数据|初识数据产品，你真的想做数据产品吗？( 三 )

那接下来，你肯定也会有一个新的问题：“既然都是面向企业级的专业用户，那还会区分出来大明、笨笨、小贤吗？”
这是一个很好的问题，不过我先卖个关子，接下来的内容会解答你的疑惑。
专业用户有时候也并不专业，这里并不是质疑他们的岗位能力，而是在不同的业务领域下，大部分用户都会存在信息断层。
例如，业务方可能不知道分析某个业务的数据相关的字段存储在哪里；同样，分析师可能不会快速知道这次用户的突增是因为上线了某个营销活动。
考虑到普及度和用户角色差异明显的特性，我们这里还是说一下“展示层”的数据产品。
这类的产品的本质是提供数据分析服务，那么这类产品的大明、笨笨、小闲用户分别有什么特点呢？
结合梁宁的阐释，我尝试对“展示层”数据产品的使用者分类进行大胆解释：

大明：有明确的分析需求，有明确的分析思路；
笨笨：有大致的分析需求，没有明确的分析思路（分析思路散乱，没有串联起来）；
小闲：没有分析需求，对业务是一知半解，或深谙其道。

留点时间给大家思考一下，假如你是数据产品的设计者，你会如何规划产品的定位？是只服务大明、笨笨、小闲中的一种用户？还是多种用户呢？如果你也不确定的话，那你可以想一想一个公司里会不会存在这三种用户呢？
首先，大明、笨笨可能会存在的，可是小闲会存在吗？
我个人认为不会。
首先，对业务一知半解的小闲并不会持续一个长期的规程，会随着工作深入，短时间内会成为一个笨笨（对于低频且不重要的需求我们可以选择先放弃）。
其次，深谙业务其道的用户也基本上没有，在变幻莫测的互联网下，数据需求也会慢慢出现。即，数据可视化产品服务的对象是大明和笨笨。
通过数据产品矩阵，基本解决了上述用户的需求痛点。
OLAP 查询工具服务了大明用户，可以在明确的分析思路下快速、便捷地查询数据；组件化分析工具服务了笨笨用户，主题看板辅助用户理清分析思路，自主化探索看板辅助用户完善分析思路；BI 可视化工具比较特殊，既服务大明用户（自己搭建数据集，创建图表、仪表盘），又服务了笨笨用户（了解大致方向，在分析师帮助下，查看分析师搭建的数据看板）。
举个例子：竞品对比哪个服务得更好？
考虑到篇幅原因，这里就先简单说一下 BI 可视化工具的对比吧，服务最好的当然非 Tableau 莫属。这里并不是无脑吹，我将前公司的 BI 可视化工具 unicorn 和 Tableau 的差距做个清单，你就知道 Tableau 的过人之处了。
（如果有遗漏或错误的地方，烦请大家在下方留言指出。如果你有其他的数据产品推荐，也欢迎在下方留言~）

文章插图
以上内容，初步带大家认识了一下数据产品经理，你是否对数据产品有了新的了解呢？你是否找对了数据产品的方向呢？
还是那句话，我所说的不一定完全正确。在未来我还会继续跟大家分享产品、数据产品的相关内容，记得持续关注哈~
#专栏作家#兮兮，微信公众号：孤身旅人（ID：gushenlvren），人人都是产品经理专栏作家。关注人工智能、toB产品、大文娱等领域。
本文原创发布于人人都是产品经理。未经许可，禁止转载。
题图来自 Unsplash，基于 CC0 协议