按照筆者自己的理解對數據產品在公司的生命周期或者說自身的發展周期來看，做了初步的分類，供各位看管參考和拍磚。

第一階段

也是對數據產品的初始需求階段，稱為看數據階段，這個階段首先解決的是有數據可看的問題，無論是管理層、運營或者PD首先都有對自己所負責業務的現狀了解的需求，所以這一階段產生了一系列的數據產品，這類產品也是最早期誕生的數據產品。包括數據報表，KPI監控，指標標準化等產品。

第二階段

解決了基礎的看數據問題，接下來的訴求就是為什么數據是這樣的？也就是找原因階段，這一階段解決的是用戶發現數據的現狀后需要通過分析原因，解決問題并提升數據表現，所以需要在上述一系列的數據產品下進行下鉆分析，按照產品的維度、渠道或者是按照KPI的組成進行逐層分析，直到定位問題。這類數據產品主要體現在一些多維分析等數據產品層面上。

第三階段

已經發現了數據的問題，就需要想辦法解決問題，但是這個階段就會發現，已經發現的很多問題大部分是由于業務產品或運營策略所導致的問題，通過數據產品并不能夠完全解決這類問題，但是持續的發現和監督產品和運營的效果變成了一個強需求，需要通過實時與非實時技術去對不同的產品、系統以及運營進行監控，確保任何產品的改動、運營的策略和活動、以及系統的發布是否都達到了預期的效果，如果未達到可以快速的進行變更和調整，縮短決策所用的時間，降低公司運營成本。

在這一階段還有一些其他的需求也比較明顯，其中一個就是業務方越來越多，運營活動層出不窮，針對不同的產品，不同的KPI，以及不同的運營活動到底應該如何選擇最合適的用戶群體進行活動稱為很多運營同學的一個難點，運營只能根據自己的了解提臨時的數據需求給到研發同學，研發和BI這一階段就成為了臨時取數的工具，每天被各種臨時需求搞得焦頭爛額，但是又沒有辦法。

所以這一階段同時又有幾類數據產品產生，數據的標簽體系，群體圈定以及即席查詢，可以快速滿足運營同學對這類數據的需求，并且在即席查詢里可以通過設定腳本及規則，定時完成數據的提取，有效的降低了運營提取數據的成本，減少了研發和BI在臨時取數上的工作量。

在這個階段的后期又出現了一些更加自動化的數據產品，標簽庫+群體圈定+群體對比+和運營平臺進行無縫打通，可以快速的對不同的群體進行篩選和比對，選出更加合適的群體進行運營，并且一鍵通過運營平臺配置對用戶進行指定方式的營銷，更進一步的提升了運營的效果和效率。

第四階段

可謂是百花齊放階段，這一階段數據的使用已經日趨成熟，內部；愛說垂直化數據產品建設成本越來越高，不可能靠著資源的無限制增加來建設。所以這里階段其中的一個重點方向就是數據中臺產品的建設，一系列的報表制作產品、報表分析產品，產品功能模塊化等產品大批量的涌現出來，使很多通用的數據產品功能下沉，形成通用產品層，業務層可以通過通用產品的功能進行配置、組裝進行數據產品的快速搭建和發布，提升了數據產品的建設效率。

同一時期，由于業務的快速發展，很多離線數據，由于其延時1天的特性，導致不能滿足一些場景的業務需求，所以實時數據產品和準實時產品在這一階段開始出現并發展。

舉一個典型的實時數據產品的案例，記得那時，用戶量非常大，用戶在使用產品過程中遇到的問題也非常多，而客服的數據又有限，導致很多用戶電話進來需要等待非常多的時間，而即使客服接通了電話，也還好很費力的去聽用戶的描述來判斷用戶到底在哪個產品、哪個頁面、哪一個功能遇到的什么問題，并根據描述去指引用戶去解決問題，這樣導致效率更加低，從而其余會員的等待時間也變得更加不可控。

