📚 喵喵的笔记库

数据中台产品经理

24分钟阅读

一、全书概览

张小墨是58同城资深产品专家，北邮硕士，同时是"人人都是产品经理"、虎嗅的专栏作者。这本书出版于2020年10月，正值国内"中台热"的尾巴——阿里云智能事业群对外输出中台能力、美团、百度、京东、腾讯、58等大厂都在疯狂建设中台，数据中台又是其中最热的方向。

全书9章+后记，大致分成三个板块：

  • 认知篇（1-2章）：中台从哪来、有什么价值、需要什么样的产品经理
  • 数据体系篇（3-6章）：数据中台怎么建、数据产品经理做什么、数据体系怎么搭、数据价值怎么挖
  • 平台实战篇（7-9章）：数据平台产品经理的能力模型、BI平台建设、用户画像平台建设

坦率说，216页的篇幅要覆盖"数据中台"这么大的话题，注定是入门级的。豆瓣6.6分的评分也说明了这一点——35.4%的三星占比最高。但这本书的价值不在于深度，而在于给了一个完整的全景图和切入路径，对刚接触数据中台的人很有帮助。作者本人就是数据中台一线从业者，书里的案例和思考不是纸上谈兵，而是实打实的58同城实战经验。

一句话评价：入门正合适，进阶不够用。

二、逐章要点

第1章：中台的起源与思考

中台的概念起源于2015年阿里参观Supercell后提出的"大中台、小前台"战略。核心思路很简单——把各业务线重复的能力抽出来，统一建设，统一服务，让前台业务可以快速试错。

作者拆解了中台的几种分类方式：技术中台、业务中台、数据中台、组织中台。然后重点对比了数据中台和业务中台：

  • 数据中台的价值：汇总融合企业全部数据，打破数据孤岛，解决标准与口径不一致的问题，对外提供统一的数据服务接口
  • 业务中台的价值：抽取公共业务能力（如支付、用户中心、消息），避免重复建设

特别有意思的是作者对"包子"这个比喻：多个系统中都有"包子"字段，但定义不同——有皮有馅是包子、有荤有素是包子、吃了解饿是包子。同名字段，不同含义，这就是数据口径不一致的典型问题。数据中台要做的第一件事，就是给"包子"一个统一的定义。

还列举了阿里双中台战略、滴滴中台建设、58集团数据中台建设三个案例。阿里走得最远，把数据中台和业务中台作为基础设施来建设；58的数据中台建设则更偏向业务驱动的渐进式路径。

第2章：中台需要什么样的产品经理

这一章比较常规，讲了产品经理的通用能力模型（IQ因素、EQ因素、专业能力、进阶能力）和通用工作流程（需求→设计→开发→验证）。

真正有价值的是2.3节"中台产品经理的特殊性"：

  • 更高的全局观和前瞻能力：不能只盯着单条业务线，要理解整个企业的数据流转和业务方向
  • 更强的沟通与协调能力：数据中台要推动多个部门配合修改系统，而修改往往不在对方KPI范围内——这需要极强的跨部门推动力

作者引用了一个很到位的说法：数据产品经理就像"天条制定者，却没有执行天条的权力"。如果有一把手坐镇还好，否则推动阻力非常大。

第3章：数据中台的建设与规划

全书最有价值的章节之一。作者提出了数据中台的"采、存、管、用"四字框架：

  • 采（采集接入）：把各业务系统的数据接入中台
  • 存（加工存储）：对数据进行清洗、加工、建模后存储
  • 管（统一管理）：数据资产管理、元数据管理、数据质量管理
  • 用（数据服务）：对外提供统一的数据服务接口

数据中台的核心系统包含三个平台：

  1. 大数据平台：底层的分布式计算和存储基础设施
  2. 数据资产管理平台：数据目录、血缘分析、数据质量监控
  3. 数据服务平台：统一的数据服务接口层

建设思路总结为"一个方向，两条腿走路，三步走向成功"：

  • 一个方向：融通企业数据资产，确保业务发展方向不动摇
  • 两条腿走路：数据体系建设与数据平台建设同步进行
  • 三步走向成功：数据治理→数据服务→数据智能服务

第4章：数据产品经理的"功守道"

"功守道"这个标题起得不错——功是进攻（数据分析方法），守是防御（数据体系建设）。

4.1节定义了数据产品经理的角色定位：天条制定者。数据产品经理要做的不是分析某个具体业务问题，而是通过产品化的方式输出数据能力。这个定位跟数据分析师有本质区别——分析师解决具体问题，产品经理做的是业务抽象和体系设计。

4.2节"武器库"讲了三个工具：

  • Excel：数据产品经理的基本功，数据透视表、VLOOKUP这些必须熟练
  • 数据建模工具：PowerDesigner、ERWin等，用于数据模型设计
  • SQL：解决实际问题的核心技能，从简单的SELECT到复杂的窗口函数都要掌握

