你不理解的东西，你也无法衡量
某创业公司正在对外洽谈一个合作项目，需要先进行一个报价。这个项目中涉及到一个评分卡
负责该项目的产品经理同学就去找让负责技术的同学说：我现在需要在一个审批平台中加入评分卡功能，你帮我评估一下工作量吧。
看得出来，负责技术的同学比较困惑，想了一会说：“我没办法评估啊，我不知道开发评分卡需要多久，需要多大的工作量”。
负责产品的同事说：”没事，你就给个评估的大致时间就好，不需要很准确”。
这种现象，我相信在很多创业公司或者小公司都很常见。因为在这种公司，很多人都是同时身兼多职，拿我自己来说，既是数据分析师、又是产品经理，有时还要协助其他部门写一些数据采集程序、结项报告等等。
上面那例子中技术人员非常困惑的原因就是因为他不了解什么是评分卡，而让他评估工作量的产品经理也不了解什么是评分卡。
你无法衡量的东西，你也无法管理。 ——彼得·德鲁克
正如德鲁克说的那样：你无法衡量的东西，你也无法管理。同样地你不理解的东西，你也无法衡量,即使勉强给出一个结果也并不具备参考意义。
所以对于一名产品经理而言，如果他负责的某个产品涉及到了某些技术，比如说，我们在案例中提到的这位产品经理同学，他不清楚评分卡的设计原理与流程，他认为评分卡应该是由负责IT人员来设计的，所以就去找技术人员去询问，这样得出来的结果其实参考价值并不是很大，因为绝大多数IT人员其实都是把自己定位为一个程序员，他们一般不花心思去思考不属于他们职责范围之外的东西。
产品经理如果想要实现某些自己不了解的技术，还是需要去花时间去研究相关的一些知识，弄清楚前因后果后再去找技术人员去实现。
你理解了的东西，才有方法衡量
让我们再次结合本文开头所提及的那个案例，看看一个理解了评分卡模型的产品经理是如何解决这个问题的。
某创业公司正在对外洽谈一个合作项目，需要先进行一个报价。这个项目中涉及到一个评分卡
负责该项目的产品经理同学是数据分析师出身，虽然没有使用过评分卡模型，但是他具备统计学基础和机器学习基础，使用过统计学中的逻辑回归模型和决策树模型做过一些东西，解决过一些问题（其实说的就是我自己了），大致查阅了一些资料便明白了评分卡模型的设计原理，并结合实际数据自己直接建立了一个申请评分卡模型（后续会就这个模型写一篇关于评分卡建模的博客，并上传项目源码至GitHub)。
于是呢，他结合公司现有的业务基础积累的数据基础，把评分卡建模设计的工作量大致评估了下， 然后他又找到负责技术开发的同事小T说：现在有个项目需要在一个web审批平台增加一评分卡功能，你可能不清楚评分卡是什么，你看下下面这张图，
这个就是一个设计完成的评分卡，简单而言就是根据客户的个人信息对客户进行打分，基础分600，如是已婚的加10分，未婚、未婚、离异、丧偶等减30分等等，你需要做的就是将这个评分翻译为程序语言，实现对平台上的客户的打分，你现在评估一下工作量吧。
经过以上案例分析，我们可以直观的看到其实评分卡设计与开发的重点在评分卡的设计，不在开发，对于开发来说，他其实拿到的就是一套规则 ，他只需要负责将这个规则转化为程序语言。
最关键最花时间的应该是评分卡的设计，选什么变量，每个变量评分是多少，这些都不是拍脑袋决定的，评分卡应该是基于数据分析得出的一个度量工具，应该建立在对已有数据的精确分析的基础上的。
综合来看，如果一个产品经理如果可以在掌握产品相关的专业知识的基础上，也能掌握专业领域之外的其他领域诸如技术、管理、战略等等，那么他在提出一些协助合作的需求时，别人就可以很好地去配合，但是如果提出了一些不合理的需求，那么即使别人勉强给出了回应，参考价值也会很少或者产生负面价值。
平衡专业领域的深度和广度的重要性
读过一本名为《增长黑客》的书，作者在里面提到了增长黑客一词。
真正的增长黑客需要具备包括技术、产品、商业在内的专业技能，以及好奇心、创造力、职业道德、人脉资源，和成就伟大事业的战略思维与奉献能力。一流的增长黑客是“独角兽”。有人甚至怀疑，如果真的存在这种人才，那么他没有理由不是满腔热血地去开创属于自己的世界，然后掏出自己印有“CEO”头衔的名片。
增长黑客要建立“T”形的知识结构——在横向上对跨界知识信手拈来、有机整合，在纵向上有某一领域的专攻，甚至达到旁人难以企及的深度。
作者对增长黑客的定义就是具备包括技术、产品、商业在内的专业技能的同时，还具备战略思维，在某方面术业有专攻的同时，还对跨界知识有所涉猎，在使用时可以信手拈来。
读了这本书，我觉着对我的启发意义还是挺大的，这本书里提到的增长黑客这个概念，与数据产品经理这个岗位还是比较契合的，可以作为数据分析师转型来的数据产品经理的职业规划的下一个目标，因为从能力角度看，它们都需要想法，更需要将想法落实到行动的能力，包括自研工具、采集样本、分析数据、大规模推广，仅会纸上谈兵是行不通的，还要懂技术，只有这样才可以分明确谱想法与异想天开之间的边界。套用作者的一段话：
懂技术，未必能变成好的数据产品经理，而倘若不懂技术，无异于刘姥姥进大观园，面对纷繁复杂的产品表象，愕然眼前，小心翼翼，无法分辨靠谱想法与异想天开之间的边界，也让他人难于配合。
另外，我觉着作为互联网行业的数据产品经理，也同样需要建立“T”形的知识结构，同时还要平衡专业领域的深度和广度。
因为如果知识结构只有广度而没有深度，就会导致个人能力没有突出的亮点，竞争力就会比较弱；如果没有广度，就比如我们在文章开头所举案例，就不能正确的衡量和管理工作，现在是一个信息高度发达的时代，不同领域之间的关联起来越密切，想要在某个领域做到足够深入，必然要了解很多相关的辅助性领域的知识。
所以建立”正态分布图”式的知识机构是一个更好的选择，主攻某一领域的同时，深入了解主攻领域的紧密相关的几个领域，达到知识结构深度与广度的一个平衡。