所以想到通過實時數據來幫助客服解決這一問題，暫且叫該產品為智能客服，產品的機制就是通過在用戶使用產品時對用戶的行為進行準實時的獲取和分析，并將所有信息通過實時數據產品進行呈現，當用戶遇到問題的時候，數據產品已經知道用戶在哪里遇到什么問題，并第一時間展現到產品界面，而客服在接通電話的同時已經可以看到所有的問題并獲知了最佳的解決方案，便可以通過和用戶的簡單確認后就完成引導用戶解決問題的工作，從而大幅提升客戶的用戶體驗和客服的工作效率。這一產品在后期又做過升級，實現用戶使用階段進行智能的引導，完全不需要客服的介入就快速解決問題。

同一階段，對于數據的研究已經處于比較高的水準，所以一些趣味性的、基礎性的數據產品和功能也應然而生，包括客戶的分層、客戶畫像、客戶間關系的挖掘及關系分析產品，目的都是通過客戶已有的數據，挖掘用戶更深層次的信息，拿關系數據產品來舉例，關系產品在數據上其實是一個網狀的數據形式，應用場景很多，這里拿風控為案例，眾所周知，案件的作案很多時候都是由專業的人士在操作，往往是群體性的，如何通過一個或多個已知案件去發現更多未知的案件，從而保護更多賬戶以及用戶的財產就尤為重要。 關系數據以及關系的圖形化展現就成為了一個抓手，可以通過案件作案者使用相同的設備、使用類似的作案手法等信息進行群體的發現，達到打擊作案團伙的目的。

這一階段外部的數據產品也開始顯露頭角，所謂外部數據產品就是支付和電商網站上有很多的商家，這些商家也很想知道我的客戶是誰，我的用戶群體什么樣子，大概的消費水平如何，行業上如何分布，我的差距是什么等等數據問題，所以衍生了數個幫助外部用戶解決基礎數據問題的數據產品。

第五階段

我理解也就是現在所在的階段，這一階段主要出現兩個極為明顯的特征，一個是數據產品和業務產品的融合，在很多原始的業務產品中加入了數據因素，包括很多產品的界面千人千面，不同人進去看到的是不同的頁面，產品方根據對用戶的了解和分析對不同人進行了不同的引導，從而提升產品的價值和用戶的體驗。另外一個是數據即業務，所謂數據即業務，可以舉幾個現在非常流行的例子，螞蟻金融最近2年推出的芝麻信用，這是一個典型的商業化產品，但是他又是一個地地道道的數據產品，整個產品建立在數據之上，將數據資產進行很多的融合整合并進行變現。還有就是最近一段時間外部創業者做的風聲水起的一些場景，包括消費金融，大數據風控和營銷的產品，完全是數據產品的業務化，達到的數據價值的直接變現。

最近一段還在興起的一個是增長黑客，但是我個人認為這不是一個數據產品的階段，因為第二階段的時候其實已經講到，在那個階段，就已經有一些數據產品通過多維度的方式去分析現有產品的問題。只是沒有做全鏈路的分析，并且將產品的增長，后續的優化等功能有效的串聯，所以增長黑客算是這一階段的又一春。

其實這些過程中還有一些比較典型的產品，一直貫穿在整個過程中，如對于數據資產的管理的產品，始終貫穿于數據資產增厚與增值的全過程，眾所周日，數據這種資產只有使用才會有價值，也只有賦予它更多的場景，并在場景中發生化學反應才能產生價值，數據資產才會越做越厚。同時在這最近這幾年，在智能風控、智能推薦與營銷等領域，算法融入數據產品、融入業務產品的案例越來越多，也從一定程度上推動了數據產品的發展。還有一類比較特殊的產品就是大屏類數據產品，運用簡單明了的數據展現形式，是用戶能夠快速獲知關鍵信息，在政府工作、媒體見面、機構監管以及重大活動等場景起到了重要的價值，大屏產品也推動了數據產品實時性、美觀性的發展。

當然其實在整個過程中還有其他不少的數據產品，筆者在這里不一一羅列，后續大家有興趣可以一起來討論。

至于后續是否還會有某一個數據產品階段我們拭目以待......