4.3节介绍了数据分析方法，分两类：

  • 基本分析法：对比分析、趋势分析、结构分析
  • 统计分析法：相关分析、回归分析、聚类分析

第5章：数据体系建设方法应用

这是实战章节，讲怎么从零开始建数据体系。步骤很清晰：

  1. 数据字典建设：定义所有数据的"身份证"——字段名、数据类型、业务含义、来源系统、负责人
  2. 数据模型建设：概念模型→逻辑模型→物理模型，分层设计（ODS→DWD→DWS→ADS）
  3. 数据服务设计：把建设好的数据体系包装成可调用的服务

作者特别强调了数据字典建设的难点——不是技术问题，而是组织协调问题。不同部门对同一数据的不同理解、不同系统的历史包袱、不同团队的配合意愿，都是拦路虎。

第6章：企业数据价值的探索

用一个App用户流量波动分析的真实案例，展示了数据产品经理在实际工作中的三种角色：

  1. 后勤保障：提供数据支援，确保分析有数据可用
  2. 战术参谋：协助模型设计，帮业务团队找到分析方向
  3. 成果验证：用数据验证策略效果，提高可信度

后半段讲了从数据到智能的进阶——智能客服（有温度的）、无骚扰的消息推送。这些场景展示了数据中台最终要达到的目标：不只是提供数据，而是提供智能决策能力。

第7章：数据平台产品经理的盾与矛

这本书区分了两类产品经理：数据产品经理和数据平台产品经理。数据平台产品经理是"方舟打造者"——他们不直接做数据分析，而是为分析师和数据产品经理打造平台工具。

"盾"是基础能力：需求分析、产品设计、大数据知识储备、数据应用规划 "矛"是进阶能力：商业变现头脑、服务B端的能力、虚拟团队管理

这个区分很重要。很多公司把两类角色混为一谈，导致招来的人要么只会分析不会做产品，要么只会画原型不懂数据。

第8章：商业智能（BI）平台建设实践

BI平台是数据中台最典型的"数据应用"。作者从产品架构设计到功能详解，再到移动BI和数据中台下的BI定位，做了比较完整的梳理。

核心观点：数据中台下的BI平台不再是独立的报表工具，而是数据中台能力输出的一个窗口。BI的底层数据来自中台的统一数据层，指标口径由中台统一管控，这样才能保证"数出一孔"。

第9章：用户画像平台建设实践

用户画像是数据中台的高级应用。这一章讲了标签体系建设的完整流程：

  1. 标签分类体系：事实标签、统计标签、算法标签
  2. 标签生产流程：数据接入→标签规则定义→标签计算→标签存储→标签服务
  3. 画像服务能力：用户分群、人群包导出、实时画像查询

用户画像的核心价值在于：把零散的用户行为数据整合成可用的业务洞察，支持精准营销、个性化推荐、风险控制等场景。

三、关键概念速查

  1. 采存管用：数据中台的四字建设框架——采集接入、加工存储、统一管理、数据服务。所有数据中台的工作都可以归到这四个字下面。

  2. One Data / One ID / One Service：数据中台推行的三个"一"。One Data解决数据标准统一问题，One ID打通用户体系（一个用户在不同系统中的身份关联），One Service提供统一的数据服务接口。

  3. 数据产品经理 vs 数据平台产品经理：前者是"天条制定者"，负责数据体系设计和数据分析策略，懂SQL、懂数据建模、懂业务抽象；后者是"方舟打造者"，负责建设BI平台、画像平台等数据产品，偏传统产品经理能力但需要大数据知识储备。

  4. 数据字典：所有数据字段的"身份证"，包含字段名、类型、业务含义、来源、负责人等信息。是数据治理的起点，也是跨部门沟通的"普通话"。

  5. 数据分层模型（ODS→DWD→DWS→ADS）：ODS层存原始数据，DWD层做明细数据清洗，DWS层做轻度汇总，ADS层面向具体应用场景。这是数据仓库建设的基本分层方法，几乎所有公司的数据架构都遵循这个模式。

  6. 数据治理：确保数据质量、一致性、安全性和可用的全套管理活动。包括数据标准管理、元数据管理、数据质量管理、数据安全管理等。数据中台能建多好，数据治理决定了下限。

  7. 数据资产化：把数据当资产来管理——有目录、有质量评估、有血缘关系、有使用统计。目标是让数据"可找到、可理解、可信任、可使用"。

四、核心框架与模型

1. 数据中台"1-2-3"建设框架

一个方向：融通企业数据资产
    ↓
两条腿走路：数据体系建设 + 数据平台建设（同步推进）
    ↓
三步走向成功：数据治理 → 数据服务 → 数据智能服务

这是全书最实用的框架。很多公司做数据中台失败，就是因为只建平台不建体系，或者只做治理不做服务。两条腿走路意味着技术和业务不能脱节。

2. 数据中台四字建设框架

采（采集接入）→ 存（加工存储）→ 管（统一管理）→ 用（数据服务）

简单但完整。数据中台的所有工作都可以往这四个字里装。

3. 数据产品经理能力模型

基础层：SQL / Excel / 数据建模 / 业务理解
方法层：对比分析 / 趋势分析 / 相关分析 / 回归分析
进阶层：数据体系设计 / 跨部门推动 / 战略思维 / 前瞻能力

