何为数据产品？从广义上讲，一切以数据作为驱动或者核心的都叫数据产品（例如数据报表平台、DMP、搜索与精准化产品、风控产品等等），从狭义上讲，就是公司的内部数据平台。今天和大家讨论的，主要是关于公司的内部数据平台的搭建。
公司的内部数据平台，主要作用是提供给公司内部所有部门人员使用，使公司内部的所有业务能够通过数据来驱动和决策。简单点讲就是通过数据平台来驱动公司内部的数据化运营。
那么如何设计一款好用的数据产品呢？
1.数据产品经理本身就是一个合格的数据分析师，所以数据产品经理需要深刻的了解业务，需要知道业务部门想要看什么数据，这些数据现在是否能够获取到，业务方通过这些数据分析，是如何推进和改善业务的。
2.数据产品要根据使用方的特点设计出符合使用方需要的内容，产品要有层级和结构，如果你设计的一张数据报表既要满足管理层又要满足一线业务人员的需要，那么这样的数据产品很大可能是体验比较差的，因为老板和一线人员看数据的视角不一样，老板们一般是把握业务的大方向，主要看一些关键性的指标，并希望知道这些关键指标出问题后背后的原因是什么？所以给老板设计的报表需要结构简单易懂，并能够基于这些关键指标的异常给予问题定位。一线人员主要是偏执行层面，他们看数据的粒度一般都很细。
3.?数据产品一定要注意数据质量、规范、统一，因为公司的数据平台是面向所有部门的，怎么保证公司的所有部门人员对于数据的理解是一致的，这点特别难，首先公司的各个生产系统就是千差万别，由于各种客观因素，导致生产系统的数据质量和结构也会千差万别，这样数据仓库的数据建设就显得尤为重要，数据平台的数据质量依赖于数据仓库底层的数据模型，所以一个好的数据仓库很大程度上决定了数据平台的数据质量
下面我们就从实战的角度来加以阐述，A公司是一家电商公司，那么A公司的各个部门需要看哪些数据？他们平常看数据的场景主要是哪些呢？首先我们应该知道这些部门的KPI是什么，如果我们对负责支持的部门的KPI都不了解，怎么能设计出来好的数据报表呢例如采购部门的kpi基本就是销售额用户数销售毛利采购成本，运营部门的kpi就是用户复购用户流失转化率，市场部门的kpi就是流量、新客。
那么知道各个部门的核心KPI后，下一步应该怎么办？
我们主要从使用场景入手，我们就拿采购部门的小王来说，他是怎么样看数据的呢？
每日：
早上9：00来到公司，我希望知道昨天我负责的业务这块做的怎么样了？这个时候应该设计一张基础数据报表给到他，这张数据报表应该具有以下内容：
1.能够查看昨天的数据，而且能够选择时间段，这样如果昨天的数据有问题，我希望拉取过去一段时间的数据，看看业务趋势上是不是出了问题。
2.指标越丰富越好，如果交易额下降了，我需要看看订单数是不是下降了，如果订单数没下降了，那不是单均价出了什么问题，发现单均价降低了，那我要看看是商品结构的原因还是因为活动门槛调整导致的？
3.数据粒度要越细越好，比如数据粒度可以从全国下钻到省份，从省份下钻到城市，这样交易额下降了我就能知道是哪个省哪个城市出了问题？这样我就能针对性的解决。
早上10：00-下午18：00，业绩高峰来临，这个时候需要提供给他一张实时监控的数据报表，通过实时监控，能够尽早的发现业务的一些异常情况，这样就能够帮助业务人员尽快的做出调整。
每周一或者月初：
今天部门内有周会/月会，老板可能会跟我过工作业绩，所以我要准备准备。
首先我要看下我上周的绩效情况，这个时候我需要一张关于我绩效的报表数据，通过这张绩效报表：
我能够知道我做的绩效完成的怎么样？
我的排名是提升了还是下降了？
了解哪些人排名比我高？
其次对于上周出现的业务问题，我想通过一些分析报表定位和发现问题，比如我发现用户的复购率下降了，是因为老用户的复购降低了还是最近新客的质量降低。
如果发现是老用户的复购降低了，那我们要进一步分析，是因为竞争对手产品活动力度比我们大，还是因为商品的曝光不够亦或是产品本身对于用户失去了吸引力，这样就能够及时做出调整，如果是竞争对手产品活动力度比我们大，那我们就需要重点关注竞争对手的情况及时调整产品营销活动力度如果是商品的曝光度不够，可以从以下几个层面入手优化：
1.优化商品的主标题和副标题，增加用户的搜索触达率。
2.站内广告位多多增加产品的曝光或是和其他的品类商品做联合促销。
3.优化商品的导购属性信息，帮助用户跟精准的触达。如果是产品本身的问题那可能就需要引进新品（例如从国产到进口、从低端到高端）。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
1.优秀的数据产品经理需要掌握哪些技能？
2.如何做好大数据产品设计架构和技术策略？
3.数据产品必备技术知识：数据仓库入门，看这这一篇就够了
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
