產(chǎn)品經(jīng)理需要懂技術(shù)嗎？這應(yīng)該是產(chǎn)品屆一直在討論的問(wèn)題。其實(shí)，要不要懂以及懂什么技術(shù)棧，取決于你從事的是哪一種類型的產(chǎn)品經(jīng)理。本文作者對(duì)這個(gè)問(wèn)題展開(kāi)了分析，希望能解答你的疑惑。

產(chǎn)品經(jīng)理需不需要懂技術(shù)？這應(yīng)該是產(chǎn)品經(jīng)理屆一直以來(lái)探討的問(wèn)題。作為一個(gè)當(dāng)初為了學(xué)習(xí)技術(shù)，工作三年后專門去國(guó)外讀了數(shù)據(jù)科學(xué)碩士的現(xiàn)商業(yè)化策略產(chǎn)品經(jīng)理，應(yīng)該對(duì)該問(wèn)題比較有發(fā)言權(quán)。

總的來(lái)說(shuō)：不一定。有很多類型的產(chǎn)品經(jīng)理沒(méi)有必要懂技術(shù)，懂技術(shù)對(duì)于工作也沒(méi)啥幫助，不如多花時(shí)間去了解業(yè)務(wù)。只是當(dāng)下隨著互聯(lián)網(wǎng)和AI的發(fā)展，涌現(xiàn)出來(lái)的一些新產(chǎn)品經(jīng)理崗位，這些崗位懂技術(shù)已經(jīng)是必備。具體要不要懂技術(shù)以及懂什么技術(shù)棧，取決于你從事的是哪一種類型的產(chǎn)品經(jīng)理。先放一張匯總的圖，后續(xù)細(xì)細(xì)展開(kāi)。

一、技術(shù)的分類

技術(shù)本身是一個(gè)十分籠統(tǒng)的概念，我們先對(duì)技術(shù)進(jìn)行分類，分為四個(gè)大類：

1. 工程

通過(guò)Java、C語(yǔ)言等寫(xiě)腳本實(shí)現(xiàn)系統(tǒng)的某一功能或者是通過(guò)數(shù)據(jù)結(jié)構(gòu)的改變提升系統(tǒng)某一性能。

2. 算法

理解業(yè)務(wù)需求，完成數(shù)據(jù)清洗構(gòu)建正負(fù)樣本，構(gòu)建特征工程；再基于Python語(yǔ)言，調(diào)用庫(kù)包現(xiàn)成模型如GBDT等完成模型訓(xùn)練和測(cè)試；最終對(duì)模型進(jìn)行部署上線。

3. 數(shù)據(jù)分析

基于對(duì)業(yè)務(wù)的了解構(gòu)建一整套的數(shù)據(jù)分析體系，然后通過(guò)Sql和Hive等數(shù)據(jù)分析語(yǔ)言完成數(shù)據(jù)分析。

4. 大數(shù)據(jù)

基于海量的數(shù)據(jù)源開(kāi)發(fā)各類底層的數(shù)據(jù)表格和數(shù)倉(cāng)，通過(guò)Hadoop、Spark等構(gòu)建各種數(shù)據(jù)流任務(wù)。

二、產(chǎn)品經(jīng)理分類

我們基于產(chǎn)品經(jīng)理的工作內(nèi)容將市場(chǎng)上的產(chǎn)品經(jīng)理分為6大類：

下面我們根據(jù)每一類產(chǎn)品經(jīng)理的工作內(nèi)容進(jìn)行實(shí)際分析需不需要懂技術(shù)，以及懂哪個(gè)技術(shù)棧。

1. 交互產(chǎn)品經(jīng)理

工作內(nèi)容：主要負(fù)責(zé)產(chǎn)品的交互樣式和流轉(zhuǎn)流程，通過(guò)研究用戶習(xí)慣和系統(tǒng)之前的交互流程，設(shè)計(jì)流程更加順暢，體驗(yàn)更加友好的產(chǎn)品。常見(jiàn)的有APP交互產(chǎn)品經(jīng)理、ERP系統(tǒng)產(chǎn)品經(jīng)理、平臺(tái)產(chǎn)品經(jīng)理等。

技術(shù)要求：無(wú)。交互產(chǎn)品經(jīng)理其實(shí)不需要懂底層技術(shù)，只需要洞察用戶即可。

2. 業(yè)務(wù)產(chǎn)品經(jīng)理

工作內(nèi)容：這類產(chǎn)品經(jīng)理專門是做功能設(shè)計(jì)和對(duì)接業(yè)務(wù)需求的，尤其是在一些非互聯(lián)網(wǎng)行業(yè)，比如金融信貸產(chǎn)品經(jīng)理、金融理財(cái)產(chǎn)品經(jīng)理等。這一類的產(chǎn)品經(jīng)理更需要懂的是業(yè)務(wù)知識(shí)，并不是技術(shù)能力。

