2011级中文系本科生赵雪芬：在跨界中建立自己的“工作审美”
2024级环境系硕士生胡瑾瑜
赵雪芬，复旦大学中文系校友，现从事数据产品工作。她的职业经历始于蓝色光标的公关业务，之后进入字节跳动，由内容运营逐步转向数据产品，曾任职于小米，目前在北京一家出海游戏公司负责数据产品相关工作。
从中文系到公关，从内容运营到数据产品，赵雪芬的职业路径不是一次完成的跳跃，而是在真实工作中“一点一点转”出来的。近日，我们与赵雪芬进行了一次访谈。她谈到，复旦留下的并不是一组可以直接套用到工作的知识，而是阅读习惯、学习方法和判断世界的“样本库”；数据产品经理也不只是写需求、做功能，而是站在业务与技术之间，完成准确的翻译和交付。面对AI带来的变化，她更关注那些尚未被清楚定义的问题；谈到年轻人的选择，她则希望学弟学妹不要过早把大学生活压缩成一条固定赛道。
从中文系出发：跨界是“一点一点转”出来的
问：在方便公开的范围内，能不能先和我们聊聊您目前主要负责哪一类产品，这类工作的重点是什么？
答：我已经离开小米，现在回到北京，在一家出海游戏公司做数据产品。可以把它理解为手机App背后的数据产品：我们围绕游戏里的数据和数值体系开展工作，为用户增长、营收、付费和回流等业务目标提供支持。
这类工作首先要求你理解游戏的业务模式，再把数据基础建起来。只有数据口径清楚、质量可靠、获取顺畅，后续的分析和策略才有依据。
问：回顾在复旦读书的那几年，您觉得那几年给自己留下的最深影响是什么？有些影响在读书时未必能够意识到，进入职场以后，哪些习惯或者思维方式反而变得越来越清晰？
答：我现在做的事情和大学所学确实距离比较远。中文系当时学古代、现代和外国文学史，也学文艺理论、文学批评、文字学、训诂学、音韵学，以及《世说新语》、鲁迅作品和《庄子》等经典精读。这套知识不会直接出现在我的日常工作里，但它留下的影响一直都在。
第一是阅读的爱好。我到现在仍然很喜欢读书、买书，还会开玩笑说自己是风入松书店的“大客户”。第二是思考方式。人想去哪里、怎样理解人生的意义、每天怎样过得幸福，这些问题没有人能替你回答；人文学习让你愿意把这些问题保留下来，而不是只用一个短期结果衡量生活。
复旦还给了我一种学习方法和看待世界的眼光。你在学校里见过真正有学问的老师，就像拥有了一个“样本库”，以后再面对社会上被包装出来的观点和人物，会更有能力分辨，也会慢慢形成
自己的判断和品位。这种影响很难量化，更像底蕴，会在工作和生活中逐渐显现。
问：从中文系走到产品经理，这条路大概不是一开始就规划好的。您最初是怎样注意到产品工作的？真正进入这个行业以后，它和您原先想象的又有哪些不同？
答：我的第一份工作是在蓝色光标做公关，主要参与传播相关工作，包括媒体发布会及与报纸、电视台等媒体的沟通。做了一段时间以后，我开始思考自己真正想长期投入什么样的工作。我希望它有一定的专业门槛和积累空间，回报与投入也相对匹配。这个过程让我逐步建立起自己的“工作审美”，并把方向转向互联网。
当时我曾接触过服务百度的相关工作，后来又系统学习了大数据相关知识。字节跳动的数据团队恰好需要既有写作能力、又对大数据有一定了解的人，我因此获得了进入互联网的机会。刚开始做内容运营，之后逐步转向数据产品工作。大约在2018年，抖音正处于快速上升期，我也在那个阶段完成了职业方向的重要转变。
跨界往往不是一步到位，而是一点一点转。市场最终看的是你能解决多大的问题、创造多大的价值。因此，如果已经明确想转向一个新领域，应该尽早补足能力，通过连续的小步行动逐渐靠近，而不是只停留在“想转行”的状态。
站在业务与技术之间：做准确的“翻译”
问：刚开始做产品时，您对“产品经理”这几个字的理解，和今天相比发生了怎样的变化？哪些日常工作让您慢慢意识到，这份职业真正要解决的并不只是功能和需求？
答：现在回头看，我不会只用功能和需求来定义产品经理。对数据产品经理来说，最贴切的角色定位是“桥梁”：一边是业务，包括产品、运营和管理者；另一边是技术，包括前端、后端和数据仓库。产品经理要让两边真正听懂彼此。
业务提出的往往是非结构化需求，比如想了解一个现象、建立一套指标，产品经理要把它准确翻译成技术团队能够落地的方案；技术完成交付以后，还要把控数据准确性、产品性能和使用体验，再把结果交回用户。
问：外界常把产品经理的工作概括为写需求、开会和协调，但真实工作通常要同时面对用户、业务和技术。如果看您最近的一个工作周，您的时间和精力主要花在什么地方？
