在数据化管理的过程中，数据产品的价值是让数据获取和分析效率更高效，用数据产品赋能数据决策

数据驱动决策是数据的重要价值之一，数据化管理、数字化转型要求从过去拍脑袋的定性决策向一切用数据说话的定量决策转变。

在数据化管理的过程中，数据产品的价值是让数据获取和分析效率更高效，用数据产品赋能数据决策。决策方向的数据产品在发展过程中出现了定制化的数据分析平台、用户行为分析系统、BI产品等多种产品形态，这些产品各自的定位，以及相互之间的边界是什么呢？

搞清楚这些问题，可以帮助我们更好地规划数据分析产品体系。

一、分析类数据产品发展史

虽然大数据的元年是2013年，但是数据统计、分析需求在各种互联网模式诞生之前，甚至更早的IT时代就已经存在了。做过PC网站的人应该对aleax都不陌生，aleax诞生于1996年，主要是统计网站访问用户在全球网站中的排名，用以指导网站内容或收录策略优化。而一些企业内部的IT系统，也具备数据统计类的页面的功能，那个时候可能都没有数据仓库的概念，直接基于业务的关系型数据库进行简单的统计分析。

随着互联网的发展以及企业分析场景的日益增加，诞生了以Tableau(2004年)为代表的商业智能分析类产品，即BI产品。为了解决企业数据分析成本过高的问题，Tableau以拖拽、自助化的思想提供数据分析能力，并且提供比Excel可视化图表配置更加灵活、丰富的图表可视化能力。国内传统的BI产品(2006)以帆软为代表，结合国内企业特点，进行BI分析能力的本土化。

2010年，智能手机的发展带动了移动互联网的崛起，当时的塞班操作系统让飞信、人人网等各类App在手机端的应用成为可能。各种移动应用如雨后春笋般诞生。于是，一些用来统计App用户数据、渠道数据、页面访问数据的产品应运而生，给没有数据处理能力的公司提供数据化运营的能力。其中一些代表产品包括：友盟、talkingData、百度移动统计等。

2016年7月，王兴提出了互联网下半场的概念，而在这之前互联网的流量红利就已经逐步消失殆尽，互联网从过去靠跑马圈地式地粗放式运营向精细化运营转变。增长黑客的书籍和理论在2015年诞生后广受追捧，增量瓶颈的公司似乎看到了新的救命稻草，甚至成立专门的用户增长部门，期望通过数据分析挖掘新的业务增长点。主打用户行为精细化分析和增长理论的数据产品顺势而生，例如GrowingIO，神策数据等。

二、数据产品定位与边界分析

1. 定制化开发数据平台

定制化的数据可视化页面是最早的数据产品的雏形，将数据查看、获取、分析的过程产品化，用户直接基于产品页面进行交互式的分析。毕业第一份工作就是在外卖数据部门做C端数据统计类数据产品，当时负责的是流量模块，其他的还有经营主题、商品主题、销售主题等。按照产品经理、分析师看App版本数据、流量入口及转化漏斗数据等指标及分析维度的需求，形成数据可视产品解决方案。

定制化开发的数据平台，旨在将数据分析思路产品化，数据指标与分析维度可视化，让用户基于产品进行交互式分析。有句话叫做“数据分析写作业，数据产品抄作业”，这种说法的正确性仁者见仁，但对于定制化开发的数据产品，最重要的是要先解决业务有数据可看的问题。当时判断需求优先级的时候，往往是先看下当前需求是否已经有数据可以使用(邮件形式、SQL查询等)，新增的需求连数据都没有肯定是高优去做的，其次才是可视化页面的呈现。

优点：基于产品需求进行定制化开发，可视化效果及交互实现方面更加灵活，容易出效果，比如数据可视化大屏各种炫酷效果的实现。

缺点：人力成本高，一个页面上线，需要数据开发进行ETL模型建设、指标开发，接口开发将数据封装成可即席查询响应的接口，前端开发基于Echart等可视化组件进行页面封装。开发周期以周为单位。