1 數據產品的定義
? 簡單講，即以數據產品是能幫助用戶發揮數據價值去輔助用戶決策或行動，以數據為主要自動化產出的產品形態。強調自動化產出是區分類似數據研究咨詢公司的咨詢報告、手工報表。接下來數據產品又可以進行細化：
? 通過用戶群體可以分為三類：
企業內部數據產品，如開篇講到我們公司的BI 、自動化審批、數據監控等；
商業型數據產品，如谷歌的Google Analytics；
用戶均可使用，如淘寶指數。
2 數據產品的意義
? 當我們推出壹個新的產品功能的時候，是否是符合用戶預期的，是否是受用戶歡迎，我們需要通過數據來說話。 在 Facebook 中，直接匯報給紮克伯克的增長團隊就有兩個數據團隊做數據的采集計算和展示。Facebook 所有數據的監控，以及根據效果持續優化工作都由他們負責。 Facebook對數據驅動的重視程度有壹個例子很好說明，曾經壹個 VP帶領的 30 人團隊花了壹年時間改版主頁，在灰度上線三個月期間因數據表現不佳，直接回滾。 Facebook 通過可量化的數據對新功能進行客觀反饋，從而驅動下壹步的產品決策。
? 彼得.德魯克有句名言：if you can't measure it, you can't manage it.
3 數據產品如何設計
? 關於這個問題我們可以拆解成五步來解答：
-面向什麽用戶和場景
-解決什麽問題或帶來什麽價值
-分析思路是什麽
-用到什麽樣的指標
-怎麽組合展現這些指標
1）面向什麽用戶和場景
? 產品設計先要明確面向的用戶和場景大家並不陌生，具體到數據產品用戶和場景的特點有：
? -不同用戶有不同的價值：特別是面向企業內部產品。從數據能產生的價值來看，高層的壹個正確的決策可以節省下面無數的成本，不能單純從產品使用用戶數來衡量產品的價值；
? -不同層級用戶關心的數據顆粒度不同：產品設計時需時刻記住數據呈現的主次、不同顆粒度的分析以及最細粒度的入口。數據分析本質就是不斷細分和追查變化；
? -不同類型的用戶使用數據的場景不壹樣，要圍繞這些場景做設計。比如我們分公司分總、團隊經理們，工作繁忙且甚少坐班，那麽移動化和自動化就很關鍵。在設計的時候，原則就是通過手機界面展現關鍵指標，分析結果簡要清晰，較少分析功能。而且在某些指標異動時能及時通過手機通知。而辦公室的數據分析師，則 PC 界面更多細化分析對比的功能。 即將上線的管理決策系統就充分考慮這些場景，業務線通過手機APP瀏覽查看並支持指標異動的通知；另壹個業務數據監控產品，則將細致的分析呈現在PC界面上。只有充分了解自己的用戶和使用場景，保持長期有效的溝通，才能設計出更好用的產品。
2）解決什麽問題或帶來什麽價值
? 即明確產品需要滿足用戶的什麽需求，有怎麽樣的迫切程度和價值。
? 首先判斷用戶的本質需求，可用 Demand/Want/Need 方法分析。用戶說來杯可樂（Demand），如果他最需要的是解渴（Want），那麽壹瓶礦泉水或者寶礦力會更適合他（Need）。
? 其次判斷需求的價值，基於兩點：這個需求滿足的是否是核心用戶；是否是剛性需求。核心用戶衡量公式“人數 * 單用戶價值”，我們心裏要有“不要為了次要用戶的需求去幹擾核心用戶的正常使用”的觀念，更不要因為有些數據產品只有公司幾個高管使用而覺得缺乏成就感；剛性需求的判斷，可以從需求有無替代方案、發生頻率（可以結合何時何地的場景來思考）、持續時間等因素綜合考慮。
3）分析思路是什麽
? 明確問題後應該通過什麽樣的思路進行分析？需要明確以下原則：
? -數據產品經理要有數據分析能力，才能更好創造更大的數據價值；
? -數據產品設計理念，應從總覽到細分，多維度不斷對比；
? -數據產品的總覽頁面設計應提綱挈領、簡明扼要、主次分明，幫助用戶快速定位了解重要信息數據和重要異常問題，而不是浸泡在無序繁復的數據細節之中；
? -數據的細分應該提供足夠豐富的維度便於分析。每次細分必須帶著指標下去，所有分析的結果必須可以落實到動作執行，並與業務緊密相關；
