我从15年毕业开始做数据产品，对数据产品算是有一些浅薄的理解，在这里分享一下我个人理解的数据产品，欢迎大家交流沟通。
我刚入职的时候做的是京东物流配送业务的数据产品，我们业务的上游有仓储业务，再上游订单业务，再再上游有商品管理、采购等等。下游有售后业务、客服业务，因此物流配送只是全链条业务中的一环，可以理解为我们是供应链的配送部分（包括分拣、运输、终端）。
因为部门的划分，订单、仓储、配送、售后、客服等在不同的部门，因此部门与部门之间是隔离开的，相互之间的数据也不互通，大家都基于自己部门的业务做数据产品的开发。16年集团CTO有两个对数据重大的决策，一是去Oracle，二是把相关的数据开发和数据产品整合到一个部门。当时我对把所有的数据人员放在一个部门不是很理解，后面逐渐我觉得这是一种比较合理方式。如果一个公司只做一项垂直业务，比如物流、广告、金融，整个公司只需要一个数据部门即可。但是像京东有多条产品线，基于不同的业务将数据相关人员放在一起是一种比较高效并且合理的方式，物流线有自己的数据部门（子公司京东物流），广告线有自己的数据部门（商业部门，类似于阿里妈妈），金融线有自己的数据部门（子公司京东金融）等，一般各个业务线都会有自己的数据平台，各自基于自己的业务深入挖掘数据价值，为业务赋能。
除此，有一些企业（如阿里、华为、联想等）还有有一个面向集团的大数据部，一般定位为集团的数据中台，比如阿里巴巴数据技术及产品部，整合阿里生态内淘宝、天猫、菜鸟、阿里妈妈、优酷等产品线全域数据，对内外提供数据服务，包括数据采集、数据处理、挖掘算法、数据应用及数据产品的全链路、标准化大数据体系。
所以这儿就有一个区分，数据平台和数据中台的区别是什么？
数据平台：数据即服务。数据平台是大数据基础上出现的融合了结构化和非结构话数据的数据基础平台，为业务提供服务的方式主要是直接提供数据集。数据平台的出现是为了解决数据仓库不能处理非结构化数据和报表开发周期长的问题，所以抛开业务需求，把企业所有的数据抽取出来放在一起，成为一个大的数据集。当业务方有需求的时候，再把他们需要的若干小数据集单独取出来，以数据集的形式提供给数据应用。
数据中台：数据API即服务。数据中台是企业级的概念，体现D2V（data to value）的能力，为业务提供服务的主要方式是API。数据中台距离业务更近，能够为业务提供速度更快的服务，它可以建立在数据仓库和数据平台之上，加速企业从数据到业务价值的中间层。
聊完以上背景，所以我们需要确定自己是在产品线的数据部（比如金融、物流、广告），还是集团数据中台部。如果在产品线上的数据部，不同业务线上的数据产品侧重点也不一样。大家都知道不管是产品还是数据产品，跟业务都是强关联的，我们的核心目的都是通过产品为业务赋能，所以在不同的业务场景下，数据产品发挥的作用是不一样的。同样，在不同业务场景下做数据产品，都需要对业务进行深入的了解，这样才能基于业务逻辑做出符合业务的产品，才能对业务起到更好的促进作用。所以行业里面有做金融的数据产品，有做广告商业的数据产品，有做物流的数据产品，有做供应链的数据产品等等。
我对数据产品的定义是：业务＋数据＋产品＝数据产品，做数据产品肯定需要先了解业务场景，捋清实物流、信息流、资金流三条流向，我们就能知道业务的整体逻辑。基于业务逻辑及数据进行加工整合，面向不同的用户群体，输出数据产品解决方案。
行业里面也有对数据产品一些定义和分类：
如@摩拜单车数据产品负责人梁旭鹏对数据产品定义：数据产品把数据、数据模型以及分析决策逻辑尽可能多的形成一个产品形态，以直观智能的方式，发挥数据的价值，辅助用户更快地做出更合理的决策。
@阿里高级产品专家刘洋，针对不同应用场景分了三种类型，数据平台／BI、算法／策略产品、业务／可视化产品
我觉得以上两位的整合能够很好定义和分类数据产品，一般大企业对数据产品的岗位会有细分，做平台的，做策略的，做可视化的都有，我们知道自己所做的是哪类，同时也关注其他岗位的工作，能够更佳全面的了解数据产品的工作。
欢迎关注：成南王掌柜
