數據產品的定義和種類？

12-30

比如一些統計數據，如何分類，是否可以按科技數據經濟數據財務數據這樣分？能否更詳細具體地給出種類

看到陸陸續續還是很多人關注數據產品，我把當初首發的《數據產品的前世今生》原文轉過來，希望對大家有所幫助。

-------------原文分割線--------------

互聯網是個製造流行概念的行業，「數據產品」也不倖免。其實，數據產品的「實」早就存在，只是「名」是後面幾年慢慢流行起來的。

我看到過很多討論數據產品的文章，但大家基本沒有統一的認識，對概念的理解也不太認同，所以這裡想簡單寫寫自己的觀點，主要內容也是不會在其它網文看到的一家之談。

1、什麼是數據產品

要談清楚數據產品，首先不可迴避的「俗套問題」便是數據產品的定義認知。我的理解是：廣義來看，數據產品是可以發揮數據價值去輔助用戶更優的做決策（甚至行動）的一種產品形式。它在用戶的決策和行動過程中，可以充當信息的分析展示者和價值的使能者。從這個角度講，搜索引擎、個性化推薦引擎顯然也是數據產品，由於產品形態已經比較成熟，所以很少被人劃分到數據產品的概念里，另外，這類產品往往大都在數據外面穿了一層外衣，使非專業的用戶並不能直觀的感受到數據的存在。

除此之外的，便是狹義範疇的數據產品，比如大家熟知的淘寶數據魔方、百度指數、電商的CRM平台、各種公司內部的數據決策支持系統等都是數據產品，我後面會有個結構化的分類介紹。

2、為什麼會有數據產品

人們日常的商業活動都是「決策」和「行動」的螺旋上升過程及交織在一起的子過程（圖1），主過程里的決策表示內心拿定一個主意要怎麼做，要達到什麼樣的目標，行動是具體的執行過程，比如用戶要解決出行不方便的問題，他的主決策可能是「買一輛適合自己的轎車代步」，而在具體行動過程中，馬上又會面臨「買什麼車」、「在什麼渠道買」等子決策問題。

所有的決策以及行動中的子決策過程都是基於「某種參考」的，最簡單的參考可以是自己的直覺，好一點會依賴「過來人」的主觀經驗，但拍腦袋決策越來越難，所謂專家也屢屢被打假；而最優的決策需要依靠「證據」，定量的證據即時數據，隨著數學、統計學、計算機科學的普及，數據在決策優化過程中的價值越來越大，在大數據時代尤其如此。

決策過程中，數據的價值可以通過什麼來體現？不外乎三種：a.數據本身、b.數據服務、c.數據產品。舉個例子來說，如果某用戶想知道明天的天氣是否適合出行，他可以直接看明天的氣溫數據，這個就是數據本身在發揮價值；他也可以諮詢相關的數據分析師或諮詢顧問，由他們提供人工的數據服務或解決方案來判定明天的天氣；第三種方式便是使用數據產品，它把數據、數據模型以及分析決策邏輯儘可能多的固化到一個軟體系統中，以更自動化、更準確、更智能的方式來發揮數據的決策價值。

3、數據產品的分類

在狹義的範疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型（如靜態報表、DashBoard、即席查詢），到多維分析型（OLAP等工具型數據產品），到定製服務型數據產品，再到智能型數據產品、使能型數據產品等。（如題圖所示）。

由於報表型數據產品過於蒼白、可視化能力有限，而多維分析型數據產品更適合於專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定製服務式和智能式的數據產品。

所謂定製服務型數據產品，是基於用戶的深層次需求，構建最適合當前業務痛點的數據模型、產品設計、可視化方案等。在這裡數據產品充當的更像是服務提供者，而不是一個通用的工具。

智能型數據產品則會更多的將大數據的智能性融入產品，並與決策邏輯結合起來，發揮作用。比如，你可以有一套傳統的會員營銷系統，允許你按自己的規則篩選目標用戶；而也可以在更智能的數據產品中這樣來實現：輸入你的營銷目標及參數，比如要開展雙十一母嬰市場的促銷活動，系統可以基於以往海量數據計算出應該選擇什麼品類的商品，在什麼用戶群中，以什麼形式開展活動效果會更佳。

現有的大多數數據只是告訴你現在或未來的情況是怎樣的，問題痛點出現在哪裡，但卻不能給出更完善的建議，甚至支持一個建議的執行。使能型數據產品要做的就是這樣的工作，它不僅可以告訴你，哪些用戶流失的傾向性大，還可以直接引導用戶展開後續補救的執行流程，哪些細分群體需要通過促銷活動刺激，哪些需要服務關乎，哪些需要為他提供專享的VIP業務，哪些需要更好的互動等等。

4.數據產品需求把握的特殊性

一個真正好的數據產品要首先把握一個核心——找到用戶的真正核心需求、痛點。這句話對於非數據產品的產品經理來說簡直就是天經地義的廢話。但對於一個數據產品經理而言，得來卻不那麼容易，有其特殊性。

