本文由作者 古牧聊数据 发布于社区

开局一张图📖

近几年专注做数据产品方向，有不少朋友咨询怎么上手这个领域，个人认为除了一对一咨询以外，最好的方式就是看书+实践了。但到底哪本书合适？我觉得我还是可以尽绵薄之力的，我在豆瓣上通过关键词“数据产品”和其他辅助方式，锁定了10本跟数据产品经理高度相关的书，一一阅读后给出我的看法，供你参考

01

个人推荐的必要性讨论
数据产品是个新兴的细分领域，相关的书还不是很多（至少远没有数据分析or产品经理的多），所以我才有机会大言不惭的说“读完了几乎所有数据产品经理的书”
这些书前言里都会写，针对0-3年的从业者，但依我看，大部分都是针对0-1年的。其实也没什么，出版社也要挣钱，初学者总是漏斗的最上游，基数大受众广。但不代表写给新人的书就好写，深入浅出说起来容易，稍有不慎就会做成浅尝辄止
而且这里还有一个隐藏的bug：写给新人的书，最后都是新人评分，可新人恰恰就是缺少专业阅历的人，他们的评分可能会有偏颇。同时，业内的老人也很少会看，即便看了也不见得会公开给出对比评价，这就让这类专业书籍的评分变成了黑盒自闭环，跟培训机构的课程一样

基于上述原因，我觉得正好我爱看书，在这个方向也还算专业，就顺手做一次开箱测评好了：
1，以下测评书籍的顺序，会按照他们的豆瓣评分由低到高排序，但真不见得分低的就毫无可取之处，分高的就实至名归；
2，我会对每本书给出一个综合的测评建议，分别是【可别看】【可以看】【推荐看】，至于是否采纳，看你；
3，我也会在每本书的测评了塞一些自己对这个岗位的看法，所以本期不仅仅是书评，最后还有入行建议呢
走起～

02

十本书的详细开箱测评
【可以看】评分有些过低了，我寻思着主要原因就是这书有点薄？但当我看完了剩下那几本之后我跟你讲，这本书还算是有良心的了，至少人家没有挂羊头卖狗肉是吧？
对于薄的书，我想起高中的时候学校请优秀毕业生回来做讲座，有一个小哥说的很值得琢磨：我每个学科一般就看三本书，第一本看最薄的，第二本看最厚的，第三本看自己写的。你品～

这本书讲了数据产品的定义、怎么寻找需求、怎么设计数据指标、怎么做可视化、以什么逻辑呈现数据、怎么做产品管理、有哪些基础工具，基本方方面面都照顾到了，作为最薄的那本书，我觉得是可以的。唯一的美中不足就是对数据产品的定义，还是有些局限在数据分析决策类的产品上，忽略了中间层和基础层的
【可别看】完美的诠释了什么叫挂羊头卖狗肉，一本不厚的书，从产品设计到客户端服务端、编程语言、数据分析、数据可视化、机器学习、战略、运营都给你讲了，然后还是平行结构毫无主线串联。就好比把鸡鸭鹅猪牛羊鱼蔬菜等食材稍微洗洗切块，也不加调料也不考究下锅的顺序和火候，就直接扔锅里乱炖，最后出锅给你吃
从这本书开始，我见识了数据产品领域书籍的参差，而且也发现了这类书的一个共性问题：有种很浓郁的分析思维和工具思维，习惯于把方方面面的知识内容都罗列给你，但就是缺少排序整合。这跟市面上大部分数据产品很像，擅长功能堆叠，不管受众体验

不过这也是该领域必经的阶段吧，先要从无到有，才能从有到有用，最后再到好用，慢慢来吧
【可别看】
是一本野心很大的书，旁征博引古今中外连周易八卦都招呼上了，但就是没法写出一本适合产业界的书。看了下作者的背景履历，倒也就理解了，人家本身就是搞学术路线的，博士毕业后进的也是官方背景的实验室，很自然写的东西也是那种文献综述的风格。所以不能怪作者，要我说，怪这个标题起的不好，直接改名叫《大数据在我国产业的应用现状研究》就好了～

【可别看】又是一本很寡淡的书，从书的章节结构就能看出来，并没有什么独家的见解和思考，就跟大部分数据产品一样，只是功能的堆砌。这类书的一大特点就是，当你看了一本之后，剩下的也就都不用看了，不是因为写得好，而是因为都大同小异
有一个建议：以后能不能每本书就专注于写一些只在这本书里能看到的东西？别老想着凑篇幅or完备性，干嘛每本讲数据产品的书都要讲讲Excel操作？市面上其他Excel的书不比你写的好么，干嘛非要求全？说到底，写书虽然是一个妥协的过程，但也是一个见产品经理功力的过程。天天喊着少即是多，怎么自己做起东西来就不是这么回事儿了呢？！
【可别看】
作为一本工具书，还是比较尽心尽力的。搜罗了市面上几乎所有能跟数据、产品经理、互联网技术研发扯上关系的知识点和方法论，可以极大的提升效率，省去在网上搜索不同知乎专栏or 公众号文章的时间

