对大数据 To B 产品和组织的思考
做大数据 To B 服务的企业，在产研环节，要解决两个核心问题：
- 如何定义好产品架构？
- 如何建设好交付体系？
产品架构
产品分两大类，
1、基础产品体系，覆盖大数据的采、建、管、用环节，提供通用数据能力的产品。
2、行业产品体系，面向行业，如零售业、金融业，提供行业场景化能力的产品。
为什么要分层？
从客户角度来看，不同的企业对服务的要求不一样，有需要你的技术帮他们提升解决问题能力的客户，也有需要你直接帮他们解决某个业务问题的客户，还有需要你根据他们的想法通过交付项目直接实现某个特定需求的客户。我们需要根据客户情况，如大客户，长尾客户等，做分层服务，更针对性解决客户诉求。
从产品的角度来看，大数据的产品天然有离具体业务远近的区分，有和业务无关专注于底层技术，提供高性能，高稳定性能力的平台型产品；有业务相关但专注于做通用数据能力抽象，提供可复用或基于场景可复用的工具型、应用型数据产品；也有完全业务相关，面向业务某个特定领域，用数据洞察和数据策略产品化解决业务问题。我们需要根据产品的定位对产品进行分类分层，来更好组织产品，协调资源。
从组织的角度来看，产研团队有服务中后台业务和前台业务之分，中后台团队要求是能抽象可复用，团队目标是交付高质量产品；前台组织的要求是灵动敏捷，团队目标是快速响应和实现业务需求。我们需要对不同的产品匹配不同类型的组织形式，实现组织效能的最大发挥。
如何做分层？
基础产品聚焦在规模化，行业产品聚焦在价值化。
基础产品提供标准化功能，行业产品提供行业场景化功能。
基础产品追求长期演进，行业产品追求迭代效率。
行业产品建立在基础产品之上，形成“行业解决方案 → 行业产品 → 基础产品”，这样自上而下的分层架构。
基础产品
提供通用数据能力，实现大数据的采、建、管、用。
基础产品的分类：1、平台型产品，2、工具型产品，3、应用型产品。
平台型产品，包括大数据计算平台产品，如Flink、Spark产品，大数据开发平台产品等。
工具型产品，包括 BI 产品，埋点采集产品等。工具型产品的底座是平台型产品。
应用型产品，包括用户行为分析产品，A/B测试产品，CDP产品等。应用型产品，是长在工具型产品之上的，比如通过BI产品的搭建能力构建产品UI，使用埋点采集产品实现数据的闭环。
基础产品要收敛，聚焦在核心方向，打造产品壁垒。权责上，最好由产研团队为结果负责。
行业产品
面向行业，如零售业、金融业，提供行业场景化能力的产品，实现大数据的价值交付。
零售行业
- 人：消费者运营，圈人、投放（CDP）
- 货：货品运营，货品管理，销量预测
- 场：策略产品，数据洞察到业务执行（SOP）
行业产品要开放，深入目标行业探索机会，打造产品矩阵。权责上，最好由行业团队为结果负责，如解决方案团队。
商业模式
核心策略
- 基础产品 + 基础方法论
- 行业产品 + 行业解决方案
基础产品
采用标准产品，标准价格，实现客户的规模化覆盖。
基础产品是整个产品体系的核心，也是建立技术壁垒和品牌口碑的核心。
产品之外要搭配方法论输出，
- 数据研发方法论，如 DataOps
- 数据建模方法论，如 OneData
- 数据资产治理体系
- 数据服务体系，如 OneService
用方法论把产品串起来，从客户视角出发，展现解决客户问题的最佳实践。
行业产品
非透明价格，以服务大客户为切入点，沉淀行业 know-how，先在行业头部打造标杆，然后实现行业的客户复制。
行业产品目标是实现客户价值交付，是增加客户钱包份额的核心。
行业产品不独立推广，而是基于行业解决方案来做整合售卖。
交付体系
交付体系需要建成三种能力：交付能力、生态构建能力，以及客户服务能力。
交付团队：提供交付能力的团队，负责 1、基础产品、行业产品的交付和运维；2、客户定制需求的开发和交付。
生态团队：提供生态构建能力的团队，避免陷入众多客户的项目交付，通过开放 API 实现产品的 PAAS 化，联合和孵化生态企业，做客户定制需求交付。
客户成功团队：提供客户服务能力的团队，1、为客户的满意度负责；2、推动客户的钱包份额增长。