按照笔者自己的理解对数据产品在公司的生命周期或者说自身的发展周期来看，做了初步的分类，供各位看管参考和拍砖。

第一阶段

也是对数据产品的初始需求阶段，称为看数据阶段，这个阶段首先解决的是有数据可看的问题，无论是管理层、运营或者PD首先都有对自己所负责业务的现状了解的需求，所以这一阶段产生了一系列的数据产品，这类产品也是最早期诞生的数据产品。包括数据报表，KPI监控，指标标准化等产品。

第二阶段

解决了基础的看数据问题，接下来的诉求就是为什么数据是这样的？也就是找原因阶段，这一阶段解决的是用户发现数据的现状后需要通过分析原因，解决问题并提升数据表现，所以需要在上述一系列的数据产品下进行下钻分析，按照产品的维度、渠道或者是按照KPI的组成进行逐层分析，直到定位问题。这类数据产品主要体现在一些多维分析等数据产品层面上。

第三阶段

已经发现了数据的问题，就需要想办法解决问题，但是这个阶段就会发现，已经发现的很多问题大部分是由于业务产品或运营策略所导致的问题，通过数据产品并不能够完全解决这类问题，但是持续的发现和监督产品和运营的效果变成了一个强需求，需要通过实时与非实时技术去对不同的产品、系统以及运营进行监控，确保任何产品的改动、运营的策略和活动、以及系统的发布是否都达到了预期的效果，如果未达到可以快速的进行变更和调整，缩短决策所用的时间，降低公司运营成本。

在这一阶段还有一些其他的需求也比较明显，其中一个就是业务方越来越多，运营活动层出不穷，针对不同的产品，不同的KPI，以及不同的运营活动到底应该如何选择最合适的用户群体进行活动称为很多运营同学的一个难点，运营只能根据自己的了解提临时的数据需求给到研发同学，研发和BI这一阶段就成为了临时取数的工具，每天被各种临时需求搞得焦头烂额，但是又没有办法。

所以这一阶段同时又有几类数据产品产生，数据的标签体系，群体圈定以及即席查询，可以快速满足运营同学对这类数据的需求，并且在即席查询里可以通过设定脚本及规则，定时完成数据的提取，有效的降低了运营提取数据的成本，减少了研发和BI在临时取数上的工作量。

在这个阶段的后期又出现了一些更加自动化的数据产品，标签库+群体圈定+群体对比+和运营平台进行无缝打通，可以快速的对不同的群体进行筛选和比对，选出更加合适的群体进行运营，并且一键通过运营平台配置对用户进行指定方式的营销，更进一步的提升了运营的效果和效率。

第四阶段

可谓是百花齐放阶段，这一阶段数据的使用已经日趋成熟，内部；爱说垂直化数据产品建设成本越来越高，不可能靠着资源的无限制增加来建设。所以这里阶段其中的一个重点方向就是数据中台产品的建设，一系列的报表制作产品、报表分析产品，产品功能模块化等产品大批量的涌现出来，使很多通用的数据产品功能下沉，形成通用产品层，业务层可以通过通用产品的功能进行配置、组装进行数据产品的快速搭建和发布，提升了数据产品的建设效率。

同一时期，由于业务的快速发展，很多离线数据，由于其延时1天的特性，导致不能满足一些场景的业务需求，所以实时数据产品和准实时产品在这一阶段开始出现并发展。

举一个典型的实时数据产品的案例，记得那时，用户量非常大，用户在使用产品过程中遇到的问题也非常多，而客服的数据又有限，导致很多用户电话进来需要等待非常多的时间，而即使客服接通了电话，也还好很费力的去听用户的描述来判断用户到底在哪个产品、哪个页面、哪一个功能遇到的什么问题，并根据描述去指引用户去解决问题，这样导致效率更加低，从而其余会员的等待时间也变得更加不可控。