第一個特殊性，是需求層次特殊性，數據產品的用戶中往往會有很多內部用戶，他們對數據、數據分享、數據處理的理解和熟練程度各有不同，因此會提出各種不同層次的需求，概況起來大致包括：1).業務/管理需求；2).分析需求；3).數據需求。舉例來說，某電商要改善全體用戶的訂單轉化效率，這個便是第一類需求；為了完成此目標，會有很多工作要做，也會有很多分析需求隨之產生，比如分析商品詳情頁的跳出趨勢，便是第二列需求；而具體某某數據項的統計則屬於數據需求。最可怕的便是，需求方遇到了問題（第一類需求），指定了錯誤的分析策略（第二類需求），有提出了明確的數據需求（第三類需求）。而對於數據產品經理，從數據需求，引導出分析需求，進而介入反應具體痛點問題的業務/管理需求，是一門必修課。

第二個特殊性，是內部數據產品需求方的特殊性，企業內部的數據產品的用戶，既是是用戶，也是自己的同事、朋友、領導、下屬，他們本身就對產品經理的決策權有一定的干預能力，需要產品經理去平衡「理想與現實」，你懂的。這種情況對於非最高決策者直屬的數據團隊而言，尤為嚴重。

5.數據產品的三個關鍵要素

我認為，要成就一個數據產品，需要關注三個關鍵要素：1).數據、2).決策邏輯、3).行動流程。

數據的價值，毋庸置疑。它就像整體產品內部流淌的血液。具備什麼樣的數據類型、數據周期、數據粒度，往往會決定你的數據產品可以提供什麼服務。

決策邏輯是很多平庸的數據產品所欠缺的，它們只是簡單的、響應式的展示了需求方的報表。好的數據產品，應該可以幫助用戶思考，尤其是將平時用戶遇到業務痛點是的決策邏輯，部分或全部融合到數據產品後，可以可視化的、動態的、便捷的顯性化決策的過程，提高用戶的決策效率。

僅僅停留在發現問題、分析問題是不夠的，我們還需要對問題的解決能力，這就涉及到第三個關鍵要素——行動流程。舉個例子，當數據產品分析某個細分用戶群時，發現最近一個月其活躍度明顯下滑，那是否可以自動觸發一個營銷流程，基於用戶的特徵，開展個性化的「行動流程」，並在流程中的各個環節發揮數據的價值。

6.數據產品與大數據的關係

非常不想寫這樣的踩著三俗概念的解釋性文字，因為大數據是一個被所有人提起，但幾乎所有人又不明白的概念。我在這裡寫什麼概念解釋都是錯的，徒增搜索引擎的「負荷」。

所以，還是回溯到核心價值角度來看：前面提到數據產品最大的價值在於輔助使用者優化決策，以及輔助決策價值的實現。如果把數據產品比作一台機器的話，那數據就像這台機器運轉的原材料。「原材料」+「處理過程」+「結果展示與應用」≈數據產品。

而大數據當然也屬於數據的範疇，它好比是一種更高效的原材料，可以提供更高效的價值（更多角度的、更深度的、更實時的信息與知識，尤其是預測性的知識），「高效的原材料」+「高級的處理過程」+「高級的展示與應用」結果也是數據產品，當然你也可以土土稱之為「大數據產品」。

再舉個不專業的例子來理解：大家熟悉的「天氣預報」就是一個典型的數據產品，它的原材料可能有很長時間段的溫度、濕度、風力、日光強度、紫外線強度、PM2.5值、位置信息、衛星上的採集的各種數據、其它地面設備的各種專業的氣象相關數據（示例而已，專業人士請自行補充）；對這些數據的篩選、清洗、分析、挖掘等一系列「處理過程」可以得到未來幾日在幾個核心氣象特徵的數據值與概率（溫度、風力、陰晴雨雪等）；而我們看到的天氣預報這款數據產品，則是將上述核心信息綜合到一起，賦予視頻+GIS的展示形式，以及複製大眾在「行動」方面的建議（出行建議、穿衣指數、洗車指數等）而成的。

而這種大數據結合數據產品發揮更大價值的例子身邊還有很多。試想，你如果能夠準確預知明天某隻股票的漲跌趨勢，比費盡心思基於部分歷史信息總結出來的規律要有價值的多；你如果可以知道下個月哪些用戶會突然對母嬰類商品大宗採購，也會節省很多「千人一面」的傳統廣告費用。

而一個數據產品的產生過程，最合理的恰恰就是從價值驅動的角度出發的。而不是單純的從數據出發或者從技術出發。

最後：數據產品的6個方面寫下來，有概念，也有白話的示例，初衷是想從基本的生活常識和基本的邏輯角度出發去看待所謂的「新生事物」，而不是動輒各種專業術語，寫者高高在上，聽眾雲里霧裡的感覺。

