在数据时代，数据产品经理作为产品经理的一个分类将会越发变得举足轻重，那么，何为数据产品，数据产品的设计步骤及原则是什么，数据产品的能力模型有哪些，网上虽有很多相关介绍，但接下来，本文将结合自身经验、相关学习对我所理解的数据产品进行一个比较系统的复盘。
一、数据产品介绍
1.1 定义
数据产品是通过发挥数据价值去辅助用户更优做决策（甚至行动）的一种产品形式。
1.2 分类
按展示形态可以分为：
1.基础信息展示，常规的数据展示产品，比如企业信息类产品，天眼查、企查查等
2.BI仪表盘，通过可视化的图表将结构化的数据，用友好、容易理解、具有某种逻辑的方式展示数据背后的信息、规律和价值
3.分析类，比如用户行为分析、渠道分析、销售分析类产品，对某一类的数据进行建模分析的工具产品
4.算法模型类，比如个性化推荐、搜索排序、风控模型、用户画像等形式的产品
按商业形态可以分为：
1.对内数据产品，BI，算法模型等
2.对外数据商业产品，帆软、神策数据、友盟、百度统计、GA、BDP等
3.公开的数据产品，比如百度指数，阿里指数等
二、数据产品设计步骤
笔者主要从事TOB产品，目前负责公司内部BI、大屏可视化、用户行为分析等相关产品，虽是不同的产品，但本质上其实是对数据的可视化展示和分析，以下主要以数据可视化为例介绍数据产品的设计流程。
2.1 需求调研
需求来源大体分为三类，领导、业务及自产需求。
1）领导需求主要通过企业运营、经营数据的有效整合，从宏观层面进行数据可视化，辅助商业决策；
2）业务需求主要通过渠道数据、用户数据、用户行为数据、订单数据、商品数据等进行相关产品设计，为市场投放、精准运营和产品设计提供支撑；
3）自产需求主要是根据所负责的产品或业务抽象出的产品需求，例如通过用户访谈和调研、竞品分析等方式来完善所负责的产品
2.2 数据评估
根据需求，与数据分析师、数据工程师对数据进行以下几点评估：
1）数据是否存在，数据产品要对公司的数据比较了解，知道哪些数据有，哪些数据没，如果数据不存在，需要提供数据采集的解决方案，比如要分析某个产品的访问和使用数据时，如果这个产品没有埋点，那相关数据是没有的，因此需要先进行日志数据的采集才能进行下一步。
2）确定数据源，如果数据存在，需要理清数据源来自哪里，明确数据库、数据表名、数据字段、数据更新频率，以更好评估数据是否满足需求
3）确定数据提供方式，数据提供的方式主要有，数据同步、数据文件上传、人工录入等方式。
2.3 指标设计
1）指标设计
面向对象定义关键指标，往大了说，一个企业的最终目标不外乎是实现用户价值、企业价值、员工价值、社会价值的统一，在此基础上往下层层细分出相关的数据指标进行说明，同时，公司不同发展阶段所关注的指标也不一样，要根据具体的情况建议合适的指标
面向场景和业务，需结合不同的业务和场景进行指标设计，在指标设计过程中，需要与相关的业务团队深入沟通和调研，明确他们最关心的指标
自上而下，逐层拆分，不重不漏，在MECE原则进行数据指标的建立
2）维度设计
指标需要通过维度进行展示和挖掘，没有维度，指标就没有意义；比如提到活跃用户数，如果不加时间维度，很难看出不同时间下的活跃情况，这样的指标就没有参考意义，常用的维度有时间、地区、行业、用户属性、版本、渠道等
2.4.原型设计
定义好指标和维度后，就是原型设计，可以根据现成的图表组件，比如echarts、G2等进行设计，同时，可以构建适合自己的组件库，以便后续使用，在展现数据时，需要遵循一定的数据展示逻辑，参考第三部分：数据可视化设计建议。
2.5.排期开发及上线
接下来就是基本的产品开发流程了，依次是召开产品评审、项目排期、数据开发、前后端开发、测试和上线，其中，数据开发是比较重要的一环，作为数据产品，着重介绍大概的流程：
如果是爬取数据，需要对数据进行爬取、整合、清理、入库、开发API接口供后端调用；如果是第三数据接口，需要将数据接入到数据库中，以供后端调用；如果数据已经存在数据库中，可以直接调用；以目前我们公司hadoop+hive的大数据平台架构为例，产品所需的数据主要存放在此，首先是数据分析师根据指标和维度进行数据逻辑的SQL梳理，然后是数据开发工程师根据SQL进行加工脚本的开发形成Hive结果表，再定时将数据写入后端的业务表中供产品开发使用。
