1、为什么要做数据产品

通过了解数据行业全貌，在职业选择或为公司选择数据产品时，更有方向性和洞察力。最终目标达到降低用户使用门槛、利用数据优化业务、提高数据资产价值。

2、数据产品分类有哪些

1）用户数据产品

指数型

数据来源为企业自有数据 - 应用场景为分析社会趋势 - 免费 - google trends、百度指数、微指数     

统计型

数据来源为企业爬取数据或者与数据来源合作 - 应用场景为分析行业或产品具体趋势 - 基础班免费、高级功能收费 - similar web、七麦数据    

生活型

数据来源为用户数据 -应用场景为提高生活便捷性 - 免费 - lifecycle、网易有钱 

2) 商用数据产品

数据分析师平台

集成全链路流程 - 一站式解决问题       

数据科学平台

提供数据挖掘及算法工具 - 灵活性强、算法更强大      

机器学习产品

• 机器学习领域的研究和应用   

BI（商业智能）平台

• 数据清洗、展示和应用环节 - 提升企业内各环节效率以及降低成本   
•  

web/移动端/交易分析

• 关注于互联网产品本身的分析 

可视化产品

• 专注于数据可视化部分     

社交分析

• 分析社交产品数据 - 公关舆情、社交情绪等   

数据源产品

• 利用应用商店、自有SDK或运营商数据 - 清洗、挖掘和整合 - 可单独售卖

3、数据产品面临挑战哪些挑战

定制化 - 不同企业关心的数据不同

价值化 - 数据价值体现在使用者手里

安全性和重要性 - 目标群体有局限性（小企业）  

4、数据产品有哪些机会

数据价值的广泛性 - 大企业对小企业赋能

数据需求的抽象性 - 结合需求抽象为一个个独立产品  - 产品本身有较高

行业洞察力和理解能力 - 对需求进行更高一层次抽象

数据需求的实现程度 - 考虑数据使用更便捷更友好

5、企业数据产品有哪些分类

应用型   专注解决某个具体的业务问题或者部门问题        

技术框架： 安全、稳定       

数据框架： 准确、及时、易用、全面        

产品框架： 将数据清洗做沉淀(what) , 帮助用户寻找根因 (why) ,   价值深入挖掘与业务紧密结合来确定具体内容和方向（how）         

分析方式： 事件分析  - 留存分析、漏斗分析多维交叉分析 - 结合合理维度和指标               

平台型  为应用型提供更好的支持 , 面向各个企业提供服务,具备标准化和抽象化, 可及时定位问题原因，辅助业务人员提高决策效率。

6、企业数据产品有哪些特点

• 有特定性质和数据边界  
• 用户受众集中
• 反馈回路短
• 用户体验需求低
• 需求繁杂琐碎
• 层级明显
• 看中数据安全性