数据|初识数据产品，你真的想做数据产品吗？( 二 )

分析的工作一般由分析师进行，而数据产品在完成产品设计上线后，除了运营推广工作外，就是在保证“不同颗粒度数据呈现”、“准确性”、“时效性”等问题上频繁地与数据开发同学沟通协调。
最重要的是，很多大企业的数据基建堪忧，这也是数据产品会工具化、技术化的原因之一。
2. 对外的数据产品而现公司属于 To B 数据服务型公司，核心业务就是售卖数据产品、服务、方案等，以此来满足各企业数字化转型的需求，这看起来确实解决了企业的“痛点”。
1）数字化转型的趋势
基于 CNNIC 《第47次中国互联网络发展状况统计报告》的数据显示，2016年12月~2020年12月，网民规模虽然在增多，但是普及率也在不断扩大，这就意味着互联网的渗透率也非常大，即互联网用户获取的竞争将越来越激烈。
（这也是各大互联网公司开发极速版争夺下沉市场用户、开发大字版争夺老年用户的原因。）

文章插图
互联网用户获取的竞争越激烈，也就代表着越困难，甚至还会流失，而数字化转型的目标就是帮助客户公司更好地利用好数据。
【数据|初识数据产品，你真的想做数据产品吗？】基于客户的原始数据诊断，通过提供标签体系、指标体系、分析平台（专业模型分析）等数据产品/服务形成数据资产。并在通过提供用户运营中心等营销系统，实现客户的数据价值变现。
前面也提到了，很多公司的数据基建比较差，这也恰恰是 to B 数据服务咨询公司要去解决的客户“痛点”。
2）其他说明
对外的数据产品有着得最天独厚的优势：可以快速了解不同行业的痛点。
当然，缺点也显而易见，因为仅仅是第三方的数据服务公司，很多客户的数据权限很难获取，数据分析的相关工作，短时间内很难接触。
因为深度无法下探，只能在广度上得到延展，所以未来的职业是朝着数据化解决方案的专业领域发展的。
当然，细心的同学已经发现了，我把对外数据产品解决的“痛点”加了引号。套用《人类简史》中说的那样：“科技的发展最终使得人类更累（义同）”。所以，如果企业数字化转型后，是不是会增加更多的人效负担呢？
最近接触的客户，他们现在的业务梳理也是找不到北，没有明确的北极星指标、增长模型……在没有数据权限的前提下，直接套用行业模型落地在客户业务上能够实现价值增长吗？
我想现在谁都给不了明确的答案，而有没有一套方法论支撑起这份工作，我也在继续求索之中。
二、数据产品的用户从上半部分的内容中，可以看到数据产品分为“主攻沉淀数据资产”的对内数据产品，和“主攻数据解决方案”的对外数据产品。
在之前的文章中，我也曾解释过B端产品的定义：面向角色化用户，设计重视效率的产品。
那今天为什么把这两个产品放在一块说呢？
因为数据产品的本质就是 to B 产品，这就意味着数据产品的用户不是普通的个体，而是不同的角色（岗位）。
数据产品的产品结构可以按照上一篇所拆分的三个部分：存储层、计算层、展示层。
抛去底层计算服务，直接以产品化展示的系统，又可以分为：数据存储、数据计算、数据分析三个大类。
每个数据产品都会服务不同的产品角色，详情可以参考下图展示。
（因为笔者经历有限，所以列举的数据产品如果有遗漏的，也欢迎大家在底部留言。）

文章插图
由上图就可以清楚地了解到，数据产品的用户角色主要分为两大类：业务、技术。