-----------------原文結束-----------------

如果覺得有幫助，可以關注老讀悟的公眾號（laoduwu666）看更多內容

http://weixin.qq.com/r/XnUPF2XEkjjtrSF09yBM (二維碼自動識別)

推薦閱讀數據產品的前世今生

剛好最近寫了篇講各類數據產品的文章，以及各類數據產品的優缺點和對從業人員的要求。

分類方法和@老讀悟和@大頭魚同學有異曲同工之妙，也算是巧合了哈哈。

個人恰好經歷過前兩種產品，希望這些經驗能給題主一些借鑒吧。

數據產品的分類

根據產品的使用對象，我們可以將當前的數據產品分為三大類，分別是面向企業內部，面向企業外部以及面向用戶三種。企業內部產品是企業自建自用的數據平台或演算法策略，輔助企業員工做出決策或成為產品邏輯的一部分。面向企業外部產品，即由某企業開發，為其他企業提供數據服務的產品，SaaS 是其中一種模式。面向用戶的產品則是根據平台或網路中的公共內容，提供某些數據給普通用戶分析查看。最常見的就是各種常見的指數，如淘寶指數，微博的微指數，國外的 Google Trends 等。

無論在哪種類型的產品里，都需要遵循數據價值的兩個特點：

數據價值取決於其準確性
數據的價值體現在使用者手裡。而在使用組織內部，只能由上往下推動

1. 面向企業外部的數據產品

面向企業外部的數據產品，即由企業或個人開發，提供給外部企業使用的，具備數據採集，計算，存儲，展示和分析等功能的產品。隨著社會分工更加細化，這類企業在國內外逐漸增多，從最早期的Webtrends，Omiture，到現在的 Mixpanel 等，不一而窮。它們除了擁有企業服務產品的共性外，還有幾個特殊的「癥狀」：

（1）這些產品不可避免在平台型和項目型間遊走

要想以低成本擴充更大用戶群體，獲得更高價值，必然得走通用型的路子。但企業與用戶不同，需求是非常理性及個性化的。此時就會出現很多定製化的需求，為了滿足這些大客戶，在競爭中獲勝，則可能慢慢滑落到定製化那邊，淪落為一個高科技外包公司。對於數據產品來講更是如此，不同行業的公司，甚至一個行業的不同公司，對數據的需求也會千差萬別。舉例來講，同樣是 O2O 的餐飲行業，美團外賣和回家吃飯關心的數據類別，分析方式也會有很大不同。而對於協作類，流程類產品來講，這種差異性可能沒那麼大。

（2）數據的價值體現在使用者手裡，不在數據產品身上

這點也和其他類企業產品不同。溝通類，協作類和流程類企業產品，價值體現在自身產品上，只要用了就有價值。但對於數據產品來講，更重要的是，企業如何根據數據做出行動。這要求企業本身需要具備濃厚的數據說話的文化，並且能夠由上往下推動此事進展，不啻於又一座大山。這座大山如果不翻閱，數據產品的價值就無法被客戶感知，從而導致產品粘性下降，客戶流失。

（3）因為數據的安全性和重要性，此類公司價值存在一定天花板

在未來的時代里，數據的重要性越來越大。即使對於沒意識到數據的重要性的大公司，也會刻意地把大數據掛在嘴邊（沒錯，我並不是在黑某度）。而安全性，也會引起擁有用戶隱私的巨頭，及銀行類航空類公司前所未有的重視。基於以上兩點，大公司勢必會選擇將數據緊攥在手心，然後不差錢地撥出一波團隊來專門做這一攤事。而這就限制了此類公司的目標群體只能在中小型企業身上，這便成了它們最明顯的邊界。在大型企業中，它們最合適的定位是作為企業數據戰略的補充者存在。

以上種種，並非在以一個過來人的身份告訴大家一點人生的經驗。在高山地見攀登者，於遠洋處有渡航人。這個行業有它迷人的地方。

亮點一：數據價值的廣泛性。因為數據面向的企業多了，所以價值取勝在廣而不在深。在這方面，此類企業對整個中國市場的啟蒙非常重要。數據就像中世紀的騎兵，培養起來殺傷力不錯，但一般國家養不起，因為沒錢沒馬沒傳承。中小型公司因為人員和精力的問題，並沒有沉澱和能力做數據，更別談專業的數據分析了。很多企業，連跳出率是什麼都不知道。這時候這類公司便沖了進來完成了早起的市場教育，解決了用什麼（What）和怎麼用（How）的問題。這相對於企業內部產品局限在管理層和某幾個部門來講，實現的價值要廣泛得多。
亮點二：數據需求的抽象力。如果旨在做一個通用的分析平台，那麼如何將多樣化的數據需求抽象成一個個產品就是關鍵。甚至可以針對不同行業，不同職位的人提供對應的分析模板，以及有普適性的分析功能。在這一塊，Domo一直做得不錯。
亮點三：數據需求的實現程度。可以投入大量精力開放在企業內部不太可能投入的功能，如更加智能，適應性更加廣的分析產品等。

