一、基础思维

数据在现在互联网的行业中可以说是最核心的话题，数据的价值已经被称为资产了，大部分的互联网应用都会源源不断的产生各种数据，如何管理和使用这些数据，让这些看似平常的数据产生更大的价值，一直是热门的探索领域。比如常见的风控、营销、推广等各种业务，都需要依赖大量的用户行为数据作为依赖，才能精准的对相关流程做出分析判断。

数据管理是一项复杂而且庞大的工程，需要付出的时间和成本非常高，通常的说法就是对用户有效的数据进行采集，存储，分析，组建业务模型，二次业务应用，以此让数据发挥更大的价值。

在企业考虑做数据沉淀管理时候，通常这里有一个基础的考虑，数据量是否庞大，搭建起的数据管理体系能带来的收益是否能覆盖成本；对于企业来说，很多事情做起来都是对的，但是不一定是对自身发展是有益的；如果基于数据管理，能带来更多业务收益，那这个庞大的工程自然值得投入。

二、业务与数据

这里再从实际流程来看这个问题，通常一个项目在开发初期时候，为节约成本都会采取快速迭代的方式，基于产品设计和用户使用分析，不断快速升级，在这一过程中也是数据不断积累的过程，一个方向清晰的产品发展的基本过程：产品核心功能实现，丰富和优化流程，产品分析的数据报告。这是一个项目开发的基本初期流程，如果产品没有成功，过程到这就基本结束，成本不会过高，当然如果产品成功了，那后续产品的发展方向怎么确定，就是另一个大的话题。

通常会从两个方面考虑稳定产品的后续方向：1.借鉴市面上类似产品，去分析成功的原因；2.基于现有的业务流程产生的数据，判断产品的亮点和糟点；通常根据产品现有数据做分析是最常见的操作，在实际互联网产品中，就有活脱脱的案例：

媒体类APP会根据用户浏览行为推荐信息，你感兴趣的内容会不断推送；电商类APP会根据季节或日期或搜索行为，推荐特定的商品，提高成交量；社交类APP会根据多个纬度的使用数据做相应的广告植入，精准分发；

以上这些实际的案例，都是在互联网产品中很常见的操作，都是基于产品业务流程，不断积累数据，然后针对自身数据的沉淀，做二次数据分析，再次应用到业务层产生非常高的价值。

三、自动化流程

数据管理的流程需要自动化，这个是最基础的操作，如果基于数据的流程不能自动，那就完全没有必要，例如数据完整的周期从业务数据产生，分析沉淀，可视化分析，二次应用，这里流程只有自动化管理才能源源不断的提供稳定的服务。数据管理中的一个核心因素就是效率，追求效率就要依赖自动的流程，拿一个简单的案例来说：今天天气很冷，用户浏览防寒商品，如果产品不快速响应，做好相关分析和推荐服务，那过了今天很可能用户已经没有购买意愿，或者已经在其他平台下单了，大部分用户的行为都是有时效性存在的，这对于交易类产品尤其重要。而对于社交类或者信息流的产品，用户的行为画像至关重要，基于自动的行为分析，源源不断的丰富用户的行为画像，以此更加精准的判断用户心理，提高产品的粘性。

所以数据管理的最终产品形态，工具智能化分析，流程自动化管理，快速判断用户行为，精准响应，这才能最大发挥业务数据的价值。

四、服务升级

任何一款产品，如果源源不断的用户注册使用，产生大量的数据，都很容易发展成为一款超级应用，或者生态平台。支撑这些业务的都是依靠用户和用户数据。例如社交产品提供精准的营销服务平台；金融产品提供风控分析；电商产品提供消费能力分析；这些服务都是基于用户海量庞大行为数据，做的分析推测，一旦这些生态关系形成，产品必然会发展成为平台。同样的数据，可以提供多次服务是数据管理的一个特点，例如某平台知道用户精准的购买意向，那这个数据能服务多少商家，则就看这个平台有多少合作的商家，这就是一条用户分析数据产生的多次业务收益。

所以很多现象级的产品，都是先有自己的数据管理体系，起初服务自己业务线，然后顺利发展为平台，开放服务能力，获取更多的客户或者用户，然后不断的优化和服务能力升级，进入良好的发展循环。