技術(shù)要求：無(wú)。業(yè)務(wù)產(chǎn)品經(jīng)理需要對(duì)業(yè)務(wù)十分清晰，清晰地判斷業(yè)務(wù)未來(lái)的發(fā)展方向和產(chǎn)品形態(tài)。不要讓需求朝令夕改，不要讓技術(shù)人員做太多無(wú)用功，這就是一個(gè)優(yōu)秀的業(yè)務(wù)產(chǎn)品經(jīng)理了。

3. 策略產(chǎn)品經(jīng)理

工作內(nèi)容：以前這類產(chǎn)品經(jīng)理比較少，但隨著互聯(lián)網(wǎng)和AI的發(fā)展，對(duì)于推薦系統(tǒng)&搜索引擎&反欺詐&金融科技的需求越來(lái)越多，要求也越來(lái)越高，需要有專門的產(chǎn)品經(jīng)理來(lái)進(jìn)行策略設(shè)計(jì)提升系統(tǒng)整體的效果指標(biāo)，比如CTR&履約率等。這類產(chǎn)品經(jīng)理的工作不再是單純?cè)O(shè)計(jì)功能，更多的是基于數(shù)據(jù)驅(qū)動(dòng)和用戶反饋的策略設(shè)計(jì)。

技術(shù)要求：算法 + 數(shù)據(jù)分析。策略產(chǎn)品經(jīng)理首先得懂?dāng)?shù)據(jù)分析，基本的SQL和Hive要十分熟悉，基于數(shù)據(jù)分析結(jié)果，發(fā)現(xiàn)數(shù)據(jù)的異常提出策略優(yōu)化意見(jiàn)。然后也要對(duì)常見(jiàn)算法的數(shù)學(xué)原理和模型評(píng)估指標(biāo)很清晰，這樣才能和算法童鞋進(jìn)行無(wú)縫鏈接，比如什么是多路召回，什么是召回率，什么是精準(zhǔn)率，GBDT算法的原理、梯度下降是什么等等。

同時(shí)需要對(duì)于推薦系統(tǒng)+搜索引擎的架構(gòu)十分熟悉，如果還能夠自己用Python寫(xiě)機(jī)器學(xué)習(xí)模型那就最好了。

4. 數(shù)據(jù)產(chǎn)品經(jīng)理

工作內(nèi)容：互聯(lián)網(wǎng)早期也沒(méi)有專門的數(shù)據(jù)產(chǎn)品經(jīng)理，很多都是兼任做數(shù)據(jù)分析。后來(lái)隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展數(shù)據(jù)量爆炸，越來(lái)越多的數(shù)據(jù)需要專人分析，同時(shí)需要更豐富的數(shù)據(jù)分析工具以及數(shù)據(jù)看板等，從而產(chǎn)生了一類專門和數(shù)據(jù)打交道的產(chǎn)品經(jīng)理崗位。

技術(shù)要求：數(shù)據(jù)分析 + 大數(shù)據(jù)技術(shù)。基本的SQL和Hive要十分熟悉，同時(shí)如果對(duì)于更底層的大數(shù)據(jù)處理技術(shù)（比如：Hadoop、Spark等）了解的話，那么在工作上也會(huì)有比較大的幫助。

5. 商業(yè)產(chǎn)品經(jīng)理

工作內(nèi)容：?jiǎn)为?dú)將商業(yè)化產(chǎn)品經(jīng)理拎出來(lái)也是因?yàn)檫@類崗位目前在互聯(lián)網(wǎng)很吃香，影響公司的收入。

互聯(lián)網(wǎng)公司積攢了大量流量，而互聯(lián)網(wǎng)公司需要基于這些流量進(jìn)行商業(yè)化變現(xiàn)，從而產(chǎn)生了專門負(fù)責(zé)商業(yè)化的產(chǎn)品經(jīng)理崗位，主要負(fù)責(zé)搜索&推薦等流量場(chǎng)的商業(yè)化變現(xiàn)，需要既懂搜索&推薦等流量分發(fā)策略，又需要懂廣告的業(yè)務(wù)知識(shí)。而在商業(yè)化里面仍然做數(shù)據(jù)&交互等的產(chǎn)品經(jīng)理，我們認(rèn)為和其他方向的數(shù)據(jù)&交互產(chǎn)品經(jīng)理并沒(méi)有什么差異。

