近些年来，随着增长黑客、精益化运营、大数据、AI等概念大热，数据产品、数据产品经理曝光率也不断攀升。公司也于2017年初开始推行数据化战略，取得一些成果，上线了数据仓库、数据云平台、数据监控、自动化审批等数据产品。 但什么是数据产品？数据产品如何解决公司业务问题？如何设计有价值的数据产品？数据产品经理需要具备什么能力和特质？本文将围绕数据产品设计开发管理，结合公司一年来做的数据产品，与大家一起探讨分享，以期各位同事了解数据产品的价值和特点，未来更好的利用数据产品和提出更有意义的需求。

1 数据产品的定义
       简单讲，即以数据产品是能帮助用户发挥数据价值去辅助用户决策或行动，以数据为主要自动化产出的产品形态。强调自动化产出是区分类似数据研究咨询公司的咨询报告、手工报表。接下来数据产品又可以进行细化：
       通过用户群体可以分为三类：
企业内部数据产品，如开篇讲到我们公司的BI 、自动化审批、数据监控等；
商业型数据产品，如谷歌的Google Analytics；
用户均可使用，如淘宝指数。

2 数据产品的意义
       当我们推出一个新的产品功能的时候，是否是符合用户预期的，是否是受用户欢迎，我们需要通过数据来说话。 在 Facebook 中，直接汇报给扎克伯克的增长团队就有两个数据团队做数据的采集计算和展示。Facebook 所有数据的监控，以及根据效果持续优化工作都由他们负责。 Facebook对数据驱动的重视程度有一个例子很好说明，曾经一个 VP带领的 30 人团队花了一年时间改版主页，在灰度上线三个月期间因数据表现不佳，直接回滚。 Facebook 通过可量化的数据对新功能进行客观反馈，从而驱动下一步的产品决策。
       彼得.德鲁克有句名言：if you can't measure it, you can't manage it.

3 数据产品如何设计
      关于这个问题我们可以拆解成五步来解答：
     -面向什么用户和场景
     -解决什么问题或带来什么价值
     -分析思路是什么
     -用到什么样的指标
     -怎么组合展现这些指标

1）面向什么用户和场景
       产品设计先要明确面向的用户和场景大家并不陌生，具体到数据产品用户和场景的特点有：
       -不同用户有不同的价值：特别是面向企业内部产品。从数据能产生的价值来看，高层的一个正确的决策可以节省下面无数的成本，不能单纯从产品使用用户数来衡量产品的价值；
       -不同层级用户关心的数据颗粒度不同：产品设计时需时刻记住数据呈现的主次、不同颗粒度的分析以及最细粒度的入口。数据分析本质就是不断细分和追查变化；
       -不同类型的用户使用数据的场景不一样，要围绕这些场景做设计。比如我们分公司分总、团队经理们，工作繁忙且甚少坐班，那么移动化和自动化就很关键。在设计的时候，原则就是通过手机界面展现关键指标，分析结果简要清晰，较少分析功能。而且在某些指标异动时能及时通过手机通知。而办公室的数据分析师，则 PC 界面更多细化分析对比的功能。 即将上线的管理决策系统就充分考虑这些场景，业务线通过手机APP浏览查看并支持指标异动的通知；另一个业务数据监控产品，则将细致的分析呈现在PC界面上。只有充分了解自己的用户和使用场景，保持长期有效的沟通，才能设计出更好用的产品。

2）解决什么问题或带来什么价值
      即明确产品需要满足用户的什么需求，有怎么样的迫切程度和价值。
      首先判断用户的本质需求，可用 Demand/Want/Need 方法分析。用户说来杯可乐（Demand），如果他最需要的是解渴（Want），那么一瓶矿泉水或者宝矿力会更适合他（Need）。
      其次判断需求的价值，基于两点：这个需求满足的是否是核心用户；是否是刚性需求。核心用户衡量公式“人数 * 单用户价值”，我们心里要有“不要为了次要用户的需求去干扰核心用户的正常使用”的观念，更不要因为有些数据产品只有公司几个高管使用而觉得缺乏成就感；刚性需求的判断，可以从需求有无替代方案、发生频率（可以结合何时何地的场景来思考）、持续时间等因素综合考虑。

