什么是数据产品？

数据产品，就是以数据为主要自动化产出的产品形态。

为什么需要数据产品？

• 如果你无法衡量，你就无法增长
• 数据驱动增长

如何设计数据产品？

对于产品设计来讲，一些固定的步骤必不可少。
1）面向什么用户和场景(确定范围）
2）解决什么问题/带来什么价值（理解业务）
3）问题的分析思路是什么（梳理产品逻辑、梳理数据需求）
4）需要用到什么样的指标（确定数据分析指标）
5）这些指标该怎么组合展现

1. 面向什么用户和场景
任何产品设计均需要明确面向的用户和场景，因为不同用户在不同场景下打开你产品的姿势也大不相同。

• 不同用户有不同的价值
  这个方法主要面向第一类即企业内部产品。从数据能产生的价值来看，高层的一个正确的决断可以节省下面无数的成本。
• 不同层级用户关心的粒度不一样
  永远提供下一个颗粒度的分析以及可细化到最细粒度的入口。数据分析本质上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。

要了解自己的用户，必须和他们保持长期有效的沟通。

2. 解决什么问题/带来什么价值（理解业务）
本质上是明确产品满足了用户的什么需求，但凡需求，均有价值和优先级。

• 首先，判断核心需求是什么，可用Demand/Want/Need方法分析。
• 其次，判断需求的价值，可用PST方法分析。
  P：X轴，用户的痛苦有多大；Y轴，有多少用户有这种痛苦；Z轴，用户愿意为这付出多少成本。相乘得出的结果才是这个需求的价值。

3. 问题的分析思路是什么（梳理产品逻辑、梳理数据需求）
以上两点其实也是普通产品经理的范畴，下面开始为数据产品经理的专业课。

• 设计理念：更好创造更大的数据价值数据产品。
• 应从总览互细分，并且不断对比总览应提纲挈领，简明扼要，让用户先了解当前发生了什么事情和问题的大概方向。
• 不要让用户一进来就扎进无尽的细节中细分，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把这种对比凸显出来。

1）确认数据是否准备完备
分析思路需要相应的数据支撑，数据展示类的产品自不用说，即使是用户画像的算法类产品，也必须有足够的准确数据做支撑。

• 数据的完备性提前明确所有需要的数据是否已经准备完全。
  数据就像水面上的冰山，展示出来的只是很小的一部分，它的采集、清洗、聚合才是水面下98%的部分。所以如果需要的数据没有采集或没有经过清洗的话，会让整个工期增加了极大的不稳定因素。
• 数据的准确性在埋点采集的时代里，这绝对是个遇神坑神的大坑。
  很多时候临到使用，才发现这个埋点的方式一直是错误的，或者发现这个指标计算的方法没有把某种因素排除掉。
  一个优秀的产品经理，必须首先做到数据的完备和准确，埋点是必须要解决的痛点。

2） 选择什么样的产品形态
以上四步完成后，就可以选择相应的产品形态了，常见的数据产品形态有：

• 着重于数据呈现的有邮件报表类，可视化报表类，预警预测类,决策分析类等。
• 着重于算法类的用户标签，匹配规则等。

4. 确定数据分析指标

• 首先需要明确什么类型的产品适用什么样的指标。
  例如：电商最核心的是订单转化率，订单数，订单金额；对于社交网站来讲则是活跃用户数、互动数等。
• 逐层拆分，不重不漏。
  即MECE原则，例如将订单金额拆成订单数、订单均价，订单数也可以往下细分出用户数、人均订单数，不同的用户还会拥有不同的人均订单数，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。

5. 指标的呈现形式

• 指标的呈现，就是数据可视化。这对数据产品经理来说极为重要，它涉及到别人怎样去理解你的产品和使用你的数据。

• 同时着重展示指标不超过7个，5个比较合适在设计指标的展现时，要明确指标之间的主次关系。
  为合适的指标选择合适的形式很重要，几种图表形式的使用建议：
  1）趋势用曲线图
  2）占比趋势用堆积图
  3）完成率用柱形图
  4）完成率对比用条形图
  5）多个指标交叉作用散点图

  
  不同图表表达数据和信息的要点