4.数据产品需求把握的特殊性
　　一个真正好的数据产品要首先把握一个核心——找到用户的真正核心需求、痛点。这句话对于非数据产品的产品经理来说简直就是天经地义的废话。但对于一个数据产品经理而言，得来却不那么容易，有其特殊性。
　　第一个特殊性，是需求层次特殊性，数据产品的用户中往往会有很多内部用户，他们对数据、数据分享、数据处理的理解和熟练程度各有不同，因此会提出各种不同层次的需求，概况起来大致包括：1).业务/管理需求;2).分析需求;3).数据需求。举例来说，某电商要改善全体用户的订单转化效率，这个便是第一类需求;为了完成此目标，会有很多工作要做，也会有很多分析需求随之产生，比如分析商品详情页的跳出趋势，便是第二列需求;而具体某某数据项的统计则属于数据需求。最可怕的便是，需求方遇到了问题(第一类需求)，指定了错误的分析策略(第二类需求)，有提出了明确的数据需求(第三类需求)。而对于数据产品经理，从数据需求，引导出分析需求，进而介入反应具体痛点问题的业务/管理需求，是一门必修课。
　　第二个特殊性，是内部数据产品需求方的特殊性，企业内部的数据产品的用户，既是是用户，也是自己的同事、朋友、领导、下属，他们本身就对产品经理的决策权有一定的干预能力，需要产品经理去平衡“理想与现实”，你懂的。这种情况对于非最高决策者直属的数据团队而言，尤为严重。　
5.数据产品的三个关键要素
　　我认为，要成就一个数据产品，需要关注三个关键要素：1).数据、2).决策逻辑、3).行动流程。

　　数据的价值，毋庸置疑。它就像整体产品内部流淌的血液。具备什么样的数据类型、数据周期、数据粒度，往往会决定你的数据产品可以提供什么服务。
　　决策逻辑是很多平庸的数据产品所欠缺的，它们只是简单的、响应式的展示了需求方的报表。好的数据产品，应该可以帮助用户思考，尤其是将平时用户遇到业务痛点是的决策逻辑，部分或全部融合到数据产品后，可以可视化的、动态的、便捷的显性化决策的过程，提高用户的决策效率。
　　仅仅停留在发现问题、分析问题是不够的，我们还需要对问题的解决能力，这就涉及到第三个关键要素——行动流程。举个例子，当数据产品分析某个细分用户群时，发现最近一个月其活跃度明显下滑，那是否可以自动触发一个营销流程，基于用户的特征，开展个性化的“行动流程”，并在流程中的各个环节发挥数据的价值。
6.数据产品与大数据的关系
　　非常不想写这样的踩着三俗概念的解释性文字，因为大数据是一个被所有人提起，但几乎所有人又不明白的概念。我在这里写什么概念解释都是错的，徒增搜索引擎的“负荷”。
　　所以，还是回溯到核心价值角度来看：前面提到数据产品最大的价值在于辅助使用者优化决策，以及辅助决策价值的实现。如果把数据产品比作一台机器的话，那数据就像这台机器运转的原材料。“原材料”+“处理过程”+“结果展示与应用”≈数据产品。
　　而大数据当然也属于数据的范畴，它好比是一种更高效的原材料，可以提供更高效的价值(更多角度的、更深度的、更实时的信息与知识，尤其是预测性的知识)，“高效的原材料”+“高级的处理过程”+“高级的展示与应用”结果也是数据产品，当然你也可以土土称之为“大数据产品”。
　　再举个不专业的例子来理解：大家熟悉的“天气预报”就是一个典型的数据产品，它的原材料可能有很长时间段的温度、湿度、风力、日光强度、紫外线强度、PM2.5值、位置信息、卫星上的采集的各种数据、其它地面设备的各种专业的气象相关数据(示例而已，专业人士请自行补充);对这些数据的筛选、清洗、分析、挖掘等一系列“处理过程”可以得到未来几日在几个核心气象特征的数据值与概率(温度、风力、阴晴雨雪等);而我们看到的天气预报这款数据产品，则是将上述核心信息综合到一起，赋予视频+GIS的展示形式，以及复制大众在“行动”方面的建议(出行建议、穿衣指数、洗车指数等)而成的。
　　而这种大数据结合数据产品发挥更大价值的例子身边还有很多。试想，你如果能够准确预知明天某只股票的涨跌趋势，比费尽心思基于部分历史信息总结出来的规律要有价值的多;你如果可以知道下个月哪些用户会突然对母婴类商品大宗采购，也会节省很多“千人一面”的传统广告费用。