一、数据产品经理分类
1、数仓产品经理：数仓的基本知识、数仓分层、维度建模方法 -> 可以在需求阶段就预判数据模型之间的调用情况；
2、BI应用产品经理：数据指标基本知识、数据指标背后代表的业务内容 -> 能够找到最适合反应业务需求的数据指标，可以预见未来这个指标需求的扩展程度；
3、数据平台产品经理：大数据平台的技术架构、各类技术组件的基本原理 -> 能够快速定位出需求应该放在哪个产品模块里去解决；
4、数据治理产品经理：数据治理体系的内涵，各家体系理论之间的区别 -> 面对各类复杂的数仓情况，可以快速定位问题，并找到解决方案；（标准、质量、成本、安全、运维、资产沉淀、治理专项）。
二、应用类数据产品演进
1、数据门户：数据门户承接了数据体系的基础建设工作，需要在门户中沉淀几乎所有的基础数据（维度+指标+常规标签），并且需要承担数仓中间层建设，维护数据底层的健壮性，能够快速迭代，持续进行口径变更，主要提供看板体系等产品；
2、角色工作台：在数据门户的基础上，针对不同角色和业务的工作特性，定制化开发针对特定角色和业务的数据集成页面，整体展示当前角色/用户所关心的核心数据，和业务融合包含部分比较表面的业务逻辑，可以辅助用户查数、看数、取数以支撑决策；
3、数据与系统结合：在角色工作台的基础上，可以支持用户根据数据自定义业务规则，将数据标签化，沉淀业务逻辑，使数据和系统与专家知识结合并将个人的专家知识变成公共知识库，与业务深度融合，更好支撑业务；
4、决策支撑：运用算法能力，在目标测算、规则计算、历史预测等方面提供数据支撑能力，可以在专家知识的基础上结合大数据能力更好赋能业务；
三、用户行为是一个网状结构而非链式结构，用户会在不同的页面节点之间相互跳转。
四、数据产品能力图谱
1、指标体系：统计展示 -> 分析归因 -> 智能算法
品类核心指标、全链路指标、重点项目保障指标、绩效目标指标
指标体系的拆解方法论和具体示例
2、数据产品：准确、及时、全面、简单
数据平台、移动端、可视化、用户体验
3、算法与策略：
sql（开窗函数）、python（基础运用、算法函数）、经典数据挖掘算法
4、数据仓库：体系与标准化
指标/看板体系、中间层建设、数据规范、安全治理。
五、认知业务
以某个具体方向为切入口，如财务、商品、信贷、履约、仓储等，辅以其他各线的认知，增强全局思维。
1、梳理业务流程；
2、针对重点项目了解业务运转规律；
3、在实际工作中深入线下业务，并了解产研系统的组成。
