工作六年，我总结了一份数据产品建设指南思维导图

数据工具产品主要在数据的角度通过工具产品来为公司赋能，为业务提供数据工具平台，提升获取数据的效率和决策速度，通过数据驱动公司精细化运营，主要包含数据分析平台、用户行为分析平台、用户画像工具等工具产品。

让我们先看一下数据分析平台的建设，在这个竞争白热化的大数据时代，每个公司对数据的重视程度都提高到了前所未有的程度，无论是考虑数据的安全性，还是数据的使用效率，拥有为企业自己量身定制的数据分析平台，是实现精细化运营、数据驱动业务增长的利器。因此，掌握大数据分析平台的思路和方法，是数据产品经理必备的一项能力。

如图3所示，为数据分析平台的产品架构图，数据分析平台一般包括可视化分析模块、数据查询模块、权限及资源管理模块等。其中，数据分析模块还包括可视化模块、自助式分析模块、分析工具、智能分析等模块。

图3 数据分析平台产品架构图

提起数据分析平台，很多人还停留在后端接口查询数据库数据、前端页面展现数据这种传统的定制化报表分析平台上。确实，公司在业务规模不大和人力不足的情况下，可以实现这种原始的报表分析平台，更准确地说应该是指标展现页面。

可是，这种方式太定制化了，没有任何的可拓展性，如果增加一个指标，前端和后端代码修改的成本都比较高。可以毫不夸张地说，前者就像还停留在冷兵器时代的军队，只能招兵买马、堆积人力，辛苦和艰难程度可想而知。

然而，随着业务的增长，报表的需求越来越多，天天深受写业务报表之苦的程序员和数据产品经理决定研制一个更先进的工具，来摆脱这种拼体力的工作。

为了提高数据分析平台的可扩展性，终于找到了QueryAdapter的方式解决问题，具体的方式就是通过前端配置 JSON数据，在API层下添加QueryAdapter层把API的接口翻译成相应的SQL，然后通过SQL查询具体的数据库，进一步提高前端的扩展性和报表的灵活性。

上面的这一过程可以用如图4所示的架构实现，就这样，“冷兵器”时代的大数据团队终于有了自己的“大炮”，他们只需更换“子弹”就可以快速解决不同的业务问题。于是，数据分析平台迭代到了V1版本——可拓展的报表分析平台。

图4 可拓展的报表平台架构

人类科技的进步从来都不会止步不前，拥有了“大炮”和“步枪”，能不能再造出“飞机”与“坦克”，进一步提高“作战”效率？

虽然 V1版本解放了研发的生产力，但是随着业务人员的需求的多样性不断增加，数据分析师和产品经理的业务需求应接不暇，而且还有很大的沟通成本。面对上面的痛点，就需要为业务人员实现一个他们自己能够快速、方便搭建报表的平台。

于是，就需要为业务人员提供创建数据源、创建单图以及创建看板功能，让他们自己去创建报表自助分析，也就是所谓的自助分析三步曲，如图5所示，实现了这些功能，也就完成了数据分析平台V2版本——自助式分析平台。

图5 自助分析三步曲

一个完善的大数据分析平台，不仅仅是单纯展现数据的，更不是一些业务常用报表的罗列，还要能够为数据分析师、业务人员提供更多对数据的洞察，让数据更加智能化。

例如：可以支持维度下钻数据、单图之间数据联动、对数据异常点进行标注、指标异常检测等功能，可以让使用人员方便、快捷地分析更精细的业务场景，实现从更多维度去了解业务，让数据发挥更立体的价值。实现一个智能的数据分析平台，是大数据分析平台V3版本的迭代目标。

大数据分析平台要更方便地服务于不同的业务场景进行数据分析，整理数据报告是数据分析师必不可少的工作，无论是周报、月报，还是新版本表现的分析报告，都需要在围绕报告目标的基础上，对数据整理、分析并提炼要点，最后形成一份有指导意义、易读且美观的数据报告。

而这些报告，就是每个业务场景都会沉淀下来的一套固定的分析思路和分析架构，这套固定的分析架构可以放在平台上实现，例如可以实现业务大脑、渠道分析、用户留存分析、用户活跃分析及日常的周月报等。

通过更贴近业务场景的数据分析平台，我们可以方便、智能地查看分析数据，提高效率，通过数据驱动业务高效发展，完成了这个阶段，便实现了大数据分析平台V4版本——业务场景分析平台。

总结一下，如果一个公司要自己研发数据分析平台，一般会经过可拓展的报表分析平台，自助式分析平台，智能化分析平台，业务场景分析平台等四个大版本的迭代，演进路线可以用下图6表示。

图6 数据分析平台演进路线

数据应用向产品是更贴合业务的一些数据产品和数据变现类项目，会基于业务产生的数据做整合或者加工，输出可以为业务提供指导、对用户产生价值或者对其他公司、商家产生决策支持的数据产品。

对于应用型数据产品，可以是2B的，也可以是2C的，还可以是面向公司各类业务同学的。下面分别以2B数据产品、2C数据产品为例，来看一下数据应用型产品在各领域的情况。

例如：小明想要约女生周末去看电影，可是不知道周末有什么电影上映，也不知道哪个电影好看。这时候，他也可以咨询朋友或者同事，根据他们的建议和观看经历判断明天看什么电影，这相当于由别人提供了咨询服务。

当然，他还可以打开猫眼电影，通过如图7所示的猫眼实时票房功能，查看票房、拍片、上座等数据，发现今天《流浪地球》的实时票房最高，然后综合产品提供的用户评价等数据情况，决定是否去看这部电影。

图7 猫眼电影实时票房

可见，猫眼电影的实时票房变就是一款2C的数据产品，它把基础数据、数据模型以及分析决策思路尽可能直观的形成一个产品形态，更直观智能的形式展现，充分发挥数据的价值，辅助用户更快地做出更合理的决策。

以某汽车资讯网站实现的面向汽车商家的数据产品为例，我们来看一个在欧洲杯期间，Jeep自由光的销售商是如何利用数据产品深挖用户痛点，制定请假攻略的应用案例来营销的。

首先通过该数据产品提供的用户画像功能，来看一下关注Jeep自由光的用户，在欧洲杯期间的关注焦点，如图8所示，发现用户除了关注球队、球星、赛事、进程等之外，还面临请假、熬夜看球、上班等现实问题。

图8 Jeep自由光用户关注词云

再结合产品的兴趣图谱功能，看一下Jeep自由光这款车型用户在咨询内容中，感兴趣内容类别的兴趣图谱，如图9所示，发现用户对足球、家庭等兴趣显著。

图9 Jeep自由光用户兴趣图谱

另外，通过产品提供的数据了解到Jeep自由光用户中有65%为公司职员，72.9%为已婚人士，并深度剖析了欧洲杯赛事期间的用户行为，发现“请假看球”成为用户最关注的问题之一。

欧洲杯决赛在周一凌晨三点，上班族熬夜看球会影响周一的正常工作，已婚族通宵看球容易影响妻子和孩子的正常休息。对于真球迷来说，他们是请假看球还是忍痛割爱成为世纪难题！

那么，Jeep自由光的销售商是不是可以针对用户的痛点，对这个世纪难题做营销，引起共鸣，提升汽车销量？