產品經理需要懂技術嗎？這應該是產品屆一直在討論的問題。其實，要不要懂以及懂什么技術棧，取決于你從事的是哪一種類型的產品經理。本文作者對這個問題展開了分析，希望能解答你的疑惑。

產品經理需不需要懂技術？這應該是產品經理屆一直以來探討的問題。作為一個當初為了學習技術，工作三年后專門去國外讀了數據科學碩士的現商業化策略產品經理，應該對該問題比較有發言權。

總的來說：不一定。有很多類型的產品經理沒有必要懂技術，懂技術對于工作也沒啥幫助，不如多花時間去了解業務。只是當下隨著互聯網和AI的發展，涌現出來的一些新產品經理崗位，這些崗位懂技術已經是必備。具體要不要懂技術以及懂什么技術棧，取決于你從事的是哪一種類型的產品經理。先放一張匯總的圖，后續細細展開。

一、技術的分類

技術本身是一個十分籠統的概念，我們先對技術進行分類，分為四個大類：

1. 工程

通過Java、C語言等寫腳本實現系統的某一功能或者是通過數據結構的改變提升系統某一性能。

2. 算法

理解業務需求，完成數據清洗構建正負樣本，構建特征工程；再基于Python語言，調用庫包現成模型如GBDT等完成模型訓練和測試；最終對模型進行部署上線。

3. 數據分析

基于對業務的了解構建一整套的數據分析體系，然后通過Sql和Hive等數據分析語言完成數據分析。

4. 大數據

基于海量的數據源開發各類底層的數據表格和數倉，通過Hadoop、Spark等構建各種數據流任務。

二、產品經理分類

我們基于產品經理的工作內容將市場上的產品經理分為6大類：

下面我們根據每一類產品經理的工作內容進行實際分析需不需要懂技術，以及懂哪個技術棧。

1. 交互產品經理

工作內容：主要負責產品的交互樣式和流轉流程，通過研究用戶習慣和系統之前的交互流程，設計流程更加順暢，體驗更加友好的產品。常見的有APP交互產品經理、ERP系統產品經理、平臺產品經理等。

技術要求：無。交互產品經理其實不需要懂底層技術，只需要洞察用戶即可。

2. 業務產品經理

工作內容：這類產品經理專門是做功能設計和對接業務需求的，尤其是在一些非互聯網行業，比如金融信貸產品經理、金融理財產品經理等。這一類的產品經理更需要懂的是業務知識，并不是技術能力。

技術要求：無。業務產品經理需要對業務十分清晰，清晰地判斷業務未來的發展方向和產品形態。不要讓需求朝令夕改，不要讓技術人員做太多無用功，這就是一個優秀的業務產品經理了。

3. 策略產品經理

工作內容：以前這類產品經理比較少，但隨著互聯網和AI的發展，對于推薦系統&搜索引擎&反欺詐&金融科技的需求越來越多，要求也越來越高，需要有專門的產品經理來進行策略設計提升系統整體的效果指標，比如CTR&履約率等。這類產品經理的工作不再是單純設計功能，更多的是基于數據驅動和用戶反饋的策略設計。

技術要求：算法 + 數據分析。策略產品經理首先得懂數據分析，基本的SQL和Hive要十分熟悉，基于數據分析結果，發現數據的異常提出策略優化意見。然后也要對常見算法的數學原理和模型評估指標很清晰，這樣才能和算法童鞋進行無縫鏈接，比如什么是多路召回，什么是召回率，什么是精準率，GBDT算法的原理、梯度下降是什么等等。

同時需要對于推薦系統+搜索引擎的架構十分熟悉，如果還能夠自己用Python寫機器學習模型那就最好了。

4. 數據產品經理

工作內容：互聯網早期也沒有專門的數據產品經理，很多都是兼任做數據分析。后來隨著移動互聯網的發展數據量爆炸，越來越多的數據需要專人分析，同時需要更豐富的數據分析工具以及數據看板等，從而產生了一類專門和數據打交道的產品經理崗位。

技術要求：數據分析 + 大數據技術。基本的SQL和Hive要十分熟悉，同時如果對于更底層的大數據處理技術（比如：Hadoop、Spark等）了解的話，那么在工作上也會有比較大的幫助。

5. 商業產品經理

工作內容：單獨將商業化產品經理拎出來也是因為這類崗位目前在互聯網很吃香，影響公司的收入。

互聯網公司積攢了大量流量，而互聯網公司需要基于這些流量進行商業化變現，從而產生了專門負責商業化的產品經理崗位，主要負責搜索&推薦等流量場的商業化變現，需要既懂搜索&推薦等流量分發策略，又需要懂廣告的業務知識。而在商業化里面仍然做數據&交互等的產品經理，我們認為和其他方向的數據&交互產品經理并沒有什么差異。

技術要求：算法 + 數據分析。商業產品經理除了對廣告業務知識十分清楚外，技術能力要求基本和策略產品經理一致，因為像搜索+推薦場景的商業化變現都需要對推薦系統+搜索引擎的架構十分熟悉，然后在整個系統里各環節應用的模型策略原理和數學原理也要比較清晰。

