从数据蛮荒到数据中台，数据产品演进的5个阶段
相信各位数据产品经理们在日常的学习和工作过程中，都会被问到以下几个问题：
数据产品在公司发展中的定位是怎样的？
应该什么时候独立搭建数据产品？
以及在不同阶段，身处其中的数据产品经理的核心职责又是什么呢？
罗马不是一天建成的，数据产品也不可能一蹴而就。
本文我们沿着一家公司的成长路径看数据产品演进的典型阶段，以及不同阶段数据产品经理的核心职责。
【典型数据产品演进的五个阶段】
在公司早期，业务模式和产品形态都处在混沌之中，不断调整试错，快速跑通业务模式和快速拿下用户是关键。
在这个阶段，全公司上下都在埋头干业务，数据并不是其核心所在。
通常也不会配置专门的数据产品经理来做过多数据相关的事情（以数据为核心的产品除外）。
如果你在这样的公司做产品或运营，那么恭喜你，你将会有机会从0到1操盘一个数据产品。
现阶段而言，我们在日常的产品设计、运营中带着数据意识去做事，跟技术一起用简单易行的方式获取一些基础数据，通过这些少量的数据来帮助你验证产品和运营的方向正确与否。
如果你是公司的操盘人，对于数据产品的建设一定要量力而行，因为你的人力和财力不足以满足你的对于数据产品的野心，不要一开始就去考虑建设各种数据产品来支持业务的整体发展。
都知道在业务模式和产品形态趋于稳定之后，运营开始主力介入，进一步扩大用户受众。
那么最直接的问题来了：
同样都是APP下载，哪个渠道的效果最佳？
这次的首页改版是好还是不好？
这条业务流程调整了转化率提升了吗？
对于数据需求越来越多，但不同运营和不同产品都仅知晓自己所负责板块的内容，对于数据的理解水平还不一致，这就很容易出现数据口径不一致、重复造轮子的事情发生。
这个阶段，通常会设定一个专门的数据产品经理来开始做数据体系化建设的基础工作，如数据指标体系的梳理、数据需求提炼等。
对于数据产品建设而言，如果没有足够的开发资源，建议考虑引入第三方数据服务平台（当然土豪公司除外）。
通过埋点和预置的产品功能，来掌握产品的基本情况，目前业内这类saas公司发展都比较成熟，具体功能可以看各产品demo。
纵观处在这个环境下的数据产品经理来说，除了典型数据产品经理的常规工作外，如果涉及第三方数据平台的引入，还有产品选型、需求对接、项目管理相关的工作。
在前一个阶段，已经优先完成了数据指标体系梳理，进行需求提炼，并借助第三方平台进行了快速验证，部分需求已经成型。
但用户规模逐渐上涨，达到百万量级甚至更多，再加上内部kpi考核要求，第三方数据服务平台的瓶颈也开始暴露。
同时基于长期考虑，数据的规模化使用有利于：
降低成本（渠道流量运营优化、自动调度）
提高收入（电商领域的商品推荐）
推动技术进步（如深度学习、自动驾驶等）
筹备数据团队自建数据平台成为必需。
一个完整的数据团队包括数据产品经理、数据仓库开发工程师、算法工程师、数据分析师等多个岗位。
对于这个阶段的数据产品经理而言，具体工作方向会开始有所细分：
1、构建一个稳定的数据质量产品环境，可以永久地收集、存储、处理数据；有了这部分产品之后，团队就能将重点放在原始数据的使用上，而不是收集和存储，如阿里DQC（数据质量中心）的价值就在于此，确保数据的准确性和可靠性。
2、能支撑业务基础需求的数据工具和数据应用产品，如大数据分析平台、AB实验平台等常见的业务分析工具。
随着公司发展日趋成熟，成为了一家所谓的“大公司”，数据团队也已经形成了一些完善的数据产品体系，包含数据质量管理平台、埋点系统、大数据分析平台、AB实验平台、用户行为分析平台，用户画像平台等产品矩阵，充分为业务赋能。
部分产品和功能也从数据中寻找解决方案，如搜索、推荐、自动检测等。
完整数据产品体系如下：
【数据产品架构图】
在这个阶段的数据产品经理，数据产品团队也会逐步扩大，各司其职，分别负责不同业务线或不同细分板块的工作。
（1）所有的数据流转都在单一子业务内，难以实现业务线之间的数据流转，驱动整体业务。
（2）缺少对于整体数据的记载和整合；甚至还有同一数据在不同团队中名称定义不同和统计口径不同。
在这个情况下，需要数据产品团队做数据标准化探索，并且以一套固定的方式使用这些数据和生产数据目录，同时也负责联系数据所有者，保持上下一致。
另一方面，这个阶段需要融合公司各个业务线数据，打通所有数据，形成数据中台体系，为各个业务提供交叉业务数据，赋能新的业务线快速成长，通过数据驱动业务。
这也是最难的，各个业务的数据都有了，可是如何融合起来，真正发挥数据的价值，如何通过数据赋能新业务快速发展，是数据产品经理要面临的终极问题。
通过数据中台驱动新业务快速发展这一方面，目前来说做的比较好的有阿里，头条这些大公司。
数据工具型产品经理可以是数据质量型产品的一部分，标准化探索和平台建设可以是数据应用产品的一部分。
总之，数据产品经理都是为了创造有价值、以数据为基础的用户体验，也要扫除所有障碍，确保数据产品能够提供这份价值。