近些年，随着Growth Hack、精益化运营、数据化运营等概念渐入人心，数据产品这个名字被提及的次数越来越多。但究竟什么是数据产品？数据产品如何来解决商业问题？如何现在最火的商业概念如Growth hacking 等落地的？如何设计一个能够满足用户需求的数据产品？本文将和大家一起分享这些问题。

一、什么是数据产品？

简单来讲，就是以数据为主要自动化产出的产品形态。这里强调自动化产出概念，是为了区分像 Gartner 之类的数据研究咨询公司，跟类似GrowingIO 这种实时互联网分析产品相比。显然，他们的报告也可以理解为以数据为主要产出的产品，但并不具备自动化产出的特性。

明确了概念后，我们就可以对它拆分细化。从用户群体来区分，可以分为三类：

1. 企业内部使用的数据产品，如自建BI和推荐系统；
2. 针对所有企业推出的商业型数据产品，如 Google Analytics 和 GrowingIO；
3. 用户均可使用的 Google Trends 和阿里指数等等。

在以上举的例子里，推荐系统可能会让人有些费解。其实，同用户画像，搜索排序类似的算法一样，它们本质上是根据用户数据和相应的数据模型，建立的一套评分标签体制。因此，在很多企业的划分里，也是属于数据产品的范畴。但个人经验所限，本文暂不涉及此类产品。

二、为什么需要数据产品?

来自硅谷的新一代数据分析产品GrowingIO 创始人张溪梦非常推崇德鲁克的一句话：If you can’t measure it, you can’t improve it（如果你无法衡量，你就无法增长）. 这与 Growth Hack 核心理念—数据驱动增长，不谋而合。

增长让企业经营者的念念不忘，而实践的曲线，就潜藏在数据产品中。

举例，在Facebook中，直接汇报给 Mark Zuckerberg 的 Growth Team 就专门下辖了 Data & Analysis 和 Infrastructure 两个数据团队做数据的采集计算和展示。他们会对 Facebook 所有的数据进行监控，以及根据效果持续优化。

Facebook对 Data Driven 重视到了什么程度？一个VP带领的30人团队做了一年的主页改版，在三个月内灰度上线过程中因数据表现不佳，直接回滚。对比之下，国内的人人网照抄那一次改版后，沿袭至今。可以这么说，Facebook 高速稳定的增长背后，数据产品功不可没。

下图是Facebook的增长团队结构，图片来自于前Facebook工程师、峰瑞资本技术合伙人覃超。

图1：Facebook增长团队结构

三、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。厘清这些内容后，大到系统级的产品规划，小到功能级的产品设计，概念上都会清晰很多，我们将它抽象成了五个步骤：

1. 面向什么用户和场景
2. 解决什么问题/带来什么价值
3. 问题的分析思路是什么
4. 需要用到什么样的指标
5. 这些指标该怎么组合展现