通通好课 小鹅通精品课程合作平台

如何正确地规划成长路径？

• 选择职业方向：互联网领域人才的饱和度相比传统领域是较低的，其次互联网从业人员准入门槛高，因此薪水高是必然。

• 职业角色选择：热门类研发、有壁垒的产品这两个角色相对其他角色来说毫无疑问是相对较高的。

我们知道互联网共分为三个方向，那么产品经理应该如何选择呢？请往下看。

1.消费互联网

在消费互联网的下半场，我建议大家不要继续搞 C 端功能侧的产品方向了，因为再去做新 APP 的机会已经很少了，如果做还有增量的出海市场或许还有那么一点儿机会，如果选择出海类业务，过几年出海流量红利同样会消失。

不管是大厂还是中小厂，数据驱动的产品迭代、数据驱动的用户精细化运营都清晰地指向了一个岗位：数据产品经理。

那么，搞 C 端数据产品经理能力圈会涉及哪些知识点呢？

无论是埋点、指标体系、数据可视化、ABTest、用户画像、数仓、数据平台，都是数据产品经理的能力圈。

现如今，很多做功能侧的产品纷纷转型数据产品，这就我们需要掌握这些能力，而这几块内容在课程中我都有讲解且带有案例。

此处强调一下：学知识千万不要停留在知识表面，应该深挖底层逻辑，例如 C 端业务埋点、ABTest、事件分析、用户画像构建等 CDP 产品底层是什么？如果你了解了这个模型，上层的知识体系就会迎刃而解！

还有的同学选择策略产品方向，策略方向最常见的岗位就是搜索与推荐，但是你要考虑好进哪家企业，做什么样的产品？

搜索与推荐方向属于数据智能产品方向，如果你选择做策略产品，就需要学习相关的数据产品知识、知识图谱、AI 知识体系，通过升维看问题，而不是就盯着搜索与推荐中涉及的那一点点策略。

因为无论企业大小，产品都具备一定的量级，如果没有达到一定的量级，往往需要通过强运营的方式进行实现，策略是数据+规则+算法模型。

因此，如果你要做好策略，就需要掌握搜索引擎、知识图谱、推荐算法、NLP基础知识、搜索中涉及的全流程，对应的规则部分与业务深深相关，不同的策略场景规则千差万别，这些东西不断沉淀总结即可。

比如对结果的过滤策略、对一些内容的加权与降权策略、对一些内容的强制显示策略……在搜索与推荐中，我们就可以将这些规则加入到”精排“规则中。关于这一部分的内容，我在课程中也有0-1系统的讲解。

作为数据与智能方向的产品经理，在企业工作中，你遇到的场景肯定是泛化的。一旦你掌握了知识体系，便具备了面对策略场景及时从知识体系中组装成解决该场景下的解决方案能力。

下面是我基于在美团时工作经验提出的建议，仅供参考。

• 建议跳出 JD 看问题，招聘平台的XX数据产品、XX策略产品、XX产品（数仓方向）、XX数据解决方案，这都是 JD，不要围绕 JD 谈成长，而要围绕本质构建横向能力；

• 通过案例沉淀纵向深度，最后全部回归到：有数据->看数据->分析数据->应用数据的闭环链路中，这样我们便能在灵活的 JD 中具备 cover 不同场景不同JD的专业能力。

2.产业互联网

产业互联网其实并没有特别明确的概念，倒不如说企业互联网更加准确，即企业级 B 端产品。

现如今，企业互联网挺火，很多播主录制的短视频讲 B 端视频，我已经快看不下去了，我很想问你们真的理解产业互联网吗？

我所经历的 B 端大厂产品时服务于国内 500w+ 企业，亚太 ERP 排名第一的用友，我是数据智能产品负责人，对于大量的业务场景还是有一定发言权的，下面我来给大家剖析一下。