答：数据产品的工作很难按固定比例拆分，每周都会随着业务需求变化。大体上，我会在三类事情之间切换：理解业务真正想解决的问题，把需求和指标结构化；与数据仓库、研发等技术团队沟通方案、推进交付；最后检查数据质量、性能和使用效果。
很多时间其实花在“对齐”上，但这里的对齐不是为了开会，而是为了减少翻译误差。业务口径不清，技术就可能做偏；技术交付不稳定，用户也无法形成信任。数据产品要把需求、研发过程和最终使用串起来，所以沟通、判断、项目推进和专业检查往往同时发生。
问：中文系的训练与互联网产品表面上差别很大，但两者都离不开对人、语言和具体情境的理解。您在理解用户、梳理需求或者推动团队协作时，会不会感到中文专业留下来的某些能力一直在发挥作用？
答：文学史、古典文献等知识和数据产品没有直接关系，但写作表达、阅读习惯以及理解复杂语境的能力，确实帮助我进入了这个领域。当年“能写一些内容”与后来补上的大数据知识结合，形成了一个跨学科的入口。
更长久的影响，是在复杂信息里形成自己的判断。产品工作需要面对不同角色，每个人使用的语言和关注的结果都不一样。人文训练不能替代SQL、数据仓库和工程知识，但它能帮助你更敏感地理解人、语言和情境，再把这些理解转化成清楚的表达。
问：这些年做下来，您觉得产品经理最关键的核心能力到底是什么？这种能力往往很难通过看书或者学习工具直接获得，您自己又是怎样在工作中慢慢建立起来的？
答：对数据产品经理来说，第一层还是专业基础。你要理解数据，具备基本的SQL能力，也要了解大数据技术、数据仓库和数据结构。有人熟悉底层，有人熟悉功能，但各个环节都能理解、又有足够深度的人并不多，这也是数据产品岗位真正的专业门槛。
第二层是软性能力，包括项目管理、与研发沟通、理解不同公司的流程，以及结构化思考和管理能力。和研发沟通，不是学几个行业术语，而是要理解对方的工作语言，能够把问题讲到同一层面；否则双方都在说话，却没有真正对接。
这些能力很难只靠看书获得，需要在一次次项目中沉淀。每做完一件事，都复盘哪些信息最关键、哪里出现了偏差、怎样推进更有效，再将经验总结成自己的方法。最后形成的核心能力，是快速进入一个团队和业务场景，把技术技能、结构化思维与沟通协作同时用起来。
问：一个功能上线未必就意味着真正成功，产品工作的成就感常常要等到用户的使用效率或体验真正改善以后才会出现。有没有一段经历让您很明显地感到，自己的判断和推动确实让产品或者用户体验变得更好了？
答：我们做的多是内部数据产品，外部用户通常不会直接接触这些产品，比如埋点工具、BI工具、A/B测试工具，以及各种数据供给和数据资产。因此，成就感不一定来自一个面向消费者的功能突然“爆了”，而更多来自内部用户每天能不能顺畅地使用数据。
我会用几个标准判断产品是否有效：需求处理效率和响应速度有没有提升，公司的数据是否清晰、便于理解；无论使用者的数据素养如何，他是否都能准确找到需要的工具和资产，并很快得到准确结论。如果这些事情持续变好，就说明产品真正创造了价值。它不是一个戏剧性的单点案例，而是每天都在发生的改进。
问：做产品难免会遇到“自己以为用户需要，真实反馈却并非如此”的情况。您有没有过被用户反馈改变判断的时刻？当团队内部还有不同意见时，您通常怎样推动大家重新找到方向？
答：数据产品和面向消费者的产品不太一样。我们的工作通常从已经存在的用户或业务需求出发：有需求才做，没有需求就不会先造一张表或一个工具。正因为起点比较明确，做完以后才发现“根本没人需要”的情况相对少。
这不代表可以忽略反馈，而是要在一开始就把需求问清楚，并在交付过程中不断校准。我没有一个特别典型的“用户反馈彻底推翻原判断”的故事；团队出现不同意见时，还是要回到真实业务流程、数据口径和使用结果上，而不是只比较谁的设想更有吸引力。从真实需求出发，本身就是降低方向偏差的办法。
AI进入工作流：把人留在尚未定义的问题上
问：AI已经进入信息整理、用户研究、原型设计和产品交互等环节。您实际感受到的最大变化是什么？哪些工作可以借助AI提高效率，哪些判断和责任仍然必须由产品经理自己承担？
答：只要一项工作能够被抽象成明确的方法论，AI就有机会参与，只是准确率和稳定性还会变化。产品经理写PRD、研发团队执行部分工作流，本质上都包含可被抽象的步骤；现在一些智能体也能根据自然语言需求取数、分析，行业里都在探索这些方式。
