产品经理需要懂技术吗？懂到什么程度？

产品经理需要懂技术吗？这应该是产品届一直在讨论的问题。其实，要不要懂以及懂什么技术栈，取决于你从事的是哪一种类型的产品经理。本文作者对这个问题展开了分析，希望能解答你的疑惑。

产品经理需不需要懂技术？这应该是产品经理届一直以来探讨的问题。作为一个当初为了学习技术，工作三年后专门去国外读了数据科学硕士的现商业化策略产品经理，应该对该问题比较有发言权。

总的来说：不一定。有很多类型的产品经理没有必要懂技术，懂技术对于工作也没啥帮助，不如多花时间去了解业务。只是当下随着互联网和AI的发展，涌现出来的一些新产品经理岗位，这些岗位懂技术已经是必备。具体要不要懂技术以及懂什么技术栈，取决于你从事的是哪一种类型的产品经理。先放一张汇总的图，后续细细展开。

一、技术的分类

技术本身是一个十分笼统的概念，我们先对技术进行分类，分为四个大类：

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。

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

我们基于产品经理的工作内容将市场上的产品经理分为6大类：

下面我们根据每一类产品经理的工作内容进行实际分析需不需要懂技术，以及懂哪个技术栈。

1. 交互产品经理

工作内容：主要负责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。常见的有APP交互产品经理、ERP系统产品经理、平台产品经理等。

技术要求：无。交互产品经理其实不需要懂底层技术，只需要洞察用户即可。

2. 业务产品经理

工作内容：这类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，比如金融信贷产品经理、金融理财产品经理等。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。

技术要求：无。业务产品经理需要对业务十分清晰，清晰地判断业务未来的发展方向和产品形态。不要让需求朝令夕改，不要让技术人员做太多无用功，这就是一个优秀的业务产品经理了。

3. 策略产品经理

工作内容：以前这类产品经理比较少，但随着互联网和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，比如CTR&履约率等。这类产品经理的工作不再是单纯设计功能，更多的是基于数据驱动和用户反馈的策略设计。

技术要求：算法 + 数据分析。策略产品经理首先得懂数据分析，基本的SQL和Hive要十分熟悉，基于数据分析结果，发现数据的异常提出策略优化意见。然后也要对常见算法的数学原理和模型评估指标很清晰，这样才能和算法童鞋进行无缝链接，比如什么是多路召回，什么是召回率，什么是精准率，GBDT算法的原理、梯度下降是什么等等。

同时需要对于推荐系统+搜索引擎的架构十分熟悉，如果还能够自己用Python写机器学习模型那就最好了。

4. 数据产品经理

工作内容：互联网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，从而产生了一类专门和数据打交道的产品经理岗位。

技术要求：数据分析 + 大数据技术。基本的SQL和Hive要十分熟悉，同时如果对于更底层的大数据处理技术（比如：Hadoop、Spark等）了解的话，那么在工作上也会有比较大的帮助。

5. 商业产品经理

工作内容：单独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，主要负责搜索&推荐等流量场的商业化变现，需要既懂搜索&推荐等流量分发策略，又需要懂广告的业务知识。而在商业化里面仍然做数据&交互等的产品经理，我们认为和其他方向的数据&交互产品经理并没有什么差异。

技术要求：算法 + 数据分析。商业产品经理除了对广告业务知识十分清楚外，技术能力要求基本和策略产品经理一致，因为像搜索+推荐场景的商业化变现都需要对推荐系统+搜索引擎的架构十分熟悉，然后在整个系统里各环节应用的模型策略原理和数学原理也要比较清晰。

6. AI产品经理

工作内容：因为近些年AI的蓬勃发展，专门产生了AI方向的产品经理。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。

技术要求：算法 + 数据分析。数据分析技能是一个基本技能，AI是和数据打交道的，AI产品经理必须要会数据分析。AI产品经理需要会的算法可能就和策略产品经理不一样，AI产品经理更多要了解一些机器学习建模的全流程，对一些神经网络比如CNN&RNN等要清晰。尤其是做视觉和语音识别相关的AI产品经理，AI产品经理要更懂底层的一些技术。

上述的对应是说，你想成为这个方向优秀的产品经理，你就得懂这些技术，有些甚至就是基本要求，比如数据产品经理就要会数据分析。你懂这些技术是为了更好地和技术人员进行交流。当技术人员和你说Auc指标时，你知道Auc指标怎么计算的；当技术人员和你说Auc=0.7时，你知道这是一个效果不错的模型，还是效果很差的模型；当技术人员和你说多路召回，全局最优时你知道对方是什么策略，而不仅仅只是一个提需求的工具人；当技术人员和你说这几天他都在调参时，你不再是满脑子疑问调参是什么？

这里并没有要求产品经理懂“工程”，是因为工程本身很多时候是一个体力活，有很多的数据结构知识在里面，并不涉及到逻辑策略。所以产品经理可以不懂，但是一个优秀的算法工程师就必须既懂算法，又懂工程，不然开发的模型根本无法部署上线。

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。教练需要看过无数的录像，做过大量的战术分析，这样才能根据对手的情况，队员的情况制定比赛的战术，要求队员进行严格执行。需求的规划和落地其实也是一样。

三、如何学习技术

上面我已经按照产品经理的岗位，给大家介绍了应该学习哪个方面的技术。那么具体产品经理该如何去学习呢？可以从以下两个方面考虑。

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。当然如果你如果想写出非常高级的SQL脚本，代码既简单运行效率又高，这个是需要在实践中和专门的数据工程师请教的。

1）MySQL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。

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。

1）Python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，不建议去学习Java、C语言&C++等，第一学习难度很大，第二学出来说实话对于工作没啥帮助。R语言和Matlab在工业界几乎不用，也没有学的必要。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。

如果一个人能够通过上网课自学Python真的需要非常大的毅力，没有外界的压力推动的话很难学会，顶多懂一点皮毛。网课学习代码最大的难点就是没有人请教，不会改BUG。我以前没有读硕士之前曾经尝试过，后来放弃了。第一没有人请教，第二没有压力推动真的很难持续学习。这里我不推荐任何网课，因为真的很难靠网课学会。

2）机器学习入门

如果想系统性地学习机器学习，我建议还是专门读一个相关方向的硕士，国外有很多一年制的Data Science和AI方向的硕士。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。

大家也不用担心本科毫无基础能否学习机器学习，我读硕士时班上计算机科班的同学没几个，大家都在学业的压力下逼迫自己学习，最终顺利毕业。专门读硕士是为了你有一个专门的时间来学习，一边工作一边学习机器学习真的很难坚持。

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，比如Item-CF和User-CF的基本区别和应用场景等。可以看一些别人分享的策略文章，人人官网和知乎上有很多算法工程师在分享这类文章。