当数据产品完善了整个商家数据体系之后，就会使商家带来质的变化，从而一步步的到让商家自我驱动去改变自身的商业模式。数据产品大规模应用到企业后，数据驱动企业整体的发展和改变进，而就会对社会产生巨大的影响从而推动社会的进步。

数据产品经理是一个最接近增长黑客思维的职位，我认为思维广度和先见之明还要更优于，因为增长黑客是需要依赖于数据产品经理铺好的路去走的——也就是说要通过构建合适的数据产品去发挥增长黑客的作用。

数据产品用户我归为两类：公司内部人员和公司以外的用户。

我曾经想在内部通过培训通用产品经理们基于hive的adhoc取数，来提高数据使用效率，几波小范围培训后发现简单的h-sql技能很容易学会，但是数据背后错综复杂的逻辑关系和数据流程是一般产品经理很难理解的，像星型模型和雪花模型的数据结构导致理解起来非常复杂，也就说有了技能之后数据使用成本依然很高。

不久我就放弃了，因为他们没办法理清事实逻辑和关联，一段时间不使用后技能就会忘掉。这也是为什么数据仓库是面向主题去建模、宽表、降维等，就是为了进一步降低数据的使用成本。产品的接受程度如此，更何况业务线上的人员？

我们换个角度来思考一个问题：目前社会上对大数据应用的**阻碍是什么？

我认为不是技术水平，不是人才数量，而是数据使用成本高，这个成本主要是数据获取和应用成本。人人都在说大数据，但有多少人真正用到了数据，尝到了数据的甜头？

数据仓库就在那放着，然而数据作为资产并没有盘活。为什么数据没有被盘活，从用户的角度来说：

• 第一，数据获取难度大且获取时间太长没有时效性导致数据价值降低；
• 第二，目前用户对数据的认知能力较低，绝大多数都停留在指标和KPI上。

因此数据产品的构建和发展，要随着用户对数据的认知和使用情况来逐步迭代的。

下面我们就从针对公司内部用户和外部企业商家用户的角度，来思考数据产品该如何发展。

一、公司内部数据产品

对于产品经理来说要对产品各生命周期有一个宏观的掌控，内部数据产品要评估公司整体数据成熟度和人员对数据的认知程度，去判断目前数据产品需要介入的生命周期，并且通过用户培养和教育来达到数据产品生命周期的发展。

所有产品亦是如此，如果产品建设过于超前，那么就是一种资源浪费。比如：当内部都没有成熟的报表系统，业务线人员对数据并不敏感，只是用来作为汇报的依据，那么耗费较大的资源和经历去开发一个取数平台是没有效用的。

我认为对于内部无论产品还是业务应该是由数据驱动的，但是数据驱动也是需要过程的，并不是说可以直接跨过内部人员对数据认知的成长过程。而是应该通过构建不同形态的数据产品来逐步培养用户数据意识，推动用户数据认知达到用户自我驱动使用并应用数据，这也是数据产品经理应该思考的目标。

我把内部人员对数据的认知过程分为四个阶段：