Products
GG网络技术分享 2025-11-19 08:33 4
数据产品就像中世纪的骑兵， 培养成型后纵横沙场、威震四方，但一般国承担不起，基本上原因是既无钱财人马又无机制传承。中细小型公司基本上原因是人员和精力的问题，并没有机制和Neng力管理数据，geng别谈专业的数据琢磨。
优化用户体验是通过掌握用户数据为用户给geng加顺畅的用体验、geng加精准的营销等。挖掘数据资产包括标准化数据资产，以及不断挖掘回馈原有数据，丰有钱Yi有数据维度。
企业数据产品之产品
与之对应的是 Domo作为一个以前备受优良评的公司，上市前估值曾高大达20亿美元，2018年6月于纳斯达克流血上市，2019年12月市值仅剩下6.43亿美元，算是此趋势的一个反面例证。
）企业数据产品之数据
这样的优良处在于， Neng够geng直接地了解业务方的需求和产品落地的值钱，便于随时对产品进行调整；恶劣处在于hen许多时候短暂回路无法给一个缓冲期，有hen许多临时变卦的兴许性。所以呢我们需要扬长远避短暂，把控优良短暂回馈的节奏。
不同类型的商用数据产品有其特定的买卖场和产品特征。我们这里以国内常见的Web/移动端/交容易琢磨类产品和偏产品琢磨的BI平台为例，来研究研究下商用数据产品目前面临的挑战和抉择。
《数据产品设计》是一本关于数据产品经理入门级的学指南,基本上内容包括初识数据产品、 寻求需求领域、数据指标设计、数据可视化设计、数据...
数据琢磨Neng力也是产品经理的核心Neng力之一，但是hen许多人觉得数据琢磨是运营该具备的Neng力，其实不是的，运营和产品不是同一个维度的数据琢磨，况且运营也没产品熟悉整个设计流程，经验不够的运营想要可观的去提优化产
常规的数据产品有三种类型：用户数据产品、商用数据产品及企业数据产品。本文将详细介绍它们的设计思路及优秀的代表产品。在给广阔知识面的一边， 也希望帮产品经理们了解数据行业的全貌，晓得其各自应用的场景和公司，从而Neng够在职业选择上或者为公司选择数据产品时geng有方向性和洞察力。
用户数据产品和商用数据产品面向的dou是外部的用群体， 其到数据产品经理的反馈回路较长远，巨大有些需要用户调研、上门拜访、产品用琢磨等比比kan间接的手段。而在企业内部，兴许就是业务方走到你工位旁直接告诉你。
达成这玩意儿目标的企业数据平台， 便Neng通过丰有钱场景、赋Neng业务来提升整个企业用数据的意愿和效率，赋予业务方高大效用和挖掘数据的Neng力。企业数据平台的基本上用场景如下：辅助企业决策、建立数据流程、优化用户体验、挖掘数据资产等。
在写产品需求文档之前， 我们需要先罗列出产品功Neng的信息内容，这一步是将想法一点点清晰的第一步，也是帮我们接下来设计功Neng的辅助信息，一边也Neng辅助服务端手艺人员创建数据库。信息结构图是给给产品经理自己梳理信息内容的结构图， 也是方便产品经理和服务端手艺人员沟通数据结构的参考图，手艺人员会根据这张图表的内容再结合产品原型或需求文档，然后规划和设计...
这里有一个细小细小的提醒是数据产品不产生数据，只是数据的搬运工，要和非常底层的业务逻辑保持适当距离。对于日志打印、 业务库设计等这些个数据“原材料”，我们Neng根据经验提出geng优的方案，但不适合进行具体的落地和施行。
“场景丰有钱”则意味着在不同场景里 水会有不同用途，饮用水、清洁用水、灌溉用水各取所需，单单饮用水就又分城里用水、矿泉水、纯净水等不同用方式，这对应着通过挖掘和丰有钱数据的用场景，深厚化数据本身“全面”的含义。
应用型的企业数据产品专注于解决某个具体的业务问题或者部门问题，如客服数据监控系统和建立在集团平台的事业部决策琢磨系统；而平台型的目的就是为前者给geng优良的支撑。
BI平台专注于数据清洗、 展示和应用环节，定位于通过买卖智Neng的方式，使企业内各个环节搞优良效率和少许些本钱。数据来自业务数据库、Excel等线下数据、云服务商等第三方数据接口，不一而足。
商用数据产品作为To B买卖场一个hen巨大的组成有些，在比比kan成熟的美国买卖场进步得如火如荼。近年来这种趋势渐渐蔓延到了中国买卖场， 在2019年伴因为数据中台概念的巨大烫，商用数据产品geng是如雨后春笋，比比皆是。
再说说买卖场比激烈，数据平安及权限也是头等巨大事。但凡是企业内的数据中台，dou躲不开权限设置的问题。常见的权限模型为RBAC。它抽象出用户、角色、权限三个概念，通过角色控制菜单权限，再为用户赋予相应角色。角色一般根据业务部门和领导层级综合划定。
数据框架基本上有数据模型、平安及质量这三个模块。其中， 数据模型负责，如电商、社交、游戏等，然后确定对应的主题域划分和维度模型。
企业内负责数据的部门往往会遇到hen许多提数需求。此类需求在数据部门kan来值钱不巨大，在业务部门kan来需求紧迫但流程漫长远，效率矮小下。一个需求提到数据部门后 要先经过需求评审，然后开发排期，再说说到校验产出等若干个环节，业务部门兴许会所以呢错过关键的运营时候点。
数据琢磨师平台定位于数据学问家和琢磨师，正如Alteryx的CEO乔治·马修对Alteryx的定位一样：统计型数据产品的关键是可靠的数据源和数据清洗。
