我是一名创业公司的产品经理，从0到1做公司的产品，近两年，因公司业务发展的需要，开始做公司内部的数据平台，我也由一名业务产品经理转为数据产品经理。以下是我结合自身工作的一些总结，与大家分享。
数据平台的定位
产品经理看事情总是先面后点，我们也按照这个思路来展开话题。
那么数据平台在产品发展中的定位是怎样的呢？应该何时搭建数据平台？数据平台的作用又是什么呢？
请看下图：
1. 试错期的回音壁
我们的主产品是做社区O2O电商平台，上图也是以此为背景进行展开的。
我们的主产品2015年下旬上线，彼时公司对产品的定位还不清晰。连续几个版本基本上就是“试试试”，产品团队开展了大量的竞品调研以及用户调研，针对于社区业主，我们先后提供了物业服务、社交服务、优选商品服务、周边信息服务等。公司的业务部门也不断招人，组建新团队，支撑各个业务。
这个阶段，全公司上下都在埋头做业务，对于做数据平台，一是没意识，二是没概念，三是没精力，四是没必要，所以这个阶段的数据建设主要依靠第三方平台。通过埋点和漏斗，完全可以掌握产品的基本情况，哪个功能访问量高，哪个功能访问量低，迭代后的效果如何，一看便知。
（上图截取自友盟的demo ）
2. 拉升期的度量尺
通过一年的内功修炼，我们逐渐搞清了套路，2016年中旬，开始做推广、拉用户。公司开始制定KPI，各个业务部门开始背指标，我们的自建数据平台也是从这时开始的。之所以开始做自建的数据平台，主要为了方便考核，大家都懂的。
平台的主要内容就是各类报表、分部门、分渠道的各类指标。
上图是我们的一张报表，因为我们的业务是围绕社区开展的，故此以社区为维度考核，这张报表监控了每个社区的注册用户数、认证用户数。
除了做报表，在这个阶段也要同步建立数据的权限管理，毕竟老板不希望每个员工都知道公司全部的数据。
3. 转化期的显微镜
熟悉产品生命周期的各位同行都知道，拉升期之后该开始做转化了。到了这个阶段，数据的事情就有些复杂了。我们在2017年，做了一整年的商城，配套也做了一系列数据产品。包括交易数据、用户数据、商品数据、实时数据、会员数据等。
这个阶段最主要的任务是为业务部门提供方便的数据分析的模型，发挥数据的显微镜作用，让数据能够即时、准确的反映业务实质、帮助业务进行改进。
关于数据模型的，后面的内容会提到。
4. 平台期的指挥舱
“指挥舱”这个词有点大，但概念却恰如其分。到了平台期，产品已经成为比较大的流量入口，各个商家开始重视平台的作用，投入人力、物力运营自己的店铺。这时，数据产品也要及时跟进，为他们的运营提供支持。就像淘宝、京东商家的数据后台，可以方便的帮商家查询各类信息。
这个阶段数据的第二个应用是推荐系统和搜索系统，当用户数和SKU数足够大时，让用户快速的找到自己想要的商品，能够极大的缩短决策流程，对转化率大有帮助。
当然，在这个阶段，我们利用数据还可以做风控系统，预测系统等大数据产品，帮助平台更加健康的成长。
现阶段，我们刚刚要开始做平台期的事情，所以在这方面的经验并不是很充分，以上的内容来自于自己的学习和判断，仅供参考。
数据平台的三大法宝
在数据平台的建设过程中，有诸多的要点，但有三个方面还是要单独拿出来说，因为他们实在是太重要了。指标、维度、模型我认为是数据平台建设的三大法宝。
1. 指标第一
指标！指标！指标！
对于指标这个概念的重要性，强调再多遍也不过分，我在这上面踩了不少坑。
刚开始做数据平台时，我们的CTO跟我说先整理指标和维度，我不以为然，在网上找了个帖子直接了事。结果一系列挖坑的过程就此开始了，产品上线后，业务说数不准，我说没问题，都核对过了。结果找来找去是双方对指标的定义不统一。
关于指标有两个方面经验跟大家分享。
（1）原始指标和聚合指标