6. AI產品經理

工作內容：因為近些年AI的蓬勃發展，專門產生了AI方向的產品經理。AI產品經理有兩個大的方向，一種是將AI應用到實際場景的產品經理，還有一種是構建AI平臺，方便AI科學家們更好地進行特征選擇、模型訓練、部署上線等。

技術要求：算法 + 數據分析。數據分析技能是一個基本技能，AI是和數據打交道的，AI產品經理必須要會數據分析。AI產品經理需要會的算法可能就和策略產品經理不一樣，AI產品經理更多要了解一些機器學習建模的全流程，對一些神經網絡比如CNN&RNN等要清晰。尤其是做視覺和語音識別相關的AI產品經理，AI產品經理要更懂底層的一些技術。

上述的對應是說，你想成為這個方向優秀的產品經理，你就得懂這些技術，有些甚至就是基本要求，比如數據產品經理就要會數據分析。你懂這些技術是為了更好地和技術人員進行交流。當技術人員和你說Auc指標時，你知道Auc指標怎么計算的；當技術人員和你說Auc=0.7時，你知道這是一個效果不錯的模型，還是效果很差的模型；當技術人員和你說多路召回，全局最優時你知道對方是什么策略，而不僅僅只是一個提需求的工具人；當技術人員和你說這幾天他都在調參時，你不再是滿腦子疑問調參是什么？

這里并沒有要求產品經理懂“工程”，是因為工程本身很多時候是一個體力活，有很多的數據結構知識在里面，并不涉及到邏輯策略。所以產品經理可以不懂，但是一個優秀的算法工程師就必須既懂算法，又懂工程，不然開發的模型根本無法部署上線。

產品經理需不需要會技術，和“籃球 or 足球教練需不需要自己球打得也很好”一樣：實操可以很差，但是得懂。就像教練自己上場不一定打得很好，但他必須懂球。教練需要看過無數的錄像，做過大量的戰術分析，這樣才能根據對手的情況，隊員的情況制定比賽的戰術，要求隊員進行嚴格執行。需求的規劃和落地其實也是一樣。

三、如何學習技術

上面我已經按照產品經理的崗位，給大家介紹了應該學習哪個方面的技術。那么具體產品經理該如何去學習呢？可以從以下兩個方面考慮。

1. 數據分析

數據分析完全可以自學，這是一個零基礎就可以學習的技術棧。當然如果你如果想寫出非常高級的SQL腳本，代碼既簡單運行效率又高，這個是需要在實踐中和專門的數據工程師請教的。

1）MySQL入門

MySQL本身入門相對比較簡單，B站上有很多免費的公開課程，差不多一周的時間就可以學會很多基礎的查詢語句，后續在實際工作中去提升自己的SQL能力。

2）數據分析體系入門

SQL和Hive只是工具，很多時候工具學起來簡單，但是如何構建數據分析體系和學會數據分析的思路這個更重要。比如如何構建用戶畫像，用戶畫像分為哪些維度等等，這些是需要一定業務知識的。

2. 算法

產品經理想熟悉算法非常難，甚至想入門算法就已經很難了。

1）Python入門

入門算法首先要會Python，這是基礎的工具。

Python是我唯一建議產品經理去學習的一門計算機語言，不建議去學習Java、C語言&C++等，第一學習難度很大，第二學出來說實話對于工作沒啥幫助。R語言和Matlab在工業界幾乎不用，也沒有學的必要。工業界算法都是用Python，因為Python里面太多可以直接調用的庫非常方便。

如果一個人能夠通過上網課自學Python真的需要非常大的毅力，沒有外界的壓力推動的話很難學會，頂多懂一點皮毛。網課學習代碼最大的難點就是沒有人請教，不會改BUG。我以前沒有讀碩士之前曾經嘗試過，后來放棄了。第一沒有人請教，第二沒有壓力推動真的很難持續學習。這里我不推薦任何網課，因為真的很難靠網課學會。

2）機器學習入門

如果想系統性地學習機器學習，我建議還是專門讀一個相關方向的碩士，國外有很多一年制的Data Science和AI方向的碩士。在作業、考試和畢業論文等多方壓力下，這一年只要你努力學習，肯定能夠對機器學習有一個非常清晰的了解，甚至可以轉崗做算法工程師。

大家也不用擔心本科毫無基礎能否學習機器學習，我讀碩士時班上計算機科班的同學沒幾個，大家都在學業的壓力下逼迫自己學習，最終順利畢業。專門讀碩士是為了你有一個專門的時間來學習，一邊工作一邊學習機器學習真的很難堅持。

3）策略入門

如果你既不想學習Python，也不想了解機器學習的底層數學原理等，至少得清楚這些策略基礎原理，比如Item-CF和User-CF的基本區別和應用場景等?？梢钥匆恍﹦e人分享的策略文章，人人官網和知乎上有很多算法工程師在分享這類文章。