? -數據本身沒有意義，數據的對比才有意義。數據產品的核心就是凸顯對比，這點是數據產品經理的差異化能力，同時要求甚高（如下圖業務數據監控產品）。既需要豐富的產品設計經驗，也需要深刻的業務理解能力和數據分析能力。
4）用到什麽樣的指標
? 分析思路需要相應的數據支撐，需要確認數據準確完備，包括需要哪些數據指標、數據來源和字段等。在確認的過程要註意以下兩點:
-數據的完備性需要提前明確所有的數據是否已經準備完全。數據的采集，清洗和聚合工作是數據準備環節的核心內容。如果需要的數據沒有及時采集或沒有經過清洗，會讓整個工期增加極大的風險。
-數據的準確性在很多時候臨到使用，才發現這個埋點的方式壹直都是錯誤的，或者發現這個指標計算的方法沒有把某種因素排除掉。原因多是部門眾多口徑繁雜，缺乏統壹數據定義和質量監控管理。 公司為了治理這個問題，專門由數據分析中心牽頭，產品與業務部分參與梳理。與此同時，為了更好的采集數據的完備和準確，我們在數據采集埋點的方案選擇上也積極求變，與優秀的第三方數據服務商神策數據合作。
5）怎麽組合展現這些指標
? 關於數據產品用怎樣的產品形態組合展示指標，常見的數據產品形態有著重於數據呈現，比如郵件報表類、可視化報表類、預警預測類、決策分析類等；著重於算法類的，比如用戶畫像、匹配規則等。
這裏探討壹下著重數據呈現的產品形態設計思路：
? -指標的設計，首先需要明確什麽類型的產品適用什麽樣的指標，如項目核心的訂單轉化率，放款金額，逾期率等。
逐層拆分，不重不漏。如將逾期分析拆成逾期率、逾期筆數、逾期金額，各節點也可以往下細分出逾期分布，不同的產品、不同的城市還會擁有不同的逾期表現，壹層層往下分拆；
確保指標能明確表達含義，為上層的分析思路提供依據；
明確指標定義，統計口徑和維度；
? -指標的呈現，即數據可視化。它不僅是UI設計師的工作，對數據產品經理也提出很高要求。因為它涉及到別人怎麽去理解和使用妳的產品。壹方面需要持續閱讀相關專業的書籍，另壹方面，需要觀察學習足夠多的優秀數據產品。具體到數據的可視化圖表設計上，壹些經驗有趨勢用曲線圖，占比趨勢用堆積圖，完成率用柱狀圖，完成率對比用條形圖，多個指標交叉作用散點圖。根據不同指標選擇其合適的形式。
4 數據產品對數據產品經理有怎樣的要求
? 前面講關於數據產品設計，那麽如何確保按正確的符合企業需要的數據產品順利的設計開發上線呢？即數據產品經理需要具備哪些能力才能勝任，概括的講有以下四個方面的能力模型：
? -數據分析的能力：要懂分析，不然就會變成壹個只出報表的傳話筒，要懂數據的產生邏輯，要能建立壹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；
? -數據展現的能力，即可視化的能力；
? -商業模型的理解能力：商業理論要了解，才能給抽象成報表和分析頁面，而不同的商業理論適用於不同的企業和企業不同的階段，除了保持商業理論的持續學習更新，還需要結合企業實際情況選擇執行；
? - 壹般產品經理的能力如需求分析調研、邏輯溝通、快速學習等能力；
? 除了對能力有專門的要求，數據產品設計開發過程中，數據指標梳理是壹件非常繁瑣的事情，另外在進行數據分析，在壹大堆數據裏刨來刨去，很可能半天也沒有結果，這樣就需要數據產品經理的性格能沈下心，能耐得住寂寞和有些枯燥的工作，所以對數據產品經理比壹般產品經理有壹些不同的性格要求。比如壹般產品經理要求會玩，性格外向活躍，而數據產品經理表現的就會偏沈穩和內斂。
? 從數據產品經理的能力模型可以看出，既要懂數據，懂產品，又要懂商業，還有性格，要求相當高。公司2017年初啟動數據化戰略，由此可見，數據產品經理團隊的組建是壹件有挑戰性的工作，在火熱的數據人才市場，於去年8月完成組建工作。全面的數據產品經理難求，但我們力求形成全面而富有戰鬥力的團隊，作出優秀的產品