資料產品經理入門從哪裡開始呢，無分先後，有兩部分知識是必須的，一是瞭解資料產品搭建的過程，二是掌握和熟悉工作中常用到的專業名詞。
熟悉專業名詞的一大作用，是日常跟業務方調研、產品內部討論、技術團隊溝透過程中，不會顯得行外人聽不懂，鬧出笑話。
今天為大家介紹入門必備的一些常用名詞，詳細的彙總可以參考下圖，以及平時更多的學習積累。
產品相關名詞：
需求調研：
針對需求對業務方進行調研，瞭解用需求背景、價值、痛點、應用場景等，是一個產品專案的開始階段，也是極重要的環節。
BRD：
商業需求文件，全稱為Business Requirement Document，是基於商業目標或價值所描述的產品需求內容文件，其核心的用途就是用於產品在投入研發之前，由業務方對是否有價值進行決策評估。
MRD：
市場需求文件，全稱Market Requirement Document，屬於產品專案過程中的“過程性”文件，一般由產品經理來撰寫，起一個“承上啟下”的作用，“向上”是承接業務方需求，介紹解決思路，“向下”是給開發團隊講清楚產品專案的價值。
PRD：
產品需求文件，是將商業需求文件（BRD）和市場需求文件（MRD）用更加專業的語言進行描述，把業務需求轉換成產品設計文件，讓開發團隊能夠看得懂。
UI：
使用者介面設計，User Interface，指對產品進行互動、操作邏輯、介面美觀的整體設計。
聯調：
主要指前後端介面聯調，即各開發團隊把前後端程式碼調通。
提測：
開發完成後提交給測試同學。
測試用例：
測試人員根據產品經理的PRD所撰寫的測試流程及事項。
設計走查：
設計師針對前端交付的線上系統，與UI設計進行比照和檢查。
技術相關名詞：
API：
應用程式介面，全稱是Application Programming Interface，是一些預先定義的函式，或指軟體系統不同組成部分銜接的約定。目的是提供應用程式與開發人員基於某軟體或硬體得以訪問一組例程的能力，而又無需訪問原碼，或理解內部工作機制的細節。
JSON：
JSON（JavaScript Object Notation） 是一種輕量級的資料交換格式。易於人閱讀和編寫。同時也易於機器解析和生成。
E-Charts：
是一個使用 JavaScript 實現的開源資料視覺化庫，涵蓋各行業各型別圖表，非常強大。
Highcharts：
是一個用純JavaScript編寫的一個圖表庫，能夠很簡單便捷的在web網站或是web應用程式新增有互動性的圖表，並且免費提供給個人學習、個人網站和非商業用途使用。
Ant Design：
是一整套企業級UI設計語言和元件庫，支援react。js、vue。js、angular。js，更多工具大家可以自行探索。
資料相關名詞：
資料倉庫：
Data Warehouse，是為企業所有級別的決策制定過程，提供所有型別資料支援的戰略集合。它是單個數據儲存，出於分析性報告和決策支援目的而建立，為需要業務智慧的企業，提供指導業務流程改進、監視時間、成本、質量以及控制和提高收益。
ODS/DW/DM：
資料倉庫的整理架構，各個系統的元資料透過ETL同步到操作性資料倉庫ODS中，對ODS資料進行面向主題域建模形成DW（資料倉庫），DM是針對某一個業務領域建立模型，具體使用者（決策層）檢視DM生成的報表。
OLAP：
聯機分析處理，OLAP是一種軟體技術，它使分析人員能夠迅速、一致、互動地從各個方面觀察資訊，以達到深入理解資料的目的。與OLTP（聯機事務處理）相比較，OLAP更強調大資料量的資料分析。OLAP的基本分析功能有上卷、鑽取、切片/切塊、旋轉。
Kylin：
是一個開源的、分散式的分析型資料倉庫，提供Hadoop/Spark 之上的 SQL 查詢介面及多維分析（OLAP）能力以支援超大規模資料，最初由 eBay 開發並貢獻至開源社群。它能在亞秒內查詢巨大的表。Kylin提供與多種資料視覺化工具的整合能力，如 Tableau，PowerBI 等，令使用者可以使用 BI 工具對 Hadoop 資料進行分析。
Hadoop：
Hadoop是由java語言編寫的，在分散式伺服器叢集上儲存海量資料並執行分散式分析應用的開源框架，其核心部件是HDFS與MapReduce。HDFS是一個分散式檔案系統：引入存放檔案元資料資訊的伺服器Namenode和實際存放資料的伺服器Datanode，對資料進行分散式儲存和讀取。MapReduce是一個計算框架：MapReduce的核心思想是把計算任務分配給叢集內的伺服器裡執行。透過對計算任務的拆分（Map計算/Reduce計算）再根據任務排程器（JobTracker）對任務進行分散式計算。
HIVE：
HIVE是基於Hadoop的一個數據倉庫工具，用來進行資料提取、轉化、載入，這是一種可以儲存、查詢和分析儲存在Hadoop中的大規模資料的機制。hive資料倉庫工具能將結構化的資料檔案對映為一張資料庫表，並提供SQL查詢功能，能將SQL語句轉變成MapReduce任務來執行。
機器學習模型分類：
機器學習領域主要有以下三種任務型別，監督型，半監督型和無監督型。監督學習的目標是學習一個函式，已知該函式的樣本資料和輸出值的情況下，盡最大可能擬合輸入和輸出間的關係。半監督學習旨在使用從少量標記資料點所學的知識來標記未標記的資料點。無監督學習中不存在標註過的樣本輸出值，因此其目標是推斷一組資料樣本中的內部結構。
無監督模型：
無監督模型發現數據內在結構。無監督學習中最常見的任務是聚類，表示學習和密度估計。在這些任務，是希望在無明確提供的標籤的情況下了解資料的內在結構。常見的演算法包括k-means聚類、主成分分析和自動編碼器。由於沒有提供標籤，因此在多數無監督學習方法中沒有用於比較模型效能的具體方法。
監督模型：
監督學習模型擬合輸入與輸出。當我們想要將輸入對映到輸出標籤或迴歸，又或是將輸入對映到連續輸出，監督學習通常將其作為分類任務完成。監督學習中的常用演算法包括邏輯迴歸、樸素貝葉斯、人工神經網路、支援向量機和隨機森林。在迴歸和分類中，目標是找到輸入資料的特定關係或結構，以便有效地生成正確的輸出資料。
半監督模型：
學習未標記和標記的資料點。半監督學習介於監督和無監督學習之間。半監督模型旨在使用少量標記的訓練資料和大量未標記的訓練資料。通常用於標籤資料價格高昂和或有恆定資料流的情況下。
一些商業資料產品：
Google Analytics：
是Google的一款免費的網站分析服務，功能非常強大，只要在網站的頁面上加入一段程式碼，就可以提供豐富詳盡的圖表式報告。
Growing IO：
是基於無埋點技術的使用者行為分析資料產品，提供資料採集和分析技術，由前 LinkedIn 美國商業分析部高階總監張溪夢創立。
Power BI：
Power BI是由微軟推出的一整套商業智慧解決方案，它能夠挖掘資料中的資訊，快速準確地生成可以互動的視覺化報表，從而幫助企業做出明智的業務經營決策。
Tableau：
Tabeau是世界上最強大的用於視覺化分析資料的商業智慧工具，致力於幫助人們檢視並理解資料，快速分析、視覺化並分享資訊。
Data To Value，致力於資料產品領域的分享和交流，用資料創造價值。歡迎關注本公眾號：Data To Value。