以我在小米时的体感来看，成熟数据环境中，大约一半的简单取数工作，已有可能由AI完成或在AI辅助下完成。但前提是底层数据质量高、结构清晰、获取快捷。如果业务需要的数据根本不存在，就仍然要由人定义指标、采集数据、建立数据表、建设数据资产。涉及多张表、复杂业务逻辑和模糊目标的分析，也需要人来承担。
重复动作越多，越容易交给AI；问题越模糊、链条越复杂，AI的完成度越容易下降。简单地从A到B，它可能做得很好；如果要比较A和B、推导出C，再把C放到新的业务语境中判断好坏，就困难得多。产品经理仍然要负责定义问题、理解业务、判断结果是否可信，并为最终选择承担责任。
问：不少中文系或其他人文专业的同学对产品岗位很感兴趣，同时又担心自己的技术背景不足。以您的经历来看，他们真正需要补上的是什么，人文专业的背景又可能在哪些时候成为优势？
答：如果想做数据产品，技术基础不能绕开。至少要补SQL、数据仓库和大数据的基本知识，理解产品从需求到研发交付的流程，也要训练项目管理、研发沟通和结构化思考。技术背景不足并不可怕，但要让团队看到你能够学习，并且能把新知识真正用到项目里。
人文背景的优势在于写作表达、阅读、理解语境和看待人的方式。它可以帮助你把复杂问题讲清楚，也能让你对不同角色的真实诉求更敏感。但优势只有与技术和业务能力结合才会产生价值。我的职业转向就是从“会写”与“大数据知识”这个交叉点开始，再在工作中一点点补足产品和工程能力。
问：如果一位没有产品实习经历的中文系学弟学妹来向您请教，距离实习或校招还有半年，您会建议他先去观察什么、尝试什么，才能更真实地了解产品工作，也让别人看到自己的潜力？
答：我建议优先争取实习机会；暂时没有合适的机会，也可以先通过项目积累经验。人文专业的学生可以负责产品定位和问题定义，再与技术同学组队，把一个想法做成可以展示的原型。现在有很多AI辅助开发工具，进入实践的门槛已经比过去低了。
也可以通过社团、课程、比赛和朋友，有意识地认识计算机专业的同学，找到价值观相近、愿意一起做事的伙伴。半年时间不一定能把所有技术知识学完，但可以完成几个真实的小项目。只有进入实际协作，才会知道产品工作并不神秘，也才能让别人看到你的学习能力、沟通能力和把事情推进下去的潜力。
回到校园：探索更多活法，也把经验传下去
问：现在回头看刚毕业时的自己，哪些关于专业和职业的担心后来发现没有那么重要，哪些事情又值得在大学阶段更早想清楚？您最想把什么经验告诉正在作出选择的学弟学妹？
答：如果重新读一次大学，我会去谈恋爱、支教、交流，探索更多可能性，体验不同的生活。它们不一定直接变成简历上的成果，却能让你知道自己喜欢什么、愿意怎样生活。大学不应该只剩绩点，也不要从大一开始就把自己锁进唯一一条赛道。
我从内蒙古来到复旦，最初比较习惯认真上课、取得好成绩、让家长放心。到了学校以后，我看到有人旅行、休学、学习新的语言、转换专业、发展兴趣。当时未必能理解，后来才发现，这些同学让我看到世界上原来有很多不同的活法，高中延续下来的那一种并不是唯一答案。
专业和第一份工作当然重要，但它们没有重要到可以一次决定整个人生。真正值得更早想清楚的是：你愿意长期投入什么，想成为怎样的人，又愿意为选择承担什么成本。先尽可能地去看、去做，再逐步收拢方向，比为了一个标准答案过早放弃所有探索更有意义。
问：您希望母校或院系在继续学习、职业发展、校友交流等方面提供哪些支持或服务？
答：我对继续学习一直很有兴趣，希望学校能够提供一些研学、游学或终身学习机会，让毕业后的校友也可以回到校园，接触新的研究和行业变化。
我尤其关注AI相关的学习。AI正在进入各个专业和工作场景，如果学校能够面向校友开放更系统的AI课程、学院交流或深造项目，会很有吸引力。对我来说，校友服务不仅是联络感情，也可以成为持续更新知识和重新连接不同专业的入口。
问：对于母校的学科建设、科技成果转化和人才培养，您有哪些建议？您愿意通过哪些方式参与或提供支持？
答：如果学校有需要，我愿意提供求职内推、就业指导或辅导。我的职业经历涵盖公关、内容运营和数据产品，也在不同类型的互联网公司工作过，这些经历或许可以帮助同学更具体地理解岗位、转行和能力准备。
我尤其愿意和文科的学弟学妹交流。很多人不是没有潜力，而是不知道怎样把人文训练转化为岗位能够识别的能力，也不清楚应该补哪些技术基础、怎样进入真实项目。如果我的经验能帮助他们少走一些弯路，我很愿意参与。