技術(shù)要求：算法 + 數(shù)據(jù)分析。商業(yè)產(chǎn)品經(jīng)理除了對(duì)廣告業(yè)務(wù)知識(shí)十分清楚外，技術(shù)能力要求基本和策略產(chǎn)品經(jīng)理一致，因?yàn)橄袼阉?推薦場(chǎng)景的商業(yè)化變現(xiàn)都需要對(duì)推薦系統(tǒng)+搜索引擎的架構(gòu)十分熟悉，然后在整個(gè)系統(tǒng)里各環(huán)節(jié)應(yīng)用的模型策略原理和數(shù)學(xué)原理也要比較清晰。

6. AI產(chǎn)品經(jīng)理

工作內(nèi)容：因?yàn)榻┠闍I的蓬勃發(fā)展，專門產(chǎn)生了AI方向的產(chǎn)品經(jīng)理。AI產(chǎn)品經(jīng)理有兩個(gè)大的方向，一種是將AI應(yīng)用到實(shí)際場(chǎng)景的產(chǎn)品經(jīng)理，還有一種是構(gòu)建AI平臺(tái)，方便AI科學(xué)家們更好地進(jìn)行特征選擇、模型訓(xùn)練、部署上線等。

技術(shù)要求：算法 + 數(shù)據(jù)分析。數(shù)據(jù)分析技能是一個(gè)基本技能，AI是和數(shù)據(jù)打交道的，AI產(chǎn)品經(jīng)理必須要會(huì)數(shù)據(jù)分析。AI產(chǎn)品經(jīng)理需要會(huì)的算法可能就和策略產(chǎn)品經(jīng)理不一樣，AI產(chǎn)品經(jīng)理更多要了解一些機(jī)器學(xué)習(xí)建模的全流程，對(duì)一些神經(jīng)網(wǎng)絡(luò)比如CNN&RNN等要清晰。尤其是做視覺(jué)和語(yǔ)音識(shí)別相關(guān)的AI產(chǎn)品經(jīng)理，AI產(chǎn)品經(jīng)理要更懂底層的一些技術(shù)。

上述的對(duì)應(yīng)是說(shuō)，你想成為這個(gè)方向優(yōu)秀的產(chǎn)品經(jīng)理，你就得懂這些技術(shù)，有些甚至就是基本要求，比如數(shù)據(jù)產(chǎn)品經(jīng)理就要會(huì)數(shù)據(jù)分析。你懂這些技術(shù)是為了更好地和技術(shù)人員進(jìn)行交流。當(dāng)技術(shù)人員和你說(shuō)Auc指標(biāo)時(shí)，你知道Auc指標(biāo)怎么計(jì)算的；當(dāng)技術(shù)人員和你說(shuō)Auc=0.7時(shí)，你知道這是一個(gè)效果不錯(cuò)的模型，還是效果很差的模型；當(dāng)技術(shù)人員和你說(shuō)多路召回，全局最優(yōu)時(shí)你知道對(duì)方是什么策略，而不僅僅只是一個(gè)提需求的工具人；當(dāng)技術(shù)人員和你說(shuō)這幾天他都在調(diào)參時(shí)，你不再是滿腦子疑問(wèn)調(diào)參是什么？

這里并沒(méi)有要求產(chǎn)品經(jīng)理懂“工程”，是因?yàn)楣こ瘫旧砗芏鄷r(shí)候是一個(gè)體力活，有很多的數(shù)據(jù)結(jié)構(gòu)知識(shí)在里面，并不涉及到邏輯策略。所以產(chǎn)品經(jīng)理可以不懂，但是一個(gè)優(yōu)秀的算法工程師就必須既懂算法，又懂工程，不然開(kāi)發(fā)的模型根本無(wú)法部署上線。

產(chǎn)品經(jīng)理需不需要會(huì)技術(shù)，和“籃球 or 足球教練需不需要自己球打得也很好”一樣：實(shí)操可以很差，但是得懂。就像教練自己上場(chǎng)不一定打得很好，但他必須懂球。教練需要看過(guò)無(wú)數(shù)的錄像，做過(guò)大量的戰(zhàn)術(shù)分析，這樣才能根據(jù)對(duì)手的情況，隊(duì)員的情況制定比賽的戰(zhàn)術(shù)，要求隊(duì)員進(jìn)行嚴(yán)格執(zhí)行。需求的規(guī)劃和落地其實(shí)也是一樣。

三、如何學(xué)習(xí)技術(shù)

上面我已經(jīng)按照產(chǎn)品經(jīng)理的崗位，給大家介紹了應(yīng)該學(xué)習(xí)哪個(gè)方面的技術(shù)。那么具體產(chǎn)品經(jīng)理該如何去學(xué)習(xí)呢？可以從以下兩個(gè)方面考慮。

