

1工程：通过Java、C语言等写脚本实现系统的某一功能或者是通过数据结构的改变提升系统某一性能。

2算法：理解业务需求，完成数据清洗构建正负样本，构建特征工程；再基于Python语言，调用库包现成模型如GBDT等完成模型训练和测试；最终对模型进行部署上线。

3数据分析：基于对业务的了解构建一整套的数据分析体系，然后通过Sql和Hive等数据分析语言完成数据分析。

4大数据：基于海量的数据源开发各类底层的数据表格和数仓，通过Hadoop、Spark等构建各种数据流任务。

二、产品经理分类

1交互产品经理：产品的交互样式和流转流程，通过研究用户习惯和系统之前的交互流程，设计流程更加顺畅，体验更加友好的产品。

2业务产品经理：专门是做功能设计和对接业务需求的，尤其是在一些非互联网行业。这一类的产品经理更需要懂的是业务知识，并不是技术能力。

3策略产品经理：随着互联网和AI的发展，对于推荐系统&搜索引擎&反欺诈&金融科技的需求越来越多，要求也越来越高，需要有专门的产品经理来进行策略设计提升系统整体的效果指标

4数据产品经理：早期也没有专门的数据产品经理，很多都是兼任做数据分析。后来随着移动互联网的发展数据量爆炸，越来越多的数据需要专人分析，同时需要更丰富的数据分析工具以及数据看板等。

5商业产品经理：将商业化产品经理拎出来也是因为这类岗位目前在互联网很吃香，影响公司的收入。

互联网公司积攒了大量流量，而互联网公司需要基于这些流量进行商业化变现，从而产生了专门负责商业化的产品经理岗位。

6AI产品经理：

AI产品经理有两个大的方向，一种是将AI应用到实际场景的产品经理，还有一种是构建AI平台，方便AI科学家们更好地进行特征选择、模型训练、部署上线等。

产品经理需不需要会技术，和“篮球or足球教练需不需要自己球打得也很好”一样：实操可以很差，但是得懂。就像教练自己上场不一定打得很好，但他必须懂球。

三、如何学习技术

1.数据分析

数据分析完全可以自学，这是一个零基础就可以学习的技术栈。

1MySQL入门：MySQL本身入门相对比较简单，B站上有很多免费的公开课程，差不多一周的时间就可以学会很多基础的查询语句，后续在实际工作中去提升自己的SQL能力。

2数据分析体系入门：SQL和Hive只是工具，很多时候工具学起来简单，但是如何构建数据分析体系和学会数据分析的思路这个更重要。比如如何构建用户画像，用户画像分为哪些维度等等，这些是需要一定业务知识的。

2.算法

产品经理想熟悉算法非常难，甚至想入门算法就已经很难了。

1Python入门：入门算法首先要会Python，这是基础的工具。

Python是我唯一建议产品经理去学习的一门计算机语言。工业界算法都是用Python，因为Python里面太多可以直接调用的库非常方便。

2机器学习入门：在作业、考试和毕业论文等多方压力下，这一年只要你努力学习，肯定能够对机器学习有一个非常清晰的了解，甚至可以转岗做算法工程师。

3策略入门：如果你既不想学习Python，也不想了解机器学习的底层数学原理等，至少得清楚这些策略基础原理。

读后感：近几年的发展，大家越来越认可产品经理这一决策了。其中包含：交互，业务，策略，数据，AI，商业产品经理。基于特定场景的产品研究已经逐步被外行人所接受。这个变化值得我们长期去关注。

Powered by Froala Editor