編輯導語：如今在這個大數據時代，我們的很多信息都是互通的；比如你在刷抖音時看到了今天淘寶買過的類似商品推廣，比如淘寶給你推薦的都是你喜歡的等等；本文作者分享了關于怎么規劃一個好的數據產品的方法，我們一起來看一下。

全球早進入了第四次產業革命時代，各行業對此次產業革命的理解和實施雖有不同，但背后的發展原理和邏輯基本一致——大數據的發展與應用，數字化技術的全面使用。

越來越多的產品經理會有疑問，數據類的產品應該怎么設計？自己能力是否合適？是否感興趣？等等，希望我的這篇文章可以幫你了解數據產品和察覺自己的興趣。

一 、了解數據存在的原因

這里有三個簡單的“栗子”：

• 不調研不知道，經驗錯覺：在你每天去公司的路上，覺得一個路口左轉是最快的選擇，而在路口你發現很多同事右轉去公司，好奇心促使你詢問了幾位同事，才發現右轉更便捷；
• 不總結不知道，關聯錯覺：在超市里，紙尿片旁邊的啤酒總是賣的很快，很多人不了解，后面通過深入分析發現來買紙尿片的爸爸都順便買了啤酒；
• 不觀察不知道，片段錯覺：一個星級酒店早餐廳，有時人多，有時人少，自己去了好幾周才觀察到規律，一家直銷公司經常在酒店開會；

造成錯覺的因素很多，這些“栗子”告訴我們，我們獲取信息的方式已經逐漸開始改變，有時你需要更高的“視角”才能看得到全局；例如從別的同事獲取，從超市里的“攝像頭”統計，從幾周自己的多維度“觀察和總結”。

數據解決的就是實在問題——協助你找到原因，看到本質。

二、洞悉數據無處不在

數據無處不在的本意是指——任何行為與事物，數據都是可以被量化，被模型化的；通過量化與模型，我們可以統覽全局，預測未來；簡單的說，就是換個“上帝視角”察看世界。

這里要注意的是——在線的數據才是數據，離線的會隨著時間的流逝逐漸貶值；數據來自于設備，通過網絡傳輸和統計，這也就是“萬物互聯”的時代；在這個時代里，萬物產生碎片數據，數據與數據又能產生連接，最后通過數據進行數據間的關聯可以獲取更多數據。

三、找到數據間的相關性和連接性

每個人在不同地方都會產生很多碎片化的數據，例如你在超市里轉了幾圈，買了一些商品，然后辦了張會員卡，會員卡里用的手機號，手機號又開通了微信支付；數據會把這些行為記錄下來，并形成每個人的一幅數據畫像：“你是一個喜歡某商品的人，除目前購買商品外，還存在一些潛在商品，你喜歡使用數字支付手段?！?/p>

如果是一個多元多業務產業的集團公司獲取了你的這些數據，就可以通過大會員系統進行產業的整合，例如某大廠可以根據你的消費行為和消費習慣，在你看視頻時或搜索網絡資料時按你的喜好進行推薦。

新零售崛起的背后是數據在驅動，在新零售的閉環服務中，已經把人（消費者）、貨（商品）、場（渠道）三種數據進行連接；進而體現完整的信息和重現消費行為，從中去營造更貼心的服務和更多商機。

數據的價值就隱藏在場景的細節中，數據的相關性比數據本身更重要，他可以讓一個企業衍生多元化的商業模式；你會發現某寶和某團接入的服務越來越多，越來越像，似乎各產業在這些App上都沒有了明顯的邊界，這離不開數據的功勞。

四、深刻理解數據有流動性（重點）

在用身邊產品時，不知道有沒意識一個隱蔽的循環和創新形態：用數據做好產品，用好產品拿到更多數據；數據分析的工作必須落地在產品上，因為數據是虛的，解決方案才是實在的；本來獲取數據，就是為了解決實在的問題。

大數據本身是自利、利他的產品，互惠互利，是數據流通的根本；數據很難一家獨大，數據的合作與聯動將是發展的趨勢。

我舉個“栗子”說明，一家線下超市的顧客流量數據一般不會主動共享，因為數據是超市的資產；但是超市如果把顧客流量的數據共享給出行車公司，出行車可以讓更多的司機在流量大的時候來到超市周邊，則能極大改善超市的打車體驗，同時出行車也有更好的利潤；目前企業間的合作還比較缺乏信任感，這種跨行業的打通少之又少，還在起步發展階段。

數據產品經理如何更好的進行數據打通？數據打通需要找到流通方（這里的流通方可以指內部跨部門，也可以指跨企業）的共同痛點；當利益高于幾方之間的競爭和研發成本時，數據共享會變得理所當然；從這個層面上講，設計數據產品是需要懂商業的，知道商業目標，了解目標問題，才能解決問題；數據只是一種方式，是我們過程的工具，而不是結果。

