一文看懂：数据产品的3种输出形式和4大服务层次

企业要想提升数据资产的价值，就必须了解数据产品。那么，什么是数据产品，我们该如何认识它？

在由WakeData惟客数据联合星光数智推出的直播栏目《星光对话》第5期中，星光数智首席数据架构师魏战松，分享了对于数据产品的理解，并总结了数据产品的3种输出形态，以及数据产品服务层次的4大类，希望能对大家进一步了解“数据产品”有所帮助。

一、数据产品是什么？

数据产品更多是偏业务视角，可以理解为应用，它会以标准化的形式呈现，比如看板、API、SaaS平台。通过提供具体的应用能力给到外部机构，让他们使用我们的数据，这个叫数据产品。当然也有很多企业会称之为数据商品，其实是同一个东西在不同场景下的叫法。今天想强调的是，入表对企业来讲只是一个小结果，不是最终结果，因为现在都是通过成本法来入表，这种方式对于企业整个数据资产的估值影响其实是比较小的。

举个例子，每年企业IT预算假设是1000万，那么在用成本法做数据资产评估时，它的资产规模不可能超过千万级，因为成本法的上限摆在那里。那么如何让企业的数据更有价值呢？其实就是产品化的过程，比如通过数据资产孵化了一个销售预测产品，那么这个产品不光是企业自己能用，也可以卖给其他机构或者供应商，他们可以基于这款数据产品，更好的拿货、补货。企业产生了实实在在的交易，这种数据资产是有价值的，通过收益法来预估这部分价值，会比成本法高出很多倍，因为它是预估未来10年甚至是更长期的收益，所以数据产品对企业来讲是更重要的。

目前有些企业的核心业务方向已经转到数据资产运营了，即如何孵化更有价值的数据产品。数据产品会涉及外部服务，这个数据不光企业自己能用，比如一份行业消费者洞察报告，上下游供应商、渠道、金融机构、银行类、政府类、保险公司等等可能都需要，那么这部分数据通过合规脱敏之后形成产品化，就可以做一些外部交易。

二、数据产品的3种输出形态

我们对数据产品进行了提炼，认为数据产品的输出形态主要有三种：

第一种叫数据集产品，顾名思义就是一个数据包。通过把一部分数据，比如明细数据或者结果数据，以数据包的方式给到企业，企业可以用这些数据做数据训练，当然这些数据要做隐私化、脱敏化或者匿名化处理，要满足合规需求，之后就可以去上架、去交易。

第二种是数据集之上的数据接口化产品，它更多是以数据API的方式开放给下游用户。简单来说，就是把数据或者报告数据算好之后，以接口的方式调用，这样REST API相关协议也可以设置相关调用次数或者时效，以及流量限制。当然在这期间要做鉴权、密钥签名等等。

第三种体验感会更好，就是界面化的数据应用产品服务，目前在零售行业、电商行业应用更多。我们在做零售销售预测、补货预测时，可以把产品以SaaS化的方式，部署到平台上，开放一个账号给下游用户使用，这种方式是通过时效性来收费的，比如开放一个月、一年或者三年；当然还有一种是私有化，即直接部署一套产品，因为模型已经训练好了，完成部署就能直接拿来用，在产品层面上，属于自己独享的方式。

以上是我们认为数据产品在对外服务上的3种输出形态。

三、数据产品服务层次分类的4种类型

接下来谈谈如何提供更好的数据服务，我将数据产品服务层次分为四类。

第一类是数据可视化类产品，比如常见的报表，就是将数据以界面化、可视化的方式显示出来，让业绩完成情况、销售趋势、成本分布等等数据，都在可视化的范畴内；

第二类是数据报告类产品，它比数据可视化类的分析程度会更多一些，因为可视化类只是告诉你数据原本的样子，但不会展示数据哪里有问题，而数据报告类会告诉你问题在哪儿，比如经营分析报告，不光是看数据，还要看数据为什么高、为什么低，在低了之后，要有哪些应对措施和应对机制，它所呈现的数据方案内容会更丰富、更有指导性。当然，数据报告类产品更多还是对历史数据的分析。

第三类叫预测模型类产品，基于预测的数据，企业可以预测未来一个月或者三个月的整体收入情况等等，这些信息都可以在预测模型类产品上实现。比如惟客数据之前在服务零售企业时，会针对未来销售情况进行预测，以便做相应的库存储备。这种场景就是基于企业历史数据做相关预测，为未来提供更好的决策支持。这类产品，未来市场空间会更大，而且价值的估量也会更高，因为它的预测数据对未来经营有很大的指导意义。

第四类就是应用服务类产品，其实是在预测之上提供更人性化、体验更好的产品服务，相当于把预测模型直接放到一个界面上，只需要给一个输入，比如7月份整体营收情况怎么样，它立马会给到相关反馈。那么通过灵活改变输入的内容，去做多级调整，就能针对不同的预测场景去做相关的模型，并进行对比分析。

以定价模型为例，在商品该定价多少上大家往往会存在一些困惑。那么有了这个产品之后，就可以基于区域、产品成本，以及用户分布等等因子，去调整定价，预测未来收入的达成情况、业绩完成情况。通过调整不同的版本，最终找到最能满足需求、最合适的模型版本，作为定价的基础。

当我们把数据产品进行服务层次划分，也就是从可视化类、数据报告类、预测模型类，到应用服务类这四大类场景。每一个层次的价值、复杂度都会比前者高出一个层级。

关于数据资源入表的其它相关信息内容，欢迎评论区留言或私信小编~