所以想到通过实时数据来帮助客服解决这一问题，暂且叫该产品为智能客服，产品的机制就是通过在用户使用产品时对用户的行为进行准实时的获取和分析，并将所有信息通过实时数据产品进行呈现，当用户遇到问题的时候，数据产品已经知道用户在哪里遇到什么问题，并第一时间展现到产品界面，而客服在接通电话的同时已经可以看到所有的问题并获知了最佳的解决方案，便可以通过和用户的简单确认后就完成引导用户解决问题的工作，从而大幅提升客户的用户体验和客服的工作效率。这一产品在后期又做过升级，实现用户使用阶段进行智能的引导，完全不需要客服的介入就快速解决问题。

同一阶段，对于数据的研究已经处于比较高的水准，所以一些趣味性的、基础性的数据产品和功能也应然而生，包括客户的分层、客户画像、客户间关系的挖掘及关系分析产品，目的都是通过客户已有的数据，挖掘用户更深层次的信息，拿关系数据产品来举例，关系产品在数据上其实是一个网状的数据形式，应用场景很多，这里拿风控为案例，众所周知，案件的作案很多时候都是由专业的人士在操作，往往是群体性的，如何通过一个或多个已知案件去发现更多未知的案件，从而保护更多账户以及用户的财产就尤为重要。 关系数据以及关系的图形化展现就成为了一个抓手，可以通过案件作案者使用相同的设备、使用类似的作案手法等信息进行群体的发现，达到打击作案团伙的目的。

这一阶段外部的数据产品也开始显露头角，所谓外部数据产品就是支付和电商网站上有很多的商家，这些商家也很想知道我的客户是谁，我的用户群体什么样子，大概的消费水平如何，行业上如何分布，我的差距是什么等等数据问题，所以衍生了数个帮助外部用户解决基础数据问题的数据产品。

第五阶段

我理解也就是现在所在的阶段，这一阶段主要出现两个极为明显的特征，一个是数据产品和业务产品的融合，在很多原始的业务产品中加入了数据因素，包括很多产品的界面千人千面，不同人进去看到的是不同的页面，产品方根据对用户的了解和分析对不同人进行了不同的引导，从而提升产品的价值和用户的体验。另外一个是数据即业务，所谓数据即业务，可以举几个现在非常流行的例子，蚂蚁金融最近2年推出的芝麻信用，这是一个典型的商业化产品，但是他又是一个地地道道的数据产品，整个产品建立在数据之上，将数据资产进行很多的融合整合并进行变现。还有就是最近一段时间外部创业者做的风声水起的一些场景，包括消费金融，大数据风控和营销的产品，完全是数据产品的业务化，达到的数据价值的直接变现。

最近一段还在兴起的一个是增长黑客，但是我个人认为这不是一个数据产品的阶段，因为第二阶段的时候其实已经讲到，在那个阶段，就已经有一些数据产品通过多维度的方式去分析现有产品的问题。只是没有做全链路的分析，并且将产品的增长，后续的优化等功能有效的串联，所以增长黑客算是这一阶段的又一春。

其实这些过程中还有一些比较典型的产品，一直贯穿在整个过程中，如对于数据资产的管理的产品，始终贯穿于数据资产增厚与增值的全过程，众所周日，数据这种资产只有使用才会有价值，也只有赋予它更多的场景，并在场景中发生化学反应才能产生价值，数据资产才会越做越厚。同时在这最近这几年，在智能风控、智能推荐与营销等领域，算法融入数据产品、融入业务产品的案例越来越多，也从一定程度上推动了数据产品的发展。还有一类比较特殊的产品就是大屏类数据产品，运用简单明了的数据展现形式，是用户能够快速获知关键信息，在政府工作、媒体见面、机构监管以及重大活动等场景起到了重要的价值，大屏产品也推动了数据产品实时性、美观性的发展。

当然其实在整个过程中还有其他不少的数据产品，笔者在这里不一一罗列，后续大家有兴趣可以一起来讨论。

至于后续是否还会有某一个数据产品阶段我们拭目以待......