大数据最早在上世纪90年代被提出，麦肯锡在2012年的评估报告中指出“大数据时代”已经到来，使得人们对于大数据重要性的认知和关注度进一步增加。
大数据的特点和价值
大数据的四个特点：数据量巨大、数据类型众多、处理速度快、数据价值高。
大数据的价值突出体现在以下几个方面：
优化客户感知
用大数据为最终客户工作生 活学习娱乐等带来便利和享 受，反过来促进运营商的业 务发展。推送贴身产品、提升上网体验、丰富产品信息、加强使用粘性。
提升内部管控
全面掌握企业大数据资产， 实现企业高效管控、绩效 考核、资源优化、信息协 同等能力。辅助经营决策、洞察业务现状、推动业务营销、挖掘产品商机
创新运营模式
用大数据帮助合作伙伴创 造价值，也从中拓展新的 盈利模式。精准营销模式、洞察客户偏好、风险防控、咨询决策。
助力一线营销
运用大数据发挥产品营销 价值，为企业一线员工提 供更全、更准、更快的营 销数据和决策支持能力。精准营销策划、全景客户视图、实时智能决策、洞察销售商机。
大数据思维
从样本思维到总体思维：小数据时代，统计抽样会导致预测结果的偏差。而大数据时代，处理的数据从样本数据变成全部数据。
从精确思维到容错思维：由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求。而大数据时代，允许不精确，接受混杂性，容错性更强
从关注因果关系到关注相关关系：小数据时代，人们执着于现象背后的因果关系,而有限的 样本数据无法反映事务间的相关性。而大数据时代，人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系，捕捉现在，预测未来。
从自然思维到智能思维：大数据思维最关键的转变在于从自然思维转向智能思维， 使得大数据像具有生命力一样，获得类似于“人脑”的 智能，甚至智慧。
总体来说，大数据思维的核心是利用数据解决问题，关注“有用”，更关注效率。
大数据产品定义和分类
这是大数据平台比较通用的架构内容，偏技术视角的。从产品角度来说，对于大数据产品可以划分为：基础支撑的产品、数据服务的产品、数据应用的产品。
大数据应用型产品规划及设计方法
整体蓝图框架设计
大数据产品设计方法
数据产品是以数据、算法、计算力为核心，结合跨行业数据挖掘标准流程（CRISP-DM），形成大数据产品设计工作流程。
分析框架导入
通过通用专题分析模型、同类行业分析实践资料收集与分析，初步设计数据产品分析框架，以聚焦业务需求及数据需求调研。
业务调研
数据产品与各种系统需求调研活动的流程类似，通过业务调研，能够从经营思路、 管理模式、系统、数据资 源等多个维度全面透彻地梳理业务， 总结业务面临的问题， 作为后续工作的输入。
数据处理
通过数据的ETL（抽取-转换-加载），开展数据采集、清理、非结构化数据结构化及数据逻辑关系建立，为模 型研究打下数据基础。
分析模型建设
基于大数据的主题分析模型建设、验证及决策策略关联是大数据产品设计的核心内容。
数据产品通常会涉及多种数据分析方法的综合应用。
产品原型设计
可视化设计：利用现有成熟的BI技术和工具，对模型结果进行可视化展示原型设计，以提升用户理解数据及直观决策。
产品需求规格设计：对产品的功能、性能、交互及其他需求进行梳理，开展产品原型设计及文档编写。
数据规范设计
产品数据规范设计：结合业务实际，通过BOR法，确定数据规范范围、结构和内容，并将数据规范整合产品数据模型中，实现数据标准化的过程。
数据产品经理
大数据时代数据本身是没有价值的，只有经过挖掘后被应用才能意义，数据从生产到应用会经过多个环节，只有经过加工处理才可以有效的被使用。因此，让数据加工和使用更简单的产品都可以称之为数据产品，数据产品经理则是负责规划和建设这些产品的人。
数据的价值可以归结为两大方向，数据决策和产品智能。其中数据决策是起源最早也是最典型的应用场景，从过去“拍脑袋”的定性决策，到基于数据的“数据化管理”。
产品智能方向，流量红利过后，精细化运营更强调数据挖掘价值的应用，比如算法推荐千人千面的个性化推荐，基于用户画像标签的精细化运营，或基于数据分析制定的产品用户增长策略。此时，数据产品经理的价值就是把数据转化成产品策略，让产品更懂用户，更智能，从而带来用户增长或转化最大化。
产品经理，我认为有两个核心能力:数据分析能力和产品能力。这就要求我们的数据PM要有很强的分析思维和产品思维。
数字化转型将会涉及到各行行业，数据产品经理的需求也会不断增加。如果你想从事数据产品经理方向，或者正在致力于大数据的应用，本文的资料一定非常适合你。