2.6.数据核验
数据产品对数据的准确性和一致性十分看重，数据准确性通常由数据分析师对产品展示数据和逻辑是否一致，并邀请产品所对应的业务方进行验收，数据一致性通过保证数据源统一和数据统计口径一致，除此之外，还会邀请业务关键人参与产品验收，以确保数据无误。
2.7.权限控制
由于内部的数据产品涉及到公司内部的敏感数据，所以需要严格控制好产品的访问权限和数据权限，且权限尽量要细化到最小单位
2.8.上线推广：上线通知、培训、反馈优化
产品上线后，要邮件通知产品相关方，并组织产品培训，同时建立有效的反馈机制，及时发现产品问题，进行优化迭代，可以通过内部的wiki社区、产品用户群等方式进行用户问题的反馈和及时跟进。
三、数据可视化设计建议
3.1 数据展示逻辑
1）先总后分，先全局描述数据的整体情况，再带着指标细化下去看明细
2）时间逻辑，比如实时数据、历史数据等，需要根据时间维度进行数据展示
3）空间逻辑，主要是基于地理位置的展示逻辑，例如要查看不同地区的产品销售情况就需要基于空间进行数据展示。
4）用户角色逻辑，不同的用户角色，所呈现的数据是不一样的，例如某个数据产品的用户有总经理、部门经理和业务人员三类角色，总经理想看到的是各个部门全局的汇总数据，部门经理想看到是所管辖部门的数据和情况，业务人员想看到的是所负责业务的数据指标，在数据展示时，需要考虑到不同的用户展示不同的内容。
5）业务流程逻辑，从业务流程上监测不同节点的数据指标也是其中的展示逻辑之一，可以横向层层递进对业务进行剖析
6）对比分析，与业务紧密相关的数据展示本身没有意义，只有通过数据产品把数据对比凸显出来才有意义，例如同比、环比、时间趋势对比、定基比等。
3.2 图表类型选择
常用的图表类型如下表所示，产品设计时可以使用单个图表，也可以使用多个图表。
三、数据可视化设计原则
不论从安全需求到实现自我价值的马斯洛五层需求，还是从可用到好用的用户体验度量，数据可视化也同样可以总结得出以下5点建议：
1）准确性：数据产品的精髓在数据，因此数据的准确性决定了产品是否可用、可信任；
2）取舍性：可视化本来是解决数据杂乱、量大问题，需要将最有用的信息传达给用户，因此要懂得取舍，将多余的展示去掉，力求经典；
3）易读性：图表的学习成本、理解成本、操作成本、清洗与否等都影响了图表的易读性，如果花费很长的时间去研究这个图想表达的含义，那将得不偿失；
4）情感性：好的图表一定是能够读懂用户的感情，知道用户的诉求；
5）愉悦性：所谓爱美之心，人皆有之，如同形容一个内外兼修的人一样，美好的事物总是让人产生愉悦，因此，好的可视化产品是一个界面美观得体，且能用好用的。
四、数据产品的能力模型
1）产品基础能力：包括市场调研、竞品分析、需求分析、产品设计、项目管理和推进等产品基本能力
2）数据技术理解能力：首先需要清楚数据流：从产生、采集、加工处理、储存、建模和展示流程，这样才能对数据理解透彻；其次是数据技术理解能力：包括数据采集、数据同步、数据服务、数据挖掘等相关技术，推荐《阿里巴巴的大数据之路》一书，看了之后对数据技术的相关链条有一个基础理解
3）数据分析能力:产品是用来服务用户的，解决用户问题的，数据产品更是要通过数据来分析痛点，提供解决方案，因此数据分析天生就有数据产品解决能力的基因。
4）商业理解能力：数据的最大价值就是让企业的决策和行为更精准，只有在充分理解企业的商业模式、战略以及不同阶段的诉求基础上，数据指标的设计、数据分析和数据可视化才更聚焦、更有指导性。
5）数据可视化能力，这是数据产品需要具备的能力。
6）人文能力:这里所包含的人文能力较广，比如人性、文学、国学、哲学、同理心、用户研究等都算是人文能力的范畴，如果把科技比作骨架，那人文就是情感，骨架能支撑身体的运转，情感能让身体活跃起来，更具有情感化，数据产品就是要让数据本身活跃起来。
五、数据、科技与人文
乔布斯的科技与人文让苹果开创了智能时代，并让用户体验发生了质的飞越，同样，在周鸿祎的自传里，他也提到过科技与人文结合的重要性；在数据时代，数据慢慢变得跟石油、电力等基础设置或物料同等重要，让数据赋能到产品设计中，将会让产品的智能化、体验化发生更大的变化。
数据产品之路还有很远的路要走，作为数据产品经理，还需不断学习、经历和升级认知