B 端产品即给企业的业务人员使用的产品，目的有两个：

（1）降本增效 

B 端产品最核心的几个逻辑：单据（例如各种增删改查类的）、流程、权限（RBAC：功能权限、菜单权限、按钮权限+ABAC：数据权限）、决策。

B 端的业务主要分为两条线：

（1）业务经营：举个例子，宝马、比亚迪、蒙牛、海尔等等这些企业，要采购、生产、营销、搭建电商平台等等这都是 B 端的产品，B 端的企业开发好的产品销售给这些企业实现这些企业的业务与经营管理；广告产品也可以划归到业务经营类中。

（2）企业内部管理：还有一类是企业内部的人力管理、财务管理、内部沟通 IM 系统，例如钉钉、企业微信、飞书这些都属于管理类的产品。

企业如何实现的降本增效？

功能全面易用、流程优化、数据决策，数据决策要做好 B 端产品，要懂指标、报表、数仓；对于中大型企业标准的报表是满足不了个性化需求的，因此还需要懂数据中台。

不懂数据的 B 端产品，凭着高壁垒的业务你要跟企业里面做了十几年的业务专家竞争吗？（理解了我这句话，你就不会在 B 端方向上入坑，因为老专家多的地方就有江湖，就会有“山头”，新人要想在这个方向上成为大牛，说实话，时间成本太高了，晋升的机会也会很渺茫），最合适的切入点是数据方向、数据智能（AI 方向，谈 AI 一定要谈数据，因此叫数据智能更贴切）。

如何通过数据决策实现业务创新？

如何理解业务创新？我们得了解企业经营面临的痛点是什么？

在功能侧这块，企业通过看竞品、抄袭竞品就能很好实现，但是如何用数据去驱动这些业务的变革就很难，这就是当下最火热的企业数智化！

从数据驱动企业业务的角度分为两个级别：决策级、优化级。决策级最常见的是各种大屏、仪表板、报表、分析工具。

要做好决策级产品，为了提升数据的查询性能，就需要具备数据仓库这块的能力，并构建大数据平台。如果企业要实现在数据这块的快速落地，那么你就还需要具备数据这块的 Paas 能力，让企业快速满足对于业务创新的能力。这就是为什么中大型的 B 端企业需要数据中台、AI 中台。

优化级就需要涉及一些数据+智能相关的产品形态，分析分为描述性分析、诊断性分析、预测性分析，描述性分析与诊断性分析属于决策级，优化级属于数据智能范畴，就会涉及到AI。

我们还是回到具体场景上展开来说，举个例子：

a.企业优化一个报销流程，现在的 RPA 产品形态就可以实现自动化的作业替代人工，实现自动化的决策，这里面离不开数据。

b.再比如企业招聘实现简历比对，这里面会用到算法模型，企业里面有能力做到这种场景，就要构建好数仓，为日后训练模型去做数据沉淀。这都属于在 B 端产品形态中数据产品经理或者数据智能产品的范畴。

这也是为什么在课程中我会讲到 AI 相关的知识体系，因为如果涉及一些智能化的场景，你就可以结合里面讲到的方法、案例去形成你自己的知识体系，结合企业业务去落地你所在企业的场景。

总结：未来一定是数据与智能的时代。

什么是工业互联网？

工业互联网（Industrial Internet）是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展...（引用自百度百科）

国家在工业互联网侧推行方向是工业 4.0，工业 4.0 中要实现智能制造，离不开数据、算法、算力。

从如下图中，我们就能知道智能制造与数据、AI 深度相关，智能制造同样遵循有数据->看数据->分析数据->应用数据的价值链路。关于智能制造的具体内容，后面我会与大家继续分享，这里不做过多赘述。因为我所带团队落地的数据智能中台产品需要支持智能制造领域的客户，所以对于工业互联网结合消费互联网、产业互联网、工业互联网进行了一番分析，得出数据智能是未来 10 年的黄金时期。

在现实工作中，我们也感受到了数据分析师、研发、运营、普通功能侧的产品转型数据产品经理也已经成为趋势。

且通过查看各大招聘平台，我们发现，在疫情之下，其他岗位都在不断收缩，而这个变化对于数据产品经理而言，不但没有影响，反而需求量更大，且薪资水平依然坚挺，数据产品经理在未来10年才是最佳方向（实际情况，没有夸大）。