選單

靠譜推薦|我讀完了所有資料產品經理的書?!

本文由作者古牧聊資料 釋出於社群

開局一張圖

靠譜推薦|我讀完了所有資料產品經理的書?!

近幾年專注做資料產品方向,有不少朋友諮詢怎麼上手這個領域,個人認為除了一對一諮詢以外,最好的方式就是看書+實踐了。但到底哪本書合適?我覺得我還是可以盡綿薄之力的,我在豆瓣上透過關鍵詞“資料產品”和其他輔助方式,鎖定了10本跟資料產品經理高度相關的書,一一閱讀後給出我的看法,供你參考

01

個人推薦的必要性討論

資料產品是個新興的細分領域,相關的書還不是很多(至少遠沒有資料分析or產品經理的多),所以我才有機會大言不慚的說“讀完了幾乎所有資料產品經理的書”

這些書前言裡都會寫,針對0-3年的從業者,但依我看,大部分都是針對0-1年的。其實也沒什麼,出版社也要掙錢,初學者總是漏斗的最上游,基數大受眾廣。但不代表寫給新人的書就好寫,深入淺出說起來容易,稍有不慎就會做成淺嘗輒止

而且這裡還有一個隱藏的bug:寫給新人的書,最後都是新人評分,可新人恰恰就是缺少專業閱歷的人,他們的評分可能會有偏頗。同時,業內的老人也很少會看,即便看了也不見得會公開給出對比評價,這就讓這類專業書籍的評分變成了黑盒自閉環,跟培訓機構的課程一樣

基於上述原因,我覺得正好我愛看書,在這個方向也還算專業,就順手做一次開箱測評好了:

1,以下測評書籍的順序,會按照他們的豆瓣評分由低到高排序,但真不見得分低的就毫無可取之處,分高的就實至名歸;

2,我會對每本書給出一個綜合的測評建議,分別是

【可別看】【可以看】【推薦看】

,至於是否採納,看你;

3,我也會在每本書的測評了塞一些自己對這個崗位的看法,所以本期不僅僅是書評,最後還有入行建議呢

走起~

02

十本書的詳細開箱測評

【可以看】

評分有些過低了,我尋思著主要原因就是這書有點薄?但當我看完了剩下那幾本之後我跟你講,這本書還算是有良心的了,至少人家沒有掛羊頭賣狗肉是吧?

對於薄的書,我想起高中的時候學校請優秀畢業生回來做講座,有一個小哥說的很值得琢磨:我每個學科一般就看三本書,第一本看最薄的,第二本看最厚的,第三本看自己寫的。你品~

這本書講了資料產品的定義、怎麼尋找需求、怎麼設計資料指標、怎麼做視覺化、以什麼邏輯呈現資料、怎麼做產品管理、有哪些基礎工具,基本方方面面都照顧到了,作為最薄的那本書,我覺得是可以的。唯一的美中不足就是對資料產品的定義,還是有些侷限在資料分析決策類的產品上,忽略了中間層和基礎層的

【可別看】

完美的詮釋了什麼叫掛羊頭賣狗肉,一本不厚的書,從產品設計到客戶端服務端、程式語言、資料分析、資料視覺化、機器學習、戰略、運營都給你講了,然後還是平行結構毫無主線串聯。就好比把雞鴨鵝豬牛羊魚蔬菜等食材稍微洗洗切塊,也不加調料也不考究下鍋的順序和火候,就直接扔鍋裡亂燉,最後出鍋給你吃

從這本書開始,我見識了資料產品領域書籍的參差,而且也發現了這類書的一個共性問題:有種很濃郁的分析思維和工具思維,習慣於把方方面面的知識內容都羅列給你,但就是缺少排序整合。這跟市面上大部分資料產品很像,擅長功能堆疊,不管受眾體驗

不過這也是該領域必經的階段吧,先要從無到有,才能從有到有用,最後再到好用,慢慢來吧

【可別看】

是一本野心很大的書,旁徵博引古今中外連周易八卦都招呼上了,但就是沒法寫出一本適合產業界的書。看了下作者的背景履歷,倒也就理解了,人家本身就是搞學術路線的,博士畢業後進的也是官方背景的實驗室,很自然寫的東西也是那種文獻綜述的風格。所以不能怪作者,要我說,怪這個標題起的不好,直接改名叫《大資料在我國產業的應用現狀研究》就好了~

靠譜推薦|我讀完了所有資料產品經理的書?!