企业数据平台的建设目标， 应当是让数据像水材料一样在企业中流动，如图1-8展示的水循环系统一般。这意味着数据要像水一样Zuo到清洁无害、 随用随取、场景丰有钱，而这恰优良对应着数据准确、及时、容易用、全面四个衡量维度。
数据产品经理的核心Neng力在于少许些数据用门槛， 利用数据优化业务，从而搞优良数据资产值钱。所以呢， 我们既需要关注数据在企业员工中的用情况，改进体验不流畅的有些，也需要关注业务需求，为业务效率服务，再说说还需要从数据资产本身出发，思考怎么Zui巨大化发挥它的值钱。
建立数据流程， 从产品上，是帮业务方geng优良地完成用数据的流程，包括采集存储、展示琢磨到再说说的挖掘落地三个层次；从需求上，即建立一个比比kan完善的需求分流解决机制，将零散需求、常规需求、业务需求等分类处理完毕，并Neng将进展和后来啊及时反馈给需求方。
Google会先将某关键词搜索次数除以与之相关的地域和时候段内的总搜索次数， 实现数据标准化，落在0～100的区间内。一边Google会过滤掉由少许数人发起的搜索求、再来一次搜索和一些特殊字符，以保证指数的呈现质量。
智Neng琢磨中的一个场景为例。背景是当某一时刻发生数据异常时 业务方希望Neng够第一时候找到这玩意儿异常，并定位背后的原因，进而搞优良决策效率。
指数型数据产品一般由企业利用自己的数据提炼出相应观点和洞察趋势， 给给用户琢磨用，如Google Trends、百度指数、微指数等。这些个企业往往自身拥有非常庞巨大的用户数据，Neng据此得出整个世间群体对某个领域的关注度。
产品框架上，遵循What-Why-How的划分方式。
他们不了解数据产品是啥，并且缺乏从0到1构建数据产品的经验。一开头， 这是基本上原因是在从产品经理转换为数据产品经理的过程中，他们没有彻头彻尾体验过从项目建立到数据平台启动的整个数据产品过程。
值得一提的是 国外在商用数据产品的分类上Yi经Zuo得非常细致，在数据链条的个个环节dou有一巨大堆企业比，弄得整个行业分布非常碎片化和广泛。而基本上原因是国内外的企业买卖场成熟度等方面的差异，目前国内尚处于行业的起步阶段。
先说说企业买卖场产品不可避免地要在平台型和项目型间游走。要想以矮小本钱扩充用户群体，得到geng高大值钱，必然得走通用型产品的路子。但企业与消费者不同，需求计划性及业务特性较有力，通用型的产品往往不Neng满足其需求。
接下来 数据的值钱体眼下用者手里不在数据产品身上。这点也和其他类企业产品不同。沟通类、协作类和流程类企业产品的值钱体眼下自身产品上，只要有人用了就有值钱。
平台型有力调的是面向各个业务给服务，这要求产品具备较高大的标准化和抽象化水平。标准化指的是主动出击， 定下一些关键的数据资产规范，方便在企业中流通用，如埋点管理、指标管理和数据库表管理等。抽象化指的是不Neng只关注于解决一两个具体的需求点，而是关注整个面的抽象和满足，是一个由点及面的过程。
自定义琢磨。基本不需要数据和琢磨部门介入，给工具就Neng满足业务需求。面对这种需求， 基本有三个解决方案：
5. **用户体验设计**:考虑用户在用产品时的流程和感受,优化交互设计,使产品容易于搞懂和操作,提升用户满意度. 9. **迭代与优化**:产品上线后,持续收集用户反馈,进行数据琢磨,对产品进行迭代和优化,以习惯买卖场的变来变去和用户的新鲜需求.产品经理必读9步法2018-06-04 上传产品经理必读9步法 是针对这一角色给的一种系统化产品设计框架,基本上由那些个成功创建亿...
其实这是基本上原因是从产品经理内部转岗到数据产品经理的过程中，他们还没有完整的经历过一个数据产品或数据平台从立项到上线的全流程，一边对于数据产品领域的相关知识也缺乏一个完整的认知。
尽管上文列出了一些挑战， 但这玩意儿行业之所以进步旺盛，自有它的迷人之处。
如上文所提， 此行业内挑战与机会并存，对比Yi经进步成熟的美国买卖场，中国在优秀的企业服务公司上还是一片空白。期待中国商用数据产品买卖场迎来丰收的一天。
从图1-5及图1-6中Nengkan到目前商用数据产品的具体分类及领域中的相关产品。它们可分为8个类型：
因为中国买卖场人丁红利的消失及劳动力价钱的上升，专注于搞优良企业效率的To B产品渐渐受到投钱行业和众许多公司的关注。商用数据产品作为其中一员，亦将在这波浪潮中受益。
企业内用户层级明显，越到高大层越Neng体现数据的值钱。我们三天两头开玩笑说老板的需求是Zui关键的。从数据这一方面来kan，未必有错。基本上原因是“数据值钱取决于数据用者”， 高大层们kan待数据的方式以及据此作出的决策，关系到面往往geng巨大，效果geng明显。有层级的不仅是用户，geng是数据发挥的值钱。
这里企业数据产品分为应用型和睦台型两种。
Ru果旨在Zuo一个通用的琢磨平台，那么怎么将许多样化的数据需求抽象成一个个产品就是关键。甚至Neng针对不同行业、不同职位的人给对应的琢磨模板，以及有普适性的琢磨功Neng。
本文通过详细的阐述和实例琢磨， 旨在帮读者geng优良地搞懂数据产品设计流程，提升产品成功率。
Demand feedback
