无论是处变不惊的数据思维，还是波澜壮阔的数据应用，最终都得回到真实的都市丛林，变身为“数据科学家”。
下一站：数据科学家
数据科学家是大数据时代最为热门的职业。对于从事数据科学的人来说，各个公司也给出了他们的要求。
IBM认为数据科学家是“一半分析师，一半艺术家”；埃森哲咨询公司认为“好奇心+分析能力+学习能力+业务+表现沟通+决策力”是从事数据科学这个行业的人员必备的素质；Facebook则定义数据科学家的工作内容为“IT+统计+可视化+跨界”。
上述三家公司都提到了除硬技能之外的软实力，可见我们再也没有理由去排斥软技能。数据科学家的彼岸，不再是CTO，而是CDO、CIO，甚至CEO。
1 . 数据科学的历史由来
数据科学一词最早出现在1966年，由Peter Naur提出，这位老先生也是2005年图灵奖（计算机界的诺贝尔）的得主。当时Peter提出这个概念的时候，数据科学不叫Data Science，而是Datalogy，充其量只能翻译为数据学，而不能称为数据科学。
那么数据学与数据科学之间的区别究竟是怎么样的呢？从某种程度上来说，数据学是研究数据本身，然而数据科学除了这个内涵之外，还肩负了为自然科学与社会科学提供数据研究新方法的责任。这说明在人类演化的过程中，数据的思维早已固化在大脑中，并被当成习惯，所以我们为了了解数据科学，也应该去了解自然科学与社会科学的发源。
2 . 数据科学与商业智能
2005年，美国国家科学委员会给数据科学下了一个定义，认为数据科学的作用就是“进行富有创造性的查询和分析”。其实，1966年至今，有很多人尝试给数据科学下定义，但是之所以选取这个定义，一方面是因为美国国家科学委员会的地位权威，另一方面是其定义中提到了“富有创造性”这个词。
数据科学不同于一般的IT工程，区别就在“创造性”这个点上。相较于其他项目中的问题已经被定义好，数据科学更需要自己找出问题。
在数据科学领域，被谈及较多的还有商业智能（Business Intelligence，BI）这个概念。大家可以通过以下表格，从数据、分析对象、平台以及工具四个角度对两者进行比较，并全面理解数据科学与商业智能的分别。
数据科学与商业智能没有谁将取代谁的趋势，更长远的时期内两者将并存，并更好地融合在一起。从现在来看，BI已经很好地吸收了数据科学的方法并为己所用。两者共生共存的一个主要原因就是，两者都是同一种数据思维，即使用数据驱动商业是一种闭环思维，本质上也属于数据控制论的范畴。一言以蔽之（可能不太严谨），BI用的是“套路”，数据科学需要的是创意。
3 . 数据科学的职业分类与技能进阶
如果说数据科学是计算机科下面的一个属，那么隶属于这个属的种有哪些呢？大致可以分为两类，一类是分析，一类是实施。
在分析方面，有数据分析师、数据挖掘工程师、算法工程师这三个工种。从数据分析师到算法工程师，侧重点也从业务能力逐步过渡到了算法能力。
了解数据分析的工作内容，对于数据产品经理来说十分必要。从某种程度上说，这就应该是数据产品经理的职责内容之一。
对于数据分析师来说，我认为有三个要求需要做到。分别是言之有据、言之凿凿以及言之有物。言之有据是指使用量化数据替代平时的“拍脑袋”，这是数据思维进化的第一步。言之凿凿是指使用真实的数据说话，从用数据说话到用真实的数据说话，体现的是对数据的较真精神。不仅蕴含了严谨的态度，也使得业务的输出有保障。言之有物是更高层次的要求，不仅要在数据层面得出结果，还要能够根据表象给出一些意见和建议，可谓是使用真实的数据说有意义的事。
我们还可以从另一个角度来看数据分析师的技能，可以概括为“是什么”“为什么”“会怎样”与“怎么办”。对于“是什么”，涉及的技能有数据报表（Excel）、即席查询（SQL）、多维钻取（透视表和OLAP）、数据预警。当问题进入“为什么”的时候，就不是共性的工具可以解决的了，这个时候需要调用统计学知识进行数据分析。“会怎样”是基于历史数据进行预测的一个过程，统计学知识需要升级为数据挖掘的技巧，如回归模型。而最高级的形式就是“怎么办”，这有点类似于上述的软技能，也可以和言之有物相对应，需要的是逻辑思维能力。