【可別看】

又是一本很寡淡的書,從書的章節結構就能看出來,並沒有什麼獨家的見解和思考,就跟大部分資料產品一樣,只是功能的堆砌。這類書的一大特點就是,當你看了一本之後,剩下的也就都不用看了,不是因為寫得好,而是因為都大同小異

有一個建議:以後能不能每本書就專注於寫一些只在這本書裡能看到的東西?別老想著湊篇幅or完備性,幹嘛每本講資料產品的書都要講講Excel操作?市面上其他Excel的書不比你寫的好麼,幹嘛非要求全?說到底,寫書雖然是一個妥協的過程,但也是一個見產品經理功力的過程。天天喊著少即是多,怎麼自己做起東西來就不是這麼回事兒了呢?!

靠譜推薦|我讀完了所有資料產品經理的書?!

【可別看】

作為一本工具書,還是比較盡心盡力的。蒐羅了市面上幾乎所有能跟資料、產品經理、網際網路技術研發扯上關係的知識點和方法論,可以極大的提升效率,省去在網上搜索不同知乎專欄or 公眾號文章的時間

主要問題跟前兩本類似,內容相互之間沒什麼關聯,整體也跟業界的資料產品經理沒那麼大關係,讀起來有種看大學課本的感覺

【推薦看】

我把這本書推薦給不下10個人看,反響都不錯。這本書最大的特點就是,你在閱讀中能很明顯的感覺到,作者把資料產品的知識內化成自己的了。這就讓這本書有了一種獨家感,讀完之後能記的住

裡面不論是對資料產品的定義,資料產品經理在企業內與其他崗位的分工合作關係,還是講需求溝通,都帶有資料產品崗位的特色。即便是講Excel,也是從分析一個數據產品的角度切入,不會太工具化

美中不足的就是書的後半部分講了很多資料產品經理的基礎知識,比較離題也沒那麼大必要,就堅持好獨家感就好了。對大資料技術專有名詞的形象化解釋印象比較深刻,很適合新人感性的理解,摘錄如下:

Hadoop設計的核心有兩個:HDFS和 Mapreduce通常需要搭配採集框架(例如比較流行的Kafka+Flume)、 Debase資料庫、部署配置工具( Ambari)等一系列件形成一個完整的架構

HDFS( Hadoop Distributed File System,分散式檔案系統)既然是一個“系統”就會包含一系列的功能和流程。主要由主伺服器( Namenode)和負責儲存資料的Datanode組成,,Namenode負責管理檔案系統的名稱空間和客戶端對檔案的訪問操作

而 Mapreduce的本質是一種程式設計模型,或者說是一種計算方法。作為一個平臺元件,它是用並行的方式處理大規模的計算

可以用不那麼嚴謹的方式把整個過程變成一個故事,會發現這套架構其實是個情報處的組織架構:

Flume像個情報員,負責把情報(日誌)拿到手交給負責接頭的資訊員Kafka運送回來,處長HDFS負責接收這些資料,指揮Namenode給它們起好名字並貼上標籤,交給檔案館Hbase存起來;這些資料還可以透過情報分析站Mapreduce去做複雜的深度加工,加工好的結論也可以交給Hbase存起來。

而想要使用Mapreduce需要透過工具Hive去實現。雖然Hbase是個超大的檔案館,,MapReduce也能為這個超大的檔案館提供更多結果,但若是急需這些情報採取行動(需要實時輸出這些資料),它的效率就顯得有點慢。這時Kafka可以使用應急流程,把資料直接交給獨立調査員storm做實時分析,分析好了交給臨時檔案館Redis存起來,領導(前端頁面)可以去找Redis查閱結果。可惜的是,Storm和Redis雖然效率很高,卻沒有Hbase這個檔案館那麼龐大和穩定,工資(成本)又太高,至今只能打一打下手,做一些補充工作

可以看】

如果想學習怎麼搭建資料中臺,可能這本書有幫助,但不會很大。因為感覺行文架構就是高屋建瓴、高舉高打的,倒是比較適合資料產品經理買來學習一下怎麼畫PPT,裡面這種素材還真是不少

靠譜推薦|我讀完了所有資料產品經理的書?!