對於數據相關的從業人員來講，它有著另外一個魅力：數據產品也開始注重產品設計和用戶體驗了。雖然這並不是此類產品成功的核心要素，不過也算是告別了企業內部產品「做出來你就得用」的時代，需要考慮數據如何以更便捷更友好的方式展現給用戶。

推測出口：面對這些現狀，此類數據產品適合先確認自己的定位，比如針對中小型企業或者傳統客戶，根據定位打戰。其次，專註於某個方面，打造自己的亮點，奪取自己的核心客戶，如 GrowingIO 的無埋點或神策的支持私布的用戶行為分析。最後以此，做合理的橫向擴張，比如將某些核心功能打包成為一個子產品，對外開放使用。一方面提高產品的知名度，另外也能開拓新的 Leads 和做 Upsell 的機會。只要中國市場產生出了足夠的中小企業基數，出路還是蠻寬廣的。

目前國內外存在很多此類數據產品，所有這些產品的類型逃不開數據採集清洗，數據計算，數據存儲到數據展示分析整個鏈條。有些是專做其中某個環節，有些則是會涉及幾個方面。根據環節的不同，面臨的問題和亮點也不盡相同，對於它們詳細的分析足以展開一篇新的文章，此處便不詳談。

2. 企業內部產品

企業內部產品中，按職能範圍劃分，可以分為平台型和業務型，其中具體的職責分配視公司的數據架構而定。但萬變不離其宗，平台型主要是建設底層計算平台和通用工具，業務型更多的偏重於結合業務的 BI 系統和報表工具。如阿里的 Onedata 就是一個集團的數據平台，集數據規範化定義，數據計算存儲和用戶標籤等為一體。而天貓可能就會利用這套系統自己搭建一套業務型的數據平台，並利用 Onedata 提供的數據標籤對自身的用戶做精準營銷。

按內容劃分，則主要可劃分為分析類和策略類。分析類主要是商業 BI 方向，包括了數據採集清洗，計算存儲，展現和分析部分。大公司會特意把這些模塊區分出來，再單獨招人。入行時可選擇某一個細分領域開始切入，但要把握全局，注意數據全鏈條的使用。BI 的類型也因部門而異，舉例說說明有數據基礎建設部門，銷售分析部門，產品分析部門，供應鏈分析部門。部門的重要性視公司自身的業務特點而定，這個和其他崗位的選擇邏輯是類似的。策略類的方向較多，對專業能力和職場經驗要求也比較高。常見的有搜索推薦，風控和反作弊，精準營銷和用戶畫像。這些有時候會有部分或全部不劃在數據部門下面，但都需要比較規範的數據基礎，以及著重與利用數據分析調整產品策略。

做企業內部產品，有些點必須提前注意。這些點與文首的兩個特點息息相關。

數據質量非常重要。因此對應的數據採集，清洗方案都必須慎重。
數據價值取決於高層，所以挑個了解數據並願意投入精力的公司非常重要。這一點大概可以通過面試過程中，公司在數據方面人才的投入程度看出一二。如果說我們什麼都沒有，只是差個數據工程師/分析師/產品經理，同學，還是得三思啊。
受關注度不高：畢竟數據不是實際業務，無法直接對前線數據產生影響。在關注度和資源傾斜力度上，與一線部門肯定有所區別。這一點包括下面會提到的臨時需求繁多紛亂，都與數據價值體現在使用者手裡密不可分。
臨時需求繁多紛亂：既然價值體現在使用者手裡，則意味著部門會與你有很多親密接觸的機會。這些需求大多數屬於碰到某些情況意外需要了解某些數據，而且往往會打亂自己的產品規劃。

基於以上情況，這要求從業人員得有幾個素質：

首先是數據產品本身具備的專業能力，如數據資產管理，數據可視化，數據分析等。
其次是對業務的敏感度。在企業內部，需要靠業績說話。你界面做的再漂亮，分析功能做得再完善，如果對業務起不了與投入相匹配的促進作用，就不是一個成功的內部產品。
其次是比較好的需求管理能力，如果這塊沒把控好，很容易就被如滔滔江水的臨時需求給淹沒。最合適的方法是「長中短結合」，緊急的需求先滿足，同時不能忽視數據平台的建設，抽象出來一個面能滿足一個個散落需求的點。
最後，需要有比較好的內部 PR 能力。這與數據價值比較隱性，很多與業務表現沒有直接關聯有關。所以一方面你需要將數據分析的知識和技能在內部推廣，另一方面也需要將數據成功案例對外宣傳，樹立起大家用數據說話的習慣和信心。

3. 面向用戶的數據產品

現在國內積累了大量用戶數據和消費數據的公司，都會推出自己類似的產品，如騰訊的 TBI 指數，阿里巴巴的淘寶指數，百度的百度指數，微博的微指數。據稱，知乎也正在謀劃著推出自己的知乎指數。此類產品重在了解趨勢，對判斷一些產品和事情的趨勢很有些有趣的地方。以下是我2016年上半年研究今日頭條和騰訊新聞之間的情況時，分析結論和和目前的指數情況。

