数据产品价值：为解决业务问题而存在。
不管什么样的产品，都是为了解决业务问题而存在，数据产品也不例外。数据产品，种类繁多，不同数据产品，所具有的数据功能组件不同。
为什么说是不同的数据产品呢？数据产品不就是报表吗？
数据产品分类：面向人群、使用场景、使用方法构成数据产品
数据面向人群不同，人群对数据的诉求不同，有些是取数，有些是分析。取数需要用SQL，分析需要用excel，不同人群的数据诉求，使用方法构成了数据产品。
面向人群可以分为TOB／TOC，可分为付费人群／免费人群。人群的使用方法可分为工具类／咨询类。对于大企业来说，数据产品大多自建，对于小企业来说，大多市场购买。
以上分类过于抽象，下面就实际案例详解数据产品。
TO B：外部购买-面向运营
TOB是指面向企业经营管理者，举个例子，今天我想在京东上买牙膏，在一顿操作猛如虎后，筛到了牙膏，下单，静等快递小哥上门。
牙膏厂商想知道自己最近的经营状况，TOB指商家对店铺经营信息的管理，即企业经营者的看数据诉求。
TOB数据的特点，数据量大、分散、数据关系复杂多变，业务场景决定数据关系。举例，我买LG的牙膏，我们来说说LG公司经营者看数据场景，首先我们来看看有什么样的业务数据，业务数据也可以叫事实数据，未经过任何处理及加工的原子数据。
面对多变的分析诉求，庞大的数据量，分散的业务数据，老办法，运营人员会将最明细业务数据导入到excel中，透视，vlookup解决上述分析问题。随着分析的点增多，excel需要的明细数据也越多，Excel遇到数据源更新，关系改动，最终excel崩了。
以上案例是指没有能力自己搭建数据仓库数据产品，用excel进行数据分析的企业经营者。
基于这种背景，企业需要去外部市场购买数据产品。目前业内比较出名的有阿里的QuickBI，帆软的FineBI，tableau等，这种数据产品为不能搭建数据体系的用户提供了帮助，从ODS到DWD到APP，将数据仓的搭建交由用户自己负责（下图的数据源介入，数据关联）。下图是FineBI的数据功能组件。
抽象了excel的一部分能力，只要人员懂业务，就可以上手分析数据，不需要组建数据团队，再去维护数据
TO B：企业自建-面向运营/产品
以上例子是TOB˙中外部采买数据产品的例子。产品的弊端在于需要把原生态的业务数据上传到对方服务器中，虽然说平台保证数据安全，但是互联网的大企业还是不相信。在人力资源够用的情况下，公司出于数据安全的角度，还是自己玩吧。
内部的数据产品是围绕业务去做的，数据需要跟随业务的变动而变动，跟上业务且领先于业务是内部数据产品的衡量标准。这种数据产品形态上主要以报表为主，且分不同的业务模块；可视化为辅，定向一些指标观测数据；监控内容打野，随时保证业务健康。
此类数据产品坑多在于业务口径，业务的前瞻性，数据的前瞻性，决定了数据的稳定性。业务的抽象能力、逻辑思维能力，决定产品形态的稳定性。如果做不到，天天就会被业务吊打，掉入查数姑和大表哥的坑。
TO B：企业自建-面向开发
对比于FineBI是不是发现少了什么东西呢？数据清洗，数据加工功能在哪里呢？当然我们有自己的数据仓库，加工和清洗也都在我们自己的数仓中消化。
58的slogan，“人人信赖的生活服务平台”，6个业务线上千种类目，你的所有需求都能在58平台上满足，难道我们自己的数据仓库是直接对接的58这么多的类目吗？显然不是的。在58内部数据还有更细的分工。
举例：部门的业务目标ROI>1,尽可能多地促成C端用户和商家的联系。ROI等于收益除以花费。我们有媒体侧的数据曝光、点击、花费，我们有商家付出的成本，我们有C端用户感兴趣的信息，有些数据我们需要明细，有些数据我们需要汇总，这么庞大的数据，这么复杂的数据交互都是怎么实现的呢？
这就诞生了面向开发的数据工具，即大数据处理工具，为了实现数据资产共享，提高数据运算性能，减少资源消耗而诞生的数据产品。
数据抽取：
以上案例均为TOB行业的产品案例，分为TOB企业购买，TO企业自建，企业自建又可以分为面向运营（业务），面向开发。
这几种TOB的数据产品对于从业者的技能要求是不同的。对于QuickBI，对于excel的功能需要非常清楚，是否某些excel的功能可以移植到平台上（我猜的），要学习的不仅有excel使用，数据存储，数据解析，数据运行原理，每个功能背后都对应一种技能，这方面我也是小白，所以就不细讲了。
对应的TOB面运营的，主要考验产品的业务能力，逻辑思维能力，个人感觉相对简单一些。对应的TOB面向开发的，需要懂开发环境，开发的数据处理流程，开发的数据处理工具，工具的使用方法，包含调度内存占用等等。猜测和FineBI获取数据，创建数据集是同样的从业者技能吧。
好了，今天就先写TOB的吧，TOC只能放在下次说了，待续。