4. 数据分层架构

ODS（操作数据层）→ DWD（明细数据层）→ DWS（汇总数据层）→ ADS（应用数据层）

这是数据仓库/数据中台的通用分层模式，从原始数据到面向应用的数据服务，逐层加工。

5. 用户画像标签体系

事实标签（用户的基本属性和行为事实）
    ↓
统计标签（基于事实的聚合统计）
    ↓
算法标签（基于模型的预测标签）

五、金句摘录

  1. "数据中台是为了汇总与融合企业内的全部数据，打破数据隔阂，解决数据标准与口径不一致的问题。" —— 第1章

  2. "数据产品经理就像一个'天条'的制定者，却没有执行天条的权力。" —— 第2章。这句话精准描述了数据治理工作的最大痛点——你有标准制定权，但没有强制执行权，推动靠的是沟通和影响力。

  3. "说起中台的意义，笔者认为在于：快速的响应需求，整合资源，在复用原有能力的同时，发现新机会。" —— 第1章。中台不是目的，快速响应和资源复用才是。

  4. "数据中台的建设是个漫长的工作，'采、存、管、用'处处都是学问。" —— 读者"春晖"的书评总结。这四个字是数据中台建设的完整生命周期。

  5. "数据整理不是目的，提升业务能力才是根本。" —— 读者"路转"的评论。这句话点醒了很多人——建数据中台不是为了把数据弄好看，是为了让业务跑得更快。

  6. "数据产品经理需要不计一地一城的得失，得有战略思维，也需要缜密的逻辑思维能力。" —— 第2章。数据体系建设是长期工程，不能被短期的业务需求牵着走。

  7. "数据融通带来了新的问题：'数据隐私'。数据资产是黑是白，就在于此。" —— 虎嗅专栏文章。技术中性，善恶在握门人的手中。

六、行动清单

每天可以做的

  • 用SQL做一次数据探索：每天花15分钟，从公司的数据库里选一个表，用SQL做一次简单的探索性分析。长期积累下来，对数据结构的理解会远超只会写SELECT的人。
  • 记录一个数据口径不一致的案例：日常工作中遇到的"同一个指标不同人算出不同结果"的情况，记下来。积累多了就能理解数据治理为什么难做。

每周可以做的

  • 画一版业务数据流图：选一个自己负责的业务模块，画出数据从产生到最终被使用的完整流转路径。每周画一个模块，一个月就能把核心业务的数据流转搞清楚。
  • 读一篇数据产品相关文章：推荐关注"人人都是产品经理"和"月光坦克"（作者本人公众号）的数据产品专栏，保持对行业实践的敏感度。

每月可以做的

  • 做一次数据质量巡检：从数据字典里挑10个核心字段，检查各系统的数据是否一致。发现不一致就是推动数据治理的契机。
  • 梳理一份指标口径文档：选3-5个核心业务指标，明确定义、计算口径、数据来源、更新频率。这就是"天条"的雏形。

七、一句话总结

这是一本数据中台入门的"地图"——它不会带你走到目的地，但能让你知道目的地在哪、有几条路可走、路上有哪些坑。

八、读者热议

  1. 春晖（微信读书，16赞，置顶）："花了将近50个小时才看完……数据中台的建设过程总结来讲就是'一个方向，两条腿走路，三步走向成功。'" —— 读者自行提炼的框架比书的原版更精炼，认同度⭐⭐⭐⭐⭐。

  2. 路转（微信读书）："适合新手看/跨行的看，不必纠结框架如何搭建（本身不是工具书）。数据整理不是目的，提升业务能力才是根本。" —— 准确定位了这本书的适用人群，认同度⭐⭐⭐⭐⭐。

  3. 曳落（微信读书，6赞）："内容逻辑性不是很强，干货略显单薄。" —— 216页确实撑不起数据中台这么大的话题，这个批评有道理，认同度⭐⭐⭐⭐。

  4. 哈哈哈哈厚（微信读书，7赞）："笔者很会类比，让我一下就能读懂，能读下去，太重要了。很多东西不掺杂个人点评，更中立，像一本工具书。" —— 类比能力确实是这本书的优点，认同度⭐⭐⭐⭐。

  5. pinboard（微信读书，4赞）："原来，数据中台的产品经理不只一类，而是分为数据产品经理和数据平台产品经理两类，各自的职责和所需能力也不尽相同。" —— 这个区分是书里最有价值的认知之一，认同度⭐⭐⭐⭐⭐。

  6. LM（微信读书）："起初粗读此书，觉得很一般……细细读了下来，再和同类书做比较，它有理论和战略的高度，也有精炼的总结……有经验的人可以把它当作总结提纲，新手可以当做实战手册。" —— 这个评价很中肯，认同度⭐⭐⭐⭐。

  7. 西蒙（豆瓣）："内容较空洞，可当做方法论参考。" —— 和微信读书"曳落"的评价基本一致，认同度⭐⭐⭐。

笔记生成时间：2026-04-28 | 数据来源：微信读书、豆瓣、Exa搜索、智谱搜索

相关笔记

同作者仅有此篇 同主题：

关系图谱