當然從日活上來看，騰訊新聞因其深耕多年，以及其龐大的用戶基數，還是短時間內難以超越。但是用戶數差距已經非常小了，而在使用時長上，則已遠遠超越。以下數據來自於 Questmobile 報告。

綜上所述，無論是哪一個類型的產品，根本方法萬變不離其宗：根據對比細分溯源的基本方法論，和對於業務的理解和分析場景，建立起一套行之有效的分析框架。期間需要根據業務的變化不斷調整，不斷推翻已有結論，不斷完善。如何最大化數據價值，如何講清楚一個故事，是所有數據產品經理奮鬥的終極目標。

寫到這裡，各類產品中，個人所見難處和亮點，大概就是這些了。一方面是對以往思考做些總結，另一方面也是對意圖進入這個行業的人提供些借鑒，其中有失之偏頗的地方，歡迎大家一起交流。

作者：陳新濤，美團外賣首任數據產品經理，曾於大數據公司 GrowingIO 任職。研究國外業內前沿數據產品，了解當前實現數據價值的最新思路和實踐。微信公眾號：三生石（ourstone），歡迎關注交流。

http://weixin.qq.com/r/J3UsNADE612UrURX9yA1 (二維碼自動識別)

這是我以前對數據產品設計的一些思考，希望對這個問題有所幫助數據產品設計

感覺這個問題是一個超級大坑啊，我從數據產品的歷史和今天兩個角度，簡單地回答一下這個問題吧。

數據產品的歷史

縱觀數據產品的發展史我們可以看到，數據產品的更新一直都緊緊圍繞著商業需求展開，比如下面這幾個發展階段：

1970年左右（SAP公司建立）

數據由不同來源產生以後，便有了對數據儲存和管理的需求。

1990年左右（ERP概念的出現）

隨著企業信息化建設的不斷完善，便有了利用數據來優化各個企業經營環節的需求。

1995年（第一屆國際數據挖掘與知識發現大會）

不同渠道來換的數據量級和複雜度到達一定程度以後，便有了深入分析數據和挖掘知識的需求。

2005年（亞馬遜AWS雲平台誕生）

當各種數據產品的組合越來越龐雜後，便出現了一站式數據云平台解決方案。

2012年（《紐約時報》第一次以「大數據」作為專欄封面）

隨著信息技術與各個行業越來越緊密的結合，便有了根據不同行業的需求而產生的定製數據產品方案。

今天的數據產品全景圖

發展到今天，各式各樣的數據產品已經深深地進入社會的各個層面。

關於數據產品的定義和種類，已經有團隊做了一些相關的工作，比如Matt Turck的大數據全景圖（上面哥們引了一個去年的版本，我這裡再補充一個2017年4月5日最新最新發布的版本），以及「首席數據官聯盟」在《中國大數據企業排行榜》中發布的大數據產業地圖。兩個數據產品全景圖具體如下：

Firing on All Cylinders: The 2017 Big Data Landscape

國內類似的可參考「首席數據官聯盟」在《中國大數據企業排行榜》中發布的大數據產業地圖：

上面兩個圖中列舉的數據產品種類總結一下有下面這幾個：

數據來源與應用程序介面
數據儲存與管理
數據分析
雲平台
企業應用
行業應用

數據產品的未來？

數據產品的未來如何呢？具體哪個行業的哪種產品會脫穎而出，成為下一個人人都需要的水電氣一般的應用，實在是不好說。

但可以肯定的是，數據產品未來會在下面兩個方向繼續發展：

自動化：已有固定流程的自動化。
智能化：整合不同領域的知識，協助創新。

以下三個方面有助於加深對此概念的理解：

一、價值

數據產品的用途是輔助用戶決策，對接下所要進行的行動提供數據支持，這是數據產品最本質的內涵

二、用戶

按數據產品的設計者和使用者（用戶）是否屬於同一機構，數據產品可分為」對內「和」對外「兩種：

1.「對內數據產品」服務於內部用戶，產品的需求者和供給者均在一個機構，如各個公司的數據分析平台、報表系統等均屬此列；

2.」對外數據產品「顧名思義，是乙方向甲方有償提供關於數據方面的服務，如淘寶的數據魔方等

三、產品形態

數據產品可能沒有固定的形態，部分需要依賴於其他應用或業務。

比如電商網站上的產品推薦，其實也屬於數據產品的一種--根據用戶屬性、購買記錄、網頁瀏覽路徑等，經過後台演算法，自動向用戶推薦其可能有意向的產品，就是幫助用戶決策的一種機制。