1. 數(shù)據(jù)分析

數(shù)據(jù)分析完全可以自學(xué)，這是一個(gè)零基礎(chǔ)就可以學(xué)習(xí)的技術(shù)棧。當(dāng)然如果你如果想寫(xiě)出非常高級(jí)的SQL腳本，代碼既簡(jiǎn)單運(yùn)行效率又高，這個(gè)是需要在實(shí)踐中和專門的數(shù)據(jù)工程師請(qǐng)教的。

1）MySQL入門

MySQL本身入門相對(duì)比較簡(jiǎn)單，B站上有很多免費(fèi)的公開(kāi)課程，差不多一周的時(shí)間就可以學(xué)會(huì)很多基礎(chǔ)的查詢語(yǔ)句，后續(xù)在實(shí)際工作中去提升自己的SQL能力。

2）數(shù)據(jù)分析體系入門

SQL和Hive只是工具，很多時(shí)候工具學(xué)起來(lái)簡(jiǎn)單，但是如何構(gòu)建數(shù)據(jù)分析體系和學(xué)會(huì)數(shù)據(jù)分析的思路這個(gè)更重要。比如如何構(gòu)建用戶畫(huà)像，用戶畫(huà)像分為哪些維度等等，這些是需要一定業(yè)務(wù)知識(shí)的。

2. 算法

產(chǎn)品經(jīng)理想熟悉算法非常難，甚至想入門算法就已經(jīng)很難了。

1）Python入門

入門算法首先要會(huì)Python，這是基礎(chǔ)的工具。

Python是我唯一建議產(chǎn)品經(jīng)理去學(xué)習(xí)的一門計(jì)算機(jī)語(yǔ)言，不建議去學(xué)習(xí)Java、C語(yǔ)言&C++等，第一學(xué)習(xí)難度很大，第二學(xué)出來(lái)說(shuō)實(shí)話對(duì)于工作沒(méi)啥幫助。R語(yǔ)言和Matlab在工業(yè)界幾乎不用，也沒(méi)有學(xué)的必要。工業(yè)界算法都是用Python，因?yàn)镻ython里面太多可以直接調(diào)用的庫(kù)非常方便。

如果一個(gè)人能夠通過(guò)上網(wǎng)課自學(xué)Python真的需要非常大的毅力，沒(méi)有外界的壓力推動(dòng)的話很難學(xué)會(huì)，頂多懂一點(diǎn)皮毛。網(wǎng)課學(xué)習(xí)代碼最大的難點(diǎn)就是沒(méi)有人請(qǐng)教，不會(huì)改BUG。我以前沒(méi)有讀碩士之前曾經(jīng)嘗試過(guò)，后來(lái)放棄了。第一沒(méi)有人請(qǐng)教，第二沒(méi)有壓力推動(dòng)真的很難持續(xù)學(xué)習(xí)。這里我不推薦任何網(wǎng)課，因?yàn)檎娴暮茈y靠網(wǎng)課學(xué)會(huì)。

2）機(jī)器學(xué)習(xí)入門

如果想系統(tǒng)性地學(xué)習(xí)機(jī)器學(xué)習(xí)，我建議還是專門讀一個(gè)相關(guān)方向的碩士，國(guó)外有很多一年制的Data Science和AI方向的碩士。在作業(yè)、考試和畢業(yè)論文等多方壓力下，這一年只要你努力學(xué)習(xí)，肯定能夠?qū)C(jī)器學(xué)習(xí)有一個(gè)非常清晰的了解，甚至可以轉(zhuǎn)崗做算法工程師。

大家也不用擔(dān)心本科毫無(wú)基礎(chǔ)能否學(xué)習(xí)機(jī)器學(xué)習(xí)，我讀碩士時(shí)班上計(jì)算機(jī)科班的同學(xué)沒(méi)幾個(gè)，大家都在學(xué)業(yè)的壓力下逼迫自己學(xué)習(xí)，最終順利畢業(yè)。專門讀碩士是為了你有一個(gè)專門的時(shí)間來(lái)學(xué)習(xí)，一邊工作一邊學(xué)習(xí)機(jī)器學(xué)習(xí)真的很難堅(jiān)持。

3）策略入門

如果你既不想學(xué)習(xí)Python，也不想了解機(jī)器學(xué)習(xí)的底層數(shù)學(xué)原理等，至少得清楚這些策略基礎(chǔ)原理，比如Item-CF和User-CF的基本區(qū)別和應(yīng)用場(chǎng)景等?？梢钥匆恍﹦e人分享的策略文章，人人官網(wǎng)和知乎上有很多算法工程師在分享這類文章。