一、大数据产品设计的两个基本原则：

1、精确：数据只有精确才能让人信服2、易用：产品只有易用才能让人更方便去挖掘有用的信息，才能体现价值二、大数据产品的用户

1、狭义：数据分析师和数据科学家

2、广义：产品经理、市场专员、营销经理、机器学习专家、管理层都具有大数据分析的需求

大公司有专门的大数据产品部门，小公司和个体商户（淘宝店主等）可以使用第三方的数据产品（比如友盟、数据魔方等）。

三、大数据产品长什么样？

不同职位、不同技能的用户需要不同交互形式的大数据产品。

管理层：提供可视化数据报表，帮助管理层利用其大脑和经验做决策；市场/营销专员、产品经理：提供小型数据库表/OLAP Cube，将数据导入Exce后完成数据分析工作；初级数据分析师：设计更专业的数据仓库/数据库表，利用SQL、R完成数据分析；高级数据分析师、机器学习专家：开发大数据平台的数据接口APl，利用平台的超计算力进行数据挖掘。

处在表格越下方的产品包含的数据量越大，使用难度越大，产品的用户也越专业。准确地说，提供大数据平台接口API才是真正的大数据产品，其他三种只能算是“小数据”或“类大数据”。但在实际工作当中，一般的数据产品都会包含以上这四个层次，以便于不同层次的各类用户使用。

不过，一个完整的大数据产品不仅仅只有产品的交付形式，背后往往具备一个架构在平台之上的大数据流水线。以可视化大数据报表为例，至少具备五个部分：

获取用户行为的原始数据

上传和处理用户大数据（将“大数据 ”分解为“小数据 ”）

存储大数据（不同层级的数据如何存储）

设计大数据的交互方式（针对不同的用户层次）

数据精确度管控（数据不精确就没有可信度，最核心环节）

任何层级的数据产品都需要具有一定技术难度的数据流水线支撑，流水线的维护、开发就是大数据团队的日常工作。