数据产品经理的职业新要求
当我们趟过人类社会与IT漫长的历史河流，职业规划就是崎岖不平的河床，在脑海中逐渐清晰。为了全面理清数据产品经理的职业新要求，我们细数了数据产品经理可能涉及的各个领域，以及在每个领域应该了解的深度。这样做的目的有两个，一个是促进工作更加高效地进行，另一个是给每个人更多的技能上升渠道。
在大众看来，数据产品经理就是产品经理与数据分析师的合体。其实，除了两者的拼接，可能还需要一些粘合剂才行。我在各个公司的主页以及各大招聘网站上查阅了与产品经理及数据分析师相关的工作岗位需求，调研的公司包含了当今主流的BAT（百度、阿里巴巴、腾讯）以及未来的潜力股TMD（今日头条、美团、滴滴）。通过对比各大公司的招聘要求，总结出了产品经理与数据分析师的关键技能图。
数据产品经理的技能要求很清晰，大致可以分为三个部分，分别是产品经理硬技能，数据分析师硬技能，以及作为产品经理与数据分析师都要具备的软技能。
对于硬技能而言，我们看到了熟悉的产品设计、需求分析、原型设计、竞争分析等技能点，可以说这是产品经理的安身立命之本。对于数据分析师来说，除了需要了解一些程序语言，还需要了解诸如指标体系、可视化工具、分析工具等知识，可以说是半个IT人员。而中间的软技能包括市场、组织能力等。
很多时候，我会问自己一个问题，数据产品经理到底是具备数据分析能力的产品经理还是拥有产品思维的数据分析师？事实是，任何人都可以转变为数据产品经理，只要具备上述能力，而这些能力又因人而异，可以进行调整，很多非相关专业出身的人也可以胜任，毕竟产品经理是一个岗位，而并不是一个专业。
但有一点是可以确定的，数据产品经理一定是一个通才，而不是只会画原型图、写PPT的专才。这个社会已经是一个跨界的社会，很多财富藏在了金字塔的中间地带，如果不选择跨界，不选择用好奇心和求知欲去了解，那么就注定只能在金字塔上爬行，而无法前往金字塔中间地带。回到数据产品经理的主题上，难道你不觉得这个岗位提供了跨界的机会吗？
最后附上数据产品经理技能图谱。以产品基本技能为底，上面的支撑包含统计、数据挖掘、可视化、平台以及运营等其他技能，再辅以思维、文案和其他软实力做顶，便构成了完整的数据产品经理的必备技能图谱。
本文节选自新书《数据产品经理必修课：从零经验到令人惊艳》，凝聚科大讯飞资深专家独到的数据思维+沉淀多年的产品经理最佳经验与实践。中国科学技术大学教授陈恩红、思科大中华区副总裁方剑斌、《人人都是产品经理》作者苏杰等众咖，联合力荐！
李鑫，于中国科学技术大学获计算机科学博士学位，悉尼科技大学访问学者，大数据分析与应用安徽省重点实验室研究员，中国互联网协会青年专家。现任科大讯飞研究院研究主管，先后负责大数据与人工智能技术在教育、脑科学等领域落地的业务，在国际知名学术会议与期刊发表论文近30篇。
本书目录结构
第一部分 产品经理的前世今生
第1章 产品经理的前世
第2章 产品经理的今生
第3章 产品经理的入行
第二部分 古往今来的数据思维
第4章 历史中的数据思维
第5章 行业拥抱数据思维
第6章 当产品经理遇见数据思维
第三部分 数据产品经理的技能进阶
第7章 面向产品经理的数据预处理
第8章 面向产品经理的统计分析
第9章 面向产品经理的数据挖掘
第10章 面向产品经理的数据可视化
第11章 向数据科学家再迈一步
第四部分 数据产品经理的自我修养
第12章 学习力：借方法论加速
第13章 表达力：用逻辑学帮衬
第14章 领导力：以经济学诠释
第15章 软实力：靠心理学打造
了解图书详情：京东、亚马逊