3）分析思路是什么
      明确问题后应该通过什么样的思路进行分析？需要明确以下原则：
      -数据产品经理要有数据分析能力，才能更好创造更大的数据价值；
      -数据产品设计理念，应从总览到细分，多维度不断对比；
      -数据产品的总览页面设计应提纲挈领、简明扼要、主次分明，帮助用户快速定位了解重要信息数据和重要异常问题，而不是浸泡在无序繁复的数据细节之中；
      -数据的细分应该提供足够丰富的维度便于分析。每次细分必须带着指标下去，所有分析的结果必须可以落实到动作执行，并与业务紧密相关；
      -数据本身没有意义，数据的对比才有意义。数据产品的核心就是凸显对比，这点是数据产品经理的差异化能力，同时要求甚高（如下图业务数据监控产品）。既需要丰富的产品设计经验，也需要深刻的业务理解能力和数据分析能力。

4）用到什么样的指标
      分析思路需要相应的数据支撑，需要确认数据准确完备，包括需要哪些数据指标、数据来源和字段等。在确认的过程要注意以下两点:
     -数据的完备性需要提前明确所有的数据是否已经准备完全。数据的采集，清洗和聚合工作是数据准备环节的核心内容。如果需要的数据没有及时采集或没有经过清洗，会让整个工期增加极大的风险。
     -数据的准确性在很多时候临到使用，才发现这个埋点的方式一直都是错误的，或者发现这个指标计算的方法没有把某种因素排除掉。原因多是部门众多口径繁杂，缺乏统一数据定义和质量监控管理。 公司为了治理这个问题，专门由数据分析中心牵头，产品与业务部分参与梳理。与此同时，为了更好的采集数据的完备和准确，我们在数据采集埋点的方案选择上也积极求变，与优秀的第三方数据服务商神策数据合作。


5）怎么组合展现这些指标
      关于数据产品用怎样的产品形态组合展示指标，常见的数据产品形态有着重于数据呈现，比如邮件报表类、可视化报表类、预警预测类、决策分析类等；着重于算法类的，比如用户画像、匹配规则等。
这里探讨一下着重数据呈现的产品形态设计思路：
      -指标的设计，首先需要明确什么类型的产品适用什么样的指标，如项目核心的订单转化率，放款金额，逾期率等。
逐层拆分，不重不漏。如将逾期分析拆成逾期率、逾期笔数、逾期金额，各节点也可以往下细分出逾期分布，不同的产品、不同的城市还会拥有不同的逾期表现，一层层往下分拆；
确保指标能明确表达含义，为上层的分析思路提供依据；
明确指标定义，统计口径和维度；
      -指标的呈现，即数据可视化。它不仅是UI设计师的工作，对数据产品经理也提出很高要求。因为它涉及到别人怎么去理解和使用你的产品。一方面需要持续阅读相关专业的书籍，另一方面，需要观察学习足够多的优秀数据产品。具体到数据的可视化图表设计上，一些经验有趋势用曲线图，占比趋势用堆积图，完成率用柱状图，完成率对比用条形图，多个指标交叉作用散点图。根据不同指标选择其合适的形式。

4 数据产品对数据产品经理有怎样的要求
       前面讲关于数据产品设计，那么如何确保按正确的符合企业需要的数据产品顺利的设计开发上线呢？即数据产品经理需要具备哪些能力才能胜任，概括的讲有以下四个方面的能力模型：
      -数据分析的能力：要懂分析，不然就会变成一个只出报表的传话筒，要懂数据的产生逻辑，要能建立一个业务模块的数据指标体系，不然，出来的东西会比较乱，可能迟迟上不了线；
      -数据展现的能力，即可视化的能力；
      -商业模型的理解能力：商业理论要了解，才能给抽象成报表和分析页面，而不同的商业理论适用于不同的企业和企业不同的阶段，除了保持商业理论的持续学习更新，还需要结合企业实际情况选择执行；
      - 一般产品经理的能力如需求分析调研、逻辑沟通、快速学习等能力；
       除了对能力有专门的要求，数据产品设计开发过程中，数据指标梳理是一件非常繁琐的事情，另外在进行数据分析，在一大堆数据里刨来刨去，很可能半天也没有结果，这样就需要数据产品经理的性格能沉下心，能耐得住寂寞和有些枯燥的工作，所以对数据产品经理比一般产品经理有一些不同的性格要求。比如一般产品经理要求会玩，性格外向活跃，而数据产品经理表现的就会偏沉稳和内敛。

      从数据产品经理的能力模型可以看出，既要懂数据，懂产品，又要懂商业，还有性格，要求相当高。公司2017年初启动数据化战略，由此可见，数据产品经理团队的组建是一件有挑战性的工作，在火热的数据人才市场，于去年8月完成组建工作。全面的数据产品经理难求，但我们力求形成全面而富有战斗力的团队，作出优秀的产品