在我们定义指标时，要分清楚那些是原始指标，那些是聚合指标。
业务上直接产生的数据就是原始指标；按照某个维度进行计算后的指标就是聚合指标。正常的顺序是先定义原始指标，再定义聚合指标。
举个例子说明：
一条订单记录，订单金额就是原始指标；计算一天的GMV就是聚合指标。
- 定义原始指标时，概念要清晰，例如：定义订单金额时，算不算邮费、算不算优惠等。
- 定义聚合指标时，维度要清晰，例如：我们公司的例会通常是每周六召开，所以我们在统计时设置了一个例会周的概念，例会周是从上周六到本周五。kpi指标都是按这个维度聚合。
（2）指标的迭代
指标要跟着业务的发展进行迭代。
我们在做会员时，有一个最基础的指标：增加会员数。这个指标看似简单，但我们经过了几个版本的修正。
请看下图：
上图中可以看出：概念和指标，会随着业务变化而变化。
值得一提的是：表中的指标都是聚合指标，在我们做这个定义之前还应该做好维度的定义，例如：净增会员数=新增会员数-减少会员数。新增会员数是按照充值的时间聚合；减少的时间按照退会或者出会的时间聚合（而不是这个用户成为会员的时间）。
我们应在数据平台建设的初期，建立好指标库，指标库尽量详尽和丰富。指标的概念应该与业务核对清楚，并由领导审批，最后交给技术。
指标库是全公司公共的概念，业务考核、产品迭代，都是以此为基准。
2. 维度第二
维度的存在，让指标变得更加立体，就像OLAP中的多维数据模型。事实上，维度的建设会比指标更加贴近业务，市场上的做电商的平台，可能大部分指标都是相同的，但每个平台一定会有一些特有的核心维度，这些特有的维度也恰恰定义了企业的商业模式。
下面是一些梳理维度的思路：
（1）显而易见的维度
一些通用的维度还是比较容易梳理的，下图以电商产品为例简要列了一些，供大家参考：
我们在梳理维度时可以直接分级，也可以先不分级，做模型的时候在需要的场景下再分级。
（2）与业务紧密相关的核心维度
上文提到，每个平台都有特定的核心维度，梳理这些核心维度，考验了产品经理对业务的理解能力和抽象能力。
举个例子来说明一下什么是核心维度：
事实上核心维度并不是指的优先级最高的维度，而是按照优先级排列的一系列维度集合。
（3）业务发展过程中出现的动态维度
细心的读者可能发现，在前两个小节中，我漏掉了一个重要的维度——用户维度。事实上在任何一个产品分析中，用户维度都是极其重要的。在我的概念中，用户维度是一个在业务发展过程中的动态维度。
那么，何为动态维度？
动态维度在一开始并不是显现的，不像时间、空间、业务实体这种来自于组织架构或者业务形态等，直接可以在业务流程图中读出的维度。动态维度需要业务发展过程中归纳提炼而出，并且会随着业务的发展不断变化。
回到用户维度，在业务发展的初期、中期、后期用户的画像和模型一定是不同的。依然用张老板饭店的例子为大家说明：（我们需要假设张老板在创业初期就能够获取用户数据）
用户维度是最重要的动态维度之一，与此同时，根据不同的业务，还会有其他的动态维度。例如：商品可以按照价格区间、利润率设置维度；店铺可以按照动销比、好评度设置维度；我们需要结合自身的业务，挖掘这种新的维度。
3. 模型第三
当我们建立好指标库和维度库后，接下来就是设计数据平台了，但在此之前，我们先来了解“模型”这个概念。
模型，相信大家都不陌生，像AARRR模型，RFM模型都是我们耳熟能详的经典模型。但模型的概念，在很多人心中也许是不同的。
比如：我们和研发聊模型时，研发的心中是：业务模型、数据模型、物理模型。对于数据分析或者数据平台设计过程中的模型，我心中的概念是：经过实践、在一段时间内固化下来的数据分析的方法。
数据平台的页面和图表，其实就是数据模型的体现。所以设计数据平台，其实就是建立分析模型的过程。
那么如何来做呢，接着跟大家分享：