當然，獨立的數據產品如淘寶數據魔方、江湖策等，將各類數據指標通過數據可視化技術展示給用戶

來源：如何看待「數據產品經理」這一職位？

今天參加完全球產品經理大會，其中關於阿里邱老師分享了關於數據產品的分類，更新一下

1）方案類，對數據採集，數據管理，數據建設進行規範，輸出整體數據方案

我自己對這類數據產品理解是目前應該是比較少見，應該存在於大公司或者業務線bu較為複雜的公司，因為很多時候該部分工作都是直接由倉庫人員承擔了，很少會由產品介入！不過為了公司底層數據規定方便數據管理，這塊確實由業務經驗豐富產品參與構建會更加清晰；

2）業務類，根據業務場景構建業務數據分析產品或者是數據業務，提供更多的數據支持

這塊應該是目前比較常見的數據產品，不管是以數據報表或者其他方式提供產品，這類產品更多應該是注重對業務場景需求滿足程度；

3）工具類，提供基礎工具幫助業務進行數據統計分析，數據可視化展示上工具性的支持，幫助業務快速高質量應用數據，實現業務數據化

這類一般是在公司發展到一定程度後，需要為了提供業務人員，分析師或業務數據產品負擔，自行開發一整套關於數據分析展示的工具

——————————分割線————————

以前我覺得數據產品是將數據可視化或者將分析思路集合在產品中提供給用戶的一類產品，經過跟一些牛人接觸思考後，我覺得如果這樣子去定義數據產品其實很是狹窄；

數據產品應該是去解決用戶在使用數據決策過程中的痛點的產品；不管是直接提供結果的報表，還是提供探索性工具產品，都是數據產品；例如基礎報表，就是解決了用戶每天都要通過寫sql取數的數據產品；數據監控系統，就是解決了用戶每天要自行分析對比或者是靠經驗才能知道今天有問題的數據產品

要做好數據產品的前提應該是一個優秀的產品經理，然後再產品經理的基礎上比一般產品經理更加了解數據，了解演算法；

以上是本人理解的數據產品

在回答這個問題之前，先回答下兩個背景性問題

1.為什麼題主會提出這個問題？我猜目前大數據很火，因為馬雲都說未來是DT時代。

那麼，數據是什麼東西？

數據的本質是流量，流量的本質是人。數據有描述性，探索性，和預測性，在未來IDmapping上下游和全行業打通，數據就不存在記錄的缺失，那麼也就可以完整的記錄你的一天行蹤，而人的行為軌跡本身就是有規律可行，智能演算法完全可以預測你明天幹嘛，所以，這才是大家都看好數據的原因。

2.數據和互聯網一樣，未來終歸會回歸到任何一個行業，就像我們目前用的火，電一樣，是一個管道和基礎性的服務。

人類發明電是在什麼時候，那麼我們在電的服務基礎上玩出了什麼花樣，至今還在發展，套路依舊還沒玩完。數據本身並不好玩，重要的是在數據這個材料上，在哪個風口點，大家可以玩出什麼花樣，這才是重點。而目前數據從商業化角度講兩個出口方向：驅動決策，遠線帶來企業收益。驅動產品智能（廣告，精準推薦），直接帶來商業收入。

現在開始回答數據產品經理是幹什麼的？

首先他還是一個產品經理，只是加上了數據的前綴，所以產品狗的基本技能都要有。

那麼產品狗有什麼技能呢？

PK需求
產品設計
資源整合

那麼數據產品狗會額外有什麼技能呢？

數據分析
了解各種「」表哥表弟」
大體了解數據存儲和計算方案，了解調度系統

PK需求，目前國內大部分數據產品狗都是做後台BI報表，如果把推薦和策略，廣告包括進來，會更偏業務一點。總之就是作為一枚數據產品狗你得比你業務方更了解需求，目前國內BI報表PK需求應該都是在PK運營需求上面，坦白講，挺不好玩的。

產品設計，總之就是把你的分析思路抽象成模型也好，方法論也好，或者其他也好，然後變成產品模式，重要的是沉澱一種分析思路。所以這款數據產品做得好不好，和你了解業務成正比，和你是否可以抽象出一些思路成正比。這裡的產品設計和可視化和交互會有些關係，但是關係不大。

資源整合，這個在正規的大公司都會給你配好資源。此處忽略。不過數據產品你資源整合程度有多深，這個和你是否了解「表哥表弟」是怎麼來的成正相關。智能方向和你是否了解演算法等也有相關性，要不然怎麼跟開發聊天呢？不能愉快的跟開發聊天，怎麼進行資源整合呢？哦！顏值貌似是個不錯的方案。

數據分析，坦白講，我自己也不是一名合格的數據分析師，數據分析主要是在了解業務的基礎上，不斷的對比，與不斷的細分。數據可視化，比如表達種類用餅圖，表達趨勢用折線圖，種類對比用八爪魚圖比較好。這些基本功還是稍微要有的。但是對於推薦類和廣告類此刻分析就回歸成對業務的洞察。

