1.概述

    2018将尽，抽时间整理一下近几年的数据产品体系。既是一个总结，也是对知识的再次消化吸收，同时也发现一些不足之处。

    数据产品（自我定义）：与数据相关，能推进业务发展，提高工作效率的产品。

 整理的体系如下：

    后面几节将分别阐述各个部分的产品特点。后续时间，将对常用的具体的产品做单独的文章分析。

2.计算查询系统

    计算查询系统，是最朴素最原始的数据产品。一般当公司规模成长到成立数据部门的时候，计算查询系统也基本上就开始同步立项了。计算查询系统主要有以下几种产品：

1.SQL查询平台：适用于专业的数据分析师，或者业务部门数据产品或数据分析。通过简单的包装和进行一些SQL校验功能，避免用户直接查询数据库或者使用不规范SQL造成系统资源浪费。但由于使用门槛较高，一般对安全要求较低的中小公司不采用此模式。

2.即席查询平台：数据分析或者数据仓库工程师提前将整理好的数据源上传，平台用户通过自行选择数据源、维度、指标、时间段等筛选条件，得到想要的明细数据结果。可以数据导出进行二次加工。

3.综合报表平台：事先确定好的相关主题，平台用户通过选择筛选条件，得到想要的汇总数据结果。

2和3一般为较多公司采用，对于常规指标 如DAU，MAU，新增，留存，时长等数据都可以通过此类系统获得。减轻数据分析人员的工作量。

3.元数据管理

    元数据管理包括业务指标表扩充发展，数据元素和实体的定义，业务规则和算法以及数据特征管理。常用的方式是建立数据字典。很多公司开始不重视元数据的管理，指标定义模糊随意，文档不全。后续需要很长时间的数据治理。元数据管理系统就是数据治理后的产出。

    此外埋点系统也是公司数据的主要来源之一。埋点数据管理的规范与否，很影响后续数据产出的准确性，进而影响业务的推进。

    埋点系统前期工作包括埋点梳理和埋点规范的制定。

    系统功能主要有：埋点录入、埋点查找、埋点测试。

4.通用功能

    该部分主要涉及到整个大数据平台通用的系统功能，单独建立并无必要，但其他系统又必须依赖的产品。

1.权限管理。权限管理系统是所有B端产品通用的功能，不多赘述。

2.资源管理：部分中小公司该部分采用第三方软件实现诸如资源监测、资源分配、任务队列、ETL等工作。

3.数据监控系统：数据监控包括对数据任务的监控、对数据完整性的监控、对数据资源的监控和对各平台用户使用情况的监控。数据产品和其他产品一样，也需要监测用户使用情况，必要时需要进行埋点。从而分析哪些功能需要改进，哪些功能用户使用次数过低等。

5.后台配置系统

该部分用来对其他功能进行配置，可以单独作为一个独立产品，也可以作为其他产品的一个模块。具体情况具体分析。

后台配置系统主要包括菜单（导航）配置，图表配置（指的是单个的图表），dashboard配置，数据源配置，系统自定义函数配置等等。

6.数据应用系统

该部分是数据产品的主要侧重点，也是所谓的出成果的点。很多人包括一些老板、领导都只认为只有该部分才是所谓的数据产品。一些初级的数据产品也有同样错误的思想。导致其他上述系统建设不足，最后数据应用的一塌糊涂。

1.可视化产品。可视化产品其实主要的目标用户应该是老板、高管和各leader。实际业务人员对这种图表类型并不感冒，因为可视化产品的主要作用是快速突出重点，一目了然。而业务人员需要的数据往往需要多维度，更详尽的数据。很多人包括leader都是第一时间推出可视化产品，实际上除了能显得有产出以外，对业务的推动效果并没有想象中的明显。

2.绩效产品。包括人效分析，KPI或者OKR的分析和追踪监测等等。

3.业务数据。包括商业化数据、运营数据、产品数据。不建议与领导看的BI产品做到一起，虽然绝大部分公司都是这么做的。两者定位不同，交互逻辑，权限管理，展现形式都有很大区别。

4.用户画像。业务用户通过对标签和筛选条件的选择，获得对应的userid列表。用户画像前后的工作有很多，需要详细讲解。

5.个性化推荐。与用户画像类似，但技术上分为实时推荐和离线推荐，二者对技术的选型和数据的使用方式有着截然不同的区别。也需要另开一题。

6.ab测试。窃以为ab测试是数据驱动业务的核心所在，很多国外公司非常注重这部分。而国内的这部分好像做的不多。更多的是靠产品个人所谓的经验来决定下一版改版的走势。ab测试涉及到的内容更多，包括人员选择算法，对接发布系统，后期数据检验，如何通过有效等一系列问题。

7.预测分析。这部分目前个人理解的比较水，多是套用一些预测模型，做一些线性非线性的预测。

8.广告数据平台 （DMP），这部分了解不多。后续补课后详述。

以上就是对现在主流的数据产品的总结。需要学习的东西还很多，2019继续努力。