主要问题跟前两本类似，内容相互之间没什么关联，整体也跟业界的数据产品经理没那么大关系，读起来有种看大学课本的感觉
【推荐看】我把这本书推荐给不下10个人看，反响都不错。这本书最大的特点就是，你在阅读中能很明显的感觉到，作者把数据产品的知识内化成自己的了。这就让这本书有了一种独家感，读完之后能记的住
里面不论是对数据产品的定义，数据产品经理在企业内与其他岗位的分工合作关系，还是讲需求沟通，都带有数据产品岗位的特色。即便是讲Excel，也是从分析一个数据产品的角度切入，不会太工具化
美中不足的就是书的后半部分讲了很多数据产品经理的基础知识，比较离题也没那么大必要，就坚持好独家感就好了。对大数据技术专有名词的形象化解释印象比较深刻，很适合新人感性的理解，摘录如下：
Hadoop设计的核心有两个：HDFS和 Mapreduce通常需要搭配采集框架(例如比较流行的Kafka+Flume)、 Debase数据库、部署配置工具( Ambari)等一系列件形成一个完整的架构 
HDFS( Hadoop Distributed File System,分布式文件系统)既然是一个“系统”就会包含一系列的功能和流程。主要由主服务器( Namenode)和负责存储数据的Datanode组成,，Namenode负责管理文件系统的命名空间和客户端对文件的访问操作 
而 Mapreduce的本质是一种编程模型，或者说是一种计算方法。作为一个平台组件，它是用并行的方式处理大规模的计算
可以用不那么严谨的方式把整个过程变成一个故事，会发现这套架构其实是个情报处的组织架构： 
Flume像个情报员，负责把情报(日志)拿到手交给负责接头的信息员Kafka运送回来，处长HDFS负责接收这些数据，指挥Namenode给它们起好名字并贴上标签，交给档案馆Hbase存起来；这些数据还可以通过情报分析站Mapreduce去做复杂的深度加工，加工好的结论也可以交给Hbase存起来。
而想要使用Mapreduce需要通过工具Hive去实现。虽然Hbase是个超大的档案馆,，MapReduce也能为这个超大的档案馆提供更多结果，但若是急需这些情报采取行动(需要实时输出这些数据)，它的效率就显得有点慢。这时Kafka可以使用应急流程，把数据直接交给独立调査员storm做实时分析，分析好了交给临时档案馆Redis存起来，领导(前端页面)可以去找Redis查阅结果。可惜的是，Storm和Redis虽然效率很高，却没有Hbase这个档案馆那么庞大和稳定，工资(成本)又太高，至今只能打一打下手，做一些补充工作
【
可以看】
如果想学习怎么搭建数据中台，可能这本书有帮助，但不会很大。因为感觉行文架构就是高屋建瓴、高举高打的，倒是比较适合数据产品经理买来学习一下怎么画PPT，里面这种素材还真是不少

【可别看】
其实本书跟数据中台的关系也没那么大，完全可以找一本【可以看】的数据产品书、搭配上面那本PPT素材书就好了。哦，这本书里也讲了不少篇幅的Excel操作技巧和SQL，我都懒得说了......

本书的一个特色，就是作者有意区分了数据产品经理 vs 数据平台产品经理，我觉得这算是作者的独家内容了，初衷挺好的。可这种区分定义我倒觉得没必要，两者本来就是包含关系，非要弄成并列平行的关系，有点牵强。不过我能get作者想传达的意思：平台型产品经理跟单独做一个产品的差异很大～

【可以看】
大厂汇报PPT风格的书，前阵子储备标签平台建设的时候找来看，但看后比较失望，因为并没有任何帮助。我关心的帮助是要么指明一些坑，让后人不要重蹈覆辙；要么是结合某个具体场景讲讲标签设计的心得体会，尤其是怎么跟得上应用场景。但最终它还是一本零基础科普入门书，是一本只展示结果，不展示思考过程的标签建设漂亮话大全

【可以看】
这是一本优点和缺点都特别明显的书。优点是它确实是针对数据产品的，因为作者们都是一线从业者；同时它的覆盖面也比较广，从数据产品的定义，到埋点、画像标签、ABtest、数据服务、数据仓库，你能想到的常见数据产品形态都照顾到了

缺点就是，不像是一本书，更像是作者们的公众号文章合辑。章节之间没太多关联，因为摊的面大，所以每块内容都只能蜻蜓点水。数据产品定义这块本来是最见功底的部分，对比《写给数据产品经理新人的工作笔记》就显得没有太多独家感、内化的程度也不够
第一章在讲数据产品的定义之后，愣是强势插入了数据产品经理的招聘、应聘、面试的内容，公众号合辑的感觉一下就上来了，也立马就下头了

03

入行数据产品的建议
上面测评了10本书，其中就只有一本算是我推荐看的，有一次得到一个朋友的反馈是：书是好书，但它的前提假设是我已经身在一个ok的数据产品团队。我想知道该怎么选择做数据产品的方向？

哦！这还真是个关键的前置条件呢！我个人的建议是，尽量在做过一段时间的基础层数据产品工作后，优先选择应用层的、离营收变现更近的数据产品。如

为什么我比较推荐应用层？因为我国长期以来从教育上就讲究打基础，但往往忽略了以应用作为牵引，唤起学习的兴趣、构建努力的目标。我记得我在本科和研究生学的很多门课程，学完了我都不知道它到底能干嘛，在实际工作中有什么价值，产研完全脱钩了，导致我当时很长一段时间的迷茫
同样的，如果能在具备一定基础的情况下，尽早的接触应用，知道一个数据产品都可以帮助哪些人带来什么直接的价值、都能怎么直接变现，就会更有利于以终为始的去补充知识、夯实基础

有关岗位方向选择的话题，我会在后续积累一些案例之后单独说，但大方向是不变的
今天的测评确实只是我一家之言，肯定也有我的局限性，但我能保证的就是中立性和独家性。如果你对上述这些书有不同的看法，欢迎留言探讨～

↘好文推荐：
我的4条产品设计工作观
用户运营平台产品设计指南
8000字干货|教你打造电商产品的用户体系
点个“在看”吧
继续阅读
阅读原文
关键词
数据
产品
就是
这些数据