【可別看】

其實本書跟資料中臺的關係也沒那麼大,完全可以找一本【可以看】的資料產品書、搭配上面那本PPT素材書就好了。哦,這本書裡也講了不少篇幅的Excel操作技巧和SQL,我都懶得說了……

本書的一個特色,就是作者有意區分了資料產品經理 vs 資料平臺產品經理,我覺得這算是作者的獨家內容了,初衷挺好的。可這種區分定義我倒覺得沒必要,兩者本來就是包含關係,非要弄成並列平行的關係,有點牽強。不過我能get作者想傳達的意思:平臺型產品經理跟單獨做一個產品的差異很大~

靠譜推薦|我讀完了所有資料產品經理的書?!

【可以看】

大廠彙報PPT風格的書,前陣子儲備標籤平臺建設的時候找來看,但看後比較失望,因為並沒有任何幫助。我關心的幫助是要麼指明一些坑,讓後人不要重蹈覆轍;要麼是結合某個具體場景講講標籤設計的心得體會,尤其是怎麼跟得上應用場景。但最終它還是一本零基礎科普入門書,是一本只展示結果,不展示思考過程的標籤建設漂亮話大全

靠譜推薦|我讀完了所有資料產品經理的書?!

【可以看】

這是一本優點和缺點都特別明顯的書。優點是它確實是針對資料產品的,因為作者們都是一線從業者;同時它的覆蓋面也比較廣,從資料產品的定義,到埋點、畫像標籤、ABtest、資料服務、資料倉庫,你能想到的常見資料產品形態都照顧到了

缺點就是,不像是一本書,更像是作者們的公眾號文章合輯。章節之間沒太多關聯,因為攤的面大,所以每塊內容都只能蜻蜓點水。資料產品定義這塊本來是最見功底的部分,對比《寫給資料產品經理新人的工作筆記》就顯得沒有太多獨家感、內化的程度也不夠

第一章在講資料產品的定義之後,愣是強勢插入了資料產品經理的招聘、應聘、面試的內容,公眾號合輯的感覺一下就上來了,也立馬就下頭了

03

入行資料產品的建議

上面測評了10本書,其中就只有一本算是我推薦看的,有一次得到一個朋友的反饋是:書是好書,但它的前提假設是我已經身在一個ok的資料產品團隊。我想知道該怎麼選擇做資料產品的方向?

哦!這還真是個關鍵的前置條件呢!我個人的建議是,儘量在做過一段時間的基礎層資料產品工作後,優先選擇應用層的、離營收變現更近的資料產品。如

為什麼我比較推薦應用層?因為我國長期以來從教育上就講究打基礎,但往往忽略了以應用作為牽引,喚起學習的興趣、構建努力的目標。我記得我在本科和研究生學的很多門課程,學完了我都不知道它到底能幹嘛,在實際工作中有什麼價值,產研完全脫鉤了,導致我當時很長一段時間的迷茫

同樣的,如果能在具備一定基礎的情況下,儘早的接觸應用,知道一個數據產品都可以幫助哪些人帶來什麼直接的價值、都能怎麼直接變現,就會更有利於以終為始的去補充知識、夯實基礎

有關崗位方向選擇的話題,我會在後續積累一些案例之後單獨說,但大方向是不變的

今天的測評確實只是我一家之言,肯定也有我的侷限性,但我能保證的就是中立性和獨家性。如果你對上述這些書有不同的看法,歡迎留言探討~