中国的互联网发展处于显著领先的地位，无论是社交产品，移动支付产品，电商平台亦或是O2O产品早已远超美国，而在移动互联网领域，我们早已走过要靠抄袭美国才能成功的阶段；在我国，互联网行业由PC互联网到移动互联网再到产业互联网，互联网行业已经进入下半场，用户流量几乎都被BAT和TMD所垄断，人口红利也消失殆尽，再做一款爆款APP没有往常那样简单了，中国的互联网环境留给“个人英雄主义”产品经理的机会越来越少，因此仍然停留在功能创新和用户体验优化的产品经理将失去一定的竞争力，产品经理需要更多了解行业以及商业运作的规律和本质，而人人都是产品经理的理念也终将成为当前互联网时代的一次转型和过渡。

总结近期的产品经理招聘信息，产品经理的工作范围包括以下：
（1）产品经理要熟悉行业发展的动态，多参与行业交流，变成行业专家；
（2）产品经理要负责产品研发管理，包括基本的研发项目管理、产品版本管理、产品体系规划等工作；
（3）产品经理要参与商业运营，包括用户增长和用户运营，寻找商业模式、产品变现的方式；
（4）产品经理要参与数据运营，包括核心数据指标、用户行为数据找出产品增长路径；
（5）产品经理要负责产品的持续迭代工作，优化产品细节，形成闭环流程。

从以上的工作范围，我们可以发现，产品经理的竞争回归到了商业运营层面的竞争，回归到了商业本质层面的竞争，比拼的是一个完整的产业形态下的商业化产品的长期运营和发展。由此我们可以得出，在进入互联网下半场后，全栈产品经理的趋势将会变得越来越明显，他们需要懂用户、会做用户调研、会写用户画像、理解UI设计的趋势、懂得用户体验、产品层面需要懂微博、公众号、小程序、独立APP、其他渠道平台等产品的特点，技术层面需要懂前端和数据库，只有这样，才能规划出具有全局思维的产品；而公司也需要综合能力更强的全栈产品经理；在未来，专注于产品功能设计的产品经理将会被淘汰，专业全面化的商业产品经理将站在历史舞台，真正决定产品经理高度的将是对业务领域的理解和把控。

然而不同领域，不同行业的商业逻辑差别很大，所以对于商业化产品经理而言，拓宽自己的视野，将收获的内容进行梳理归纳，提取模式原型，建立自己的商业模式库，对商业模型、盈利模式、用户服务方式、产品服务特征有多个维度的判断标准，这样才能在经验积累的基础上建立自己的一套方法论。其次，对于我们所形成的知识体系，在拓宽广度的同时，也要追求深度，追求深度并不是说对于该知识领域的方方面面都要精通，而是追求更加深入的思考，思考问题的本质，能够清晰凝练系统化的看待问题。

数据不会骗人，各个公司已经逐渐搭建起了自己的商业智能平台（BI Platform），商业智能平台在很多公司也被称为驾驶舱仪表盘，顾名思义，这些归纳的数据帮助决策者看到数据统计的趋势，回答经营、运营指标的各项问题，得到决策的依据；在此基础之上，产生了大数据应用，用于做出市场预测、改善服务。商业智能平台的数据系统和组件通常是ERP数据库、数据仓库、数据看板，工具通常用OLAP、Digital Dashboards、Data Warehousing、Google Analysis等等，有助于企业获得更准确的报表和分析报告，做出业务决策，提高运营效率；大数据应用则是在BI的基础上，利用Hadoop、Spark、Hive、HDFS等工具和框架，从数据中获取信息，做出更好的决策，并能存储、挖掘和分析数据、跟上业务发展的趋势。

商业化产品经理需具备增长黑客的思维，增长黑客最常使用AARRR模型，AARRR模型中的字母分别代表获取、激活、留存、收入和推荐，实施增长策略的过程再次不阐述，增长策略是通过一些创新的手段、创新的技术实现最佳的效果。商业化产品经理也需要具有财务能力，能够读懂财务报表的关键信息，通常来说，我们要会读懂资产负债表、利润表、现金流量表，这三张表通过BI平台可以很直观的展示，就像人的体检报告一样，展示公司当前的状态，而财报则代表了企业是否健康，通过横向分析和垂直分析，分析公司目前的产品或服务的经济特征，确定公司战略方向，分析当前的盈利能力和风险，通过工具技术，做出具有预测性的财务报表。

商业分析从行业研究开始，行业研究根据一定的方法可以快速搞懂，行业研究包括宏观的判断和微观研究，研究流程一般如下：首先，定义研究范围，用一句话两句话确定清楚行业人群，细分市场等等；然后增加数据来源，通过一些权威的网站或者和高校进行合作，了解行业相关数据信息；通过已知的数据信息，制定分析框架，分析市场规模、考虑行业趋势、了解入场或扩张存在的潜在障碍。行业研究数据资料来源方法有很多，比如百度舆情、百度指数、Think with Google等等，专业机构的行业报告通常可以使用艾瑞咨询、IT桔子等等；商业分析通常采用MOST分析模型、PESTLE分析模型、SWOT分析模型、MoSCoW分析模型等等。