（1）从KPI和业务入手
前文中提到，需要建立内部数据平台时，企业已经发展到了一定阶段，所以不管有没有模型的概念，事实上，在管理层和业务人员的心里已经有了模型。从领导的角度，模型会体现在下发的KPI上，从业务的角度，会体现在各自的业务分工或流程上。
我们仍然以张老板的饭店举例，假设饭店处于第二阶段：张氏酒楼承接散客和酒席。
下图是为张老板设计的每日数据台账：
我们在给张老板的报表中，首先按照两个业务“散客”、“酒席”将三个关键指标营业额、顾客数、菜品量进行了拆分。
我们为什么这样拆，可能是张老板为这两个业务线定了不同的KPI，也可能是这两个业务分由两个人分管。但最重要的原因是：这两条业务线的运营流程是不同的。我们首先需要把这两项分开，才能进一步分析。
（2）模型的类型
上图只是一个示例，所谓数据平台，就是通过一张一张的图表，把业务的真实情况反映出来。展现给各个相关的岗位人员，帮助他们改进做法。
我归纳了几个模型类型，供大家参考：
- 拆解模型：上面的例子就是一个拆解模型。当我们遇到相对独立的维度时，可以用拆解模型，例如：按业务拆、按地域拆、按用户拆。
- 流程模型：当我们在分析一个流程性的业务时，适用于流程模型，比较经典的：AARRR模型，漏斗模型都是属于此类。
- 对比模型：数据，对比才有意义。所以我们在分析数据时，最常用的就是对比模型。例如：环比，销售品类相同的不同商家之间的对比等。
- 归纳模型：归纳模型要稍微难一些，有点类似于上文提到的动态维度，我们需要在摸索中总结，找到评价和总结某个事物的核心指标和维度。例如：RFM模型、用户画像、店铺画像等都属于归纳模型。
4. 三大法宝之外
除了上面说的三大法宝，构建数据平台还有一些其他要素：
（1）可视化
说白了就是什么情况下用什么图，怎么设计和组合图形，才能准确、形象的传达信息。事实上数据可视化是一门比较高深的艺术，我印象里国际上好像还有类似的比赛，这方面的资料、书籍也比较多，都比我专业许多，就不展开说了。
（2）权限
数据权限是比较重要的，做数据产品经理，应该在一开始就树立数据的保密意识。
这部分大致上分为功能权限和数据权限：
- 所谓功能权限：就是按照菜单划分权限，有的人能看到这个菜单，有的人不能；
- 所谓数据权限：就是虽然大家都能看到这个页面，但每个人看到的都是筛选过的数据，仅是自己能看到的范围。
我们在这方面做的比较简单，相信在大型公司，权限部分要复杂的多，还请大牛朋友指点。
（3）结构
这里说的结构，我想表达的是数据平台的各个菜单怎么来设置，都放哪些内容。数据平台说白了是个B端产品，B端产品在意的是效率，所以我们的页面结构，通常情况下是按主题来分的。
当然有条件的也可以让业务自定义看板。下图是截取的友盟、腾讯移动分析、GrowingIO、诸葛io的菜单截图，供大家参考，大家也可以自行登录相应的网站查看demo学习。
总结
怎么从0开始做数据平台：
- 找定位：看到底需不需要做，做到什么程度；
- 订指标：制定尽量详尽的指标库；
- 画维度：按照重要程度列出与业务相关的维度；
- 建模型：与数据用户一起，构建每个岗位的分析模型。
完成这四部之后，就可以做原型图，写需求了。当然过程中还要注意、权限的管理、可视化的运用、以及结构的编排。
那么有了以上这些就够了吗？
其实这只是一小部分，能够顺利搭建数据平台，还有三个关键点：
- 一是企业的管理层是否支持，包括政策上的支持，资源上的支持。在资源紧张的情况下，领导是否愿意拿出一部分资源来做数据平台；
- 二是研发资源是否匹配，大家都知道做大数据是有一定的技术门槛的，这块出了问题，很可能造成后期数据不准、查数据慢、迭代困难等；
- 三是业务上要有使用数据的习惯，这个大家都懂得，要让你的用户和你的产品一起进步。