了解數據表，比如基礎表，維表，落地表。大概能了解就行。（其實我也不了解）

話不多說，基本上這張圖上表達什麼能看懂也就基本沒啥特別大的技術溝通障礙了，其他障礙咱也不是開發，知道就好。

anyway，目前在國內，BI大行其道的氛圍下，數據產品經理很多人都覺得就是做報表的，此刻我也不知道說什麼。產品經理這個職位終究是一個動態的職位，業務和形勢發展的速度會對其技能和要求有所更新，或許在未來都沒有數據產品這個職位了。因為，數據就像電力一樣，本身就是一個發動源，沉澱到業務中，未來就只會更偏業務了。而這也是我焦慮所在。

引申回答下

市面上有哪些數據產品？

企業對內的統計報表，這也是目前職場需求量比較大的崗位。
數據管理性質的產品，類似DMP
數據策略應用的產品，滴滴打車，高德地圖
搜索性質的產品，百度搜索，淘寶搜索

.....

其實在我眼裡，貌似一切都是數據產品，就連你天天玩的微信朋友圈信息流也有push策略。所以，什麼是數據產品呢？這應該是一種思維吧~

寫的比較亂，一陣亂寫，歡迎拍磚，下班鳥~~~

數據產品在越來越多的公司被需要，打開招聘網站對於數據產品的職位描述也是琳琅滿目，任職要求卻通常都有產品設計或數據分析經驗的字樣，更多的公司是對產品設計和數據分析同時要求。阿里巴巴如此形容：具備優秀的需求分析和產品規劃能力，獨立的業務分析、數據分析、競爭分析能力和見解；小米JD如此描述：對數據跟市場敏感，有較強的邏輯思維能力，熟悉Axure，互聯網開發流程和敏捷開發。

除了翻閱知乎一些精華的文章如：數據產品的定義和種類？ - 數據 - 知乎。了解互聯網人才需求最好的方式莫若看看求職網站，數據產品PM的需求隨著互聯網行業的發展如雨後春筍般湧現，隨著時間的沉澱，2-3年以上工作經驗的積累，將數據產品經理的招聘JD分為兩大類：策略型數據產品經理，分析型數據產品經理。

策略型數據產品

策略型數據產品經理主要是演算法相關的，包括風控（反作弊），用戶畫像（商家畫像），推薦等；策略型產品經理和設計型產品經理有哪些異同？ - 互聯網 - 知乎

分析型數據產品

分析型數據產品經理主要是根據底層基礎數據，結合市場需求或是內部管理的需求形成解決用戶痛點的數據型產品。目前常被提及的狹義的數據產品通常指分析型數據產品，如：淘寶的生意參謀（數據魔方），百度指數，TakingData，GrowthingIO 等。

能被廣泛使用的分析型數據產品通常是龐大的數據無法進行手動的採集人為的分析，合時宜的數據產品橫空出世，數據的脈絡被梳理清楚，數據的關係被清晰的展示，隱藏的問題被暴露無遺，更深層的原因得以探查，經驗被真正的利用，場景被更完整的打造。

網上關於數據分析師的文章很多，但是關於數據產品經理的文章很少，所以經常有各個領域的垂直網站來和我交流，問我數據產品應該怎麼做，人怎麼培養，團隊應該怎麼建。所以我就把別人的問題、自己的回答，結合自身的成長經驗，做了一個「廣告DMP"圈子。以下是整理圈內的一些問答。

問答目錄：一、數據產品的工作有哪些？二、數據產品的種類？三、為什麼有這個崗位？

一、數據產品工作有哪些

如果你考慮著快的崗位，首先你需要思考兩個問題：

你心中的數據產品都包括哪些？你認為數據產品經理是做什麼的？

至少，我每次介紹自己是數據產品經理的時候，經常收到別人問：我有**問題，能幫我看看怎麼回事么?這個數據為什麼會變成這樣?

我：%￥……#%￥@;

好，大家一起和我念：數據產品經理不是數據分析師，數據產品經理是產品經理的一種，數據分析是產品經理的核心能力之一，產品經理是數據產品經理的核心能力之一。

首先，數據產品經理必須了解不同的公司，在不同的階段，需要哪些數據產品，並能夠製作出來，這是此職位的核心要求，也是我本系列文章重點介紹的部分。

其次，數據產品經理必須有足夠的數據分析能力，所以，我會講一些數據分析的基本思路和方法論。如果有了數據分析的思維，再跟公司業務結合就會比較容易。

最後，數據產品經理是產品經理的一種，所以要同時具備產品經理的能力：了解用戶，需求調研，方案設計，協調技術、測試、設計等，不過這些網上有很多文章了，所以我只會講數據產品更需要注意的地方。

二、數據產品的種類

在公司中，能夠發揮數據價值的產品，即是數據產品，一般，主要從用途來分，分為以下兩種：

1、分析類產品：通過數據的計算和展現，幫助業務進行分析、決策的產品，大概包括以下幾類：

流量分析產品：可以幫助產品經理進行頁面設計、功能改進和改版評估等。銷售分析產品：可以幫助運營分析。

這兩個產品都是公司的必備，對公司各部門都有較大幫助：

幫助產品經理進行頁面設計、功能改進和改版評估等; 幫助運營人員做用戶分析、活動分析等; 幫助市場人員做投放分析優化等;