五、清楚數據的道德約束

數據的使用肯定會越來越多，數據的傳輸、存儲、保密等等越來越重要；監控的日志應該怎么存儲？對用戶行為的收集應該收集到什么程度？與跨行業公司合作時，數據開放是否能得到用戶許可？用戶不許可怎么辦？這些問題會一直持續。

作為一名數據產品的設計人員，時常需要問自己，何為對？何為社會增值？如何規劃一個產品才能不違反道德原則？

我在做產品設計時，一直遵循稻盛和夫的原則“作為人，何為正確”去規劃產品。

目前數據安全的邊界相對來說還是模糊的，國家的政策與法規正在完善；水能載舟，亦能覆舟，從社會價值與共榮的角度去思考，少些貪婪，大家的生活會更好。

好產品，本身就是一種對社會的善意。

六、關心數據屬性和操作

數據的量很大，不同類別數據屬性差異很多。

舉幾個栗子：公共屬性的數據需要收集，因為覆蓋率很高；戰略性的數據需要收集，因為數據很稀缺；重要的數據不可再生，必須實現備份；可復制性的數據可以權重放低，因為再生成本很低。

當然，具體的內容還要結合公司商業模式、商業范圍、商業重點去思考。

七、時刻留意數據質量

與關注的點必須吻合，減少無用數據；因為機器學習需要大量精準數據，噪聲數據過多的數據會影響學習效果，同時讓學習效率變低。

我們在思考主動收集數據時，應該是考慮收集最核心最不可缺少的數據，與你想解決的問題緊密結合的數據，少就是多，精就是簡。

八、設計最小數據閉環

想解決的問題總是很多，解決問題是為達成目標，什么樣的問題組合可以形成最小閉環？這個最小閉環很重要，可以幫助你找到方向，減少公司投入成本，獲得項目落地可行性。

應從最小閉環開始做長線規劃，分版本進行數據產品的更新。

九、明確對業務方的吸引力

數據的真正使用者，是業務相關方，你的數據業務相關方是否感興趣，與項目的主要關系人想法是否吻合，業務相關方是否愿意交出數據給你統籌整理，都是影響項目成敗的關鍵。請關心所有關聯部門的想法，它們都是你的內部客戶或供應商。

十、做個有責任的產品經理

所有接觸到數據的產品，都代表著責任，數據量越大，數據越多，數據積累時間越久，代表你身負的責任越多，機密程度越高，維護成本越大。對你手上負責的數據，請分清各種取閱權限，用制度和流程保證安全，承擔責任法則。

十一、打造以數據為核心的企業引擎（核心）

前面講到不懂商業就做不好數據產品，但在數據核心引擎這一節，還需要理解多一個概念：不懂數據就沒有商業。

數據轉化企業引擎階段，我們需要思考“企業智能”，所謂企業智能，是通過數據讓企業完成智能化的運轉與決策的過程，可以分為幾個階段：

• 數據驅動決策，企業的決策會依據已有的數據進行下一個方向的選擇；
• 數據驅動流程，按已有的數據呈現內容，改變公司部門的流程與合作方式；
• 數據驅動產品，把數據作為產品的改進輸入，以數據為最好的說服力進行產品改造迭代；
• 數據驅動業務，公司的業務與數據緊密結合，商業模式建立在數據的收集和思考之上；

簡單的可以理解為：使用數據——解決問題——收集問題數據——創新完善收集方式——再使用數據。

這個過程中有幾個關注點，首先，要有足夠的眼界，知道有；其次，要有足夠的知識，知道用；最后，要有足夠的商業系統框架，懂得用，去解決實際的問題。

回到當下，目前最熱門的是“人工智能”與“大數據”，其實兩者是相輔相成的——“人工智能”需要“數據”進行學習，只有具備充分數據的情況下，機器才能變得更智能；脫離了數據，人工智能將缺少了學習的機會。

數據時代，機器將變得越來越聰明，語音助手已經到了引爆點，逐漸的開始大規模使用。

人工智能正在讓人們生活方式、車輛駕駛方式，社會服務方式等各個方面發生改變；它正在試圖“讀懂”你、“了解”你、“預測”你的每一步行為。

運用數據，將是一種技術較量，也是一場組織變革，更是公司與公司間，甚至國家與國家間的大競爭。

數據產品經理，請在這個最好的時代發光發熱，時代需要你！

作者：聞笛；微信公眾號：大產品

本文由 @聞笛 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自?Unsplash，基于 CC0 協議