當公司某一塊業務比較重要，又有專門的部門負責時，一般會把數據分析系統獨立出來，比如：

供應鏈分析系統; 客服分析系統; 會員分析系統;

2、演算法類產品：通過數據的計算，直接更改頁面的邏輯的產品，成為演算法類產品;

比如：個性化推薦、搜索、用戶畫像、程序化購買廣告、DMP（數據管理和分析平台）等。

這兩種是根據公司的情況來，區別並不是很明顯，而且會不斷演變。

比如：對供應鏈支持的，可能最開始是銷售分析系統里，一個庫存分析的報表而已;

後來，加入了各種補貨預警、成本分析等報表，就變得很複雜，獨立出來成為系統。

再後來，選品和銷售預測，都是需要較強的演算法支持，就變成了一個演算法類產品。

在很多時候，我們進入的都不是BAT，而是一個垂直領域的領頭公司，獨角獸公司，這是很不錯的選擇。但是這種公司都不會一上來就配備很大的數據團隊，可能也沒有非常懂的領導，這時候需要數據產品經理不斷規劃數據產品的未來，從而協調資源。

所以一個數據產品經理，不僅要了解各個數據產品，還要了解，在公司什麼樣的情況下，這個產品以什麼樣的形態出現。三個月後，公司可能會什麼樣，需要什麼樣的數據產品。這也是之前在文章《是的，咱們都必須要學習數據資產應用了！》（點擊可閱讀）反覆說到的。這樣，你才可以去申請技術人員和其他資源。

三、為什麼會有這個崗位?

簡單說，就是公司已有數據，希望專業的人，來讓數據產生價值。業務型的公司，經過一段時間飛速發展後(通常為半年到一年)，一般會出現以下的情況：

得到資本方的認可，領導層會雄心勃勃，啟用數據方面的戰略。公司自身，也會碰到非常多管理的問題，就會希望結束粗放式的增長和運營方式，轉向更精細化、更專業、更有效率、更能控制成本的增長。各部門都按自己的需求提取數據，會出現口徑不統一的情況，比如一個部門和另一個部門的同一指標，出現不同解讀。各部門自己提的數據需求，基本上總是會有漏的環節。

所以，這時候，需要有個懂的人，梳理各部門需求，匯總整理數據流程，將數據體系化，不然就亂了。這種情況下，對數據產品經理的要求是：

要懂分析，不然就會變成一個只出報表的傳話筒。要懂數據的產生邏輯，要能建立一個業務模塊的數據指標體系，不然，出來的東西會比較亂，可能遲遲上不了線。

還有另一種情況就是大數據團隊招人。

這種一般是大數據團隊，有自己的技術和演算法人員，已經做出一定的成果(比如推薦系統最開始上線時，即使團隊中沒有產品經理，只有演算法工程師，也是很容易產生比較好的推薦結果)，得到了領導高層的認可。但是如何將演算法，更好的服務於公司的商業，產生直接的銷售結果，這是演算法人員很難有精力去想的，就要招一個產品經理來。

這時候對產品經理的要求是：又要懂商業，人家就是找你來變現的，又要懂演算法，又要懂產品，要求非常高。大家覺得大數據的產品經理比較貴，都是這種。

下一期我們聊：如何入門；數據產品如何面試；產品分析師都幹些什麼？

數據的最新定義應該是：已經發生或正在發生的所有可記錄的社會經濟現象的總合。

這個問題下面的回答id科技偵察兵，利用我的文章，在各個數據產品經理的問題下面回復，吸引大家花錢加入他的小密圈，這個大家要擦亮眼睛哦，因為他並不是數據圈的人，給自己假扮了一個身份，只是為了騙錢。知乎號、微信號和小密圈裡的文章，都是抄的我和其他幾位數據博主和前輩的，他連回答小密圈中別人的問題，都要原封不動的複製我的文章才可以，進去之後也是學不到東西的。大家不要上當受騙。扒皮他的文章見：http://mp.weixin.qq.com/s/owl87ckz8vn6l3_AfMEVAg

這是另一位被抄襲的前輩寫的，因為他發現被抄時間比較久。我是上周五才發現的，還沒有來得及寫自己的打假歷程。

個人愛好，對數據分類有一定的了解，數據的分類方法其實有很多種，按數據形態可以分為結構化數據和非結構化數據兩種。結構化數據如傳統的Data Warehouse數據；非結構化數據有文本數據、圖像數據、語音數據、自然語言處理數據等

結構化數據使用數據倉庫，非結構化數據則使用Hadoop，Hadoop是什麼，主要有哪幾部分組成和Hadoop的影響力？ - 大數據多智時代