本文作为数据驱动型银行的专题文章，是《
数据驱动型银行的第一本秘籍出现了
……
》、《
二论数据驱动型银行的构建
》、
《三论数据驱动型银行构建》
、《
四论数据驱动型银行构建：智慧引擎建设
》的延续篇，读者朋友们如果没有读过前四篇，可以先浏览完后再来阅读本篇。本文将主要围绕数据产品体系展开探讨。
一、数据产品定义
谈到数据产品，有的朋友可能就要问数据产品是什么？的确，目前对于数据产品的定义尚没有一个统一的共识，每个人可能都有自己的认识，小编则认为数据产品是产品的一种，我们可以尝试的给出定义：数据产品是以数据为生产资料被生产出来的具有使用价值的一种产品形式。数据产品的表现形式多种多样，比如，数据表、营销清单、模型、分析报告等都可以是数据产品，只要是基于数据这一生产资料研发出来的产品，我们都可以把它定义为数据产品。
二、数据产品应用
前文我们尝试着给数据产品下了定义，那么数据产品有什么用呢？也就是他的使用价值是什么，从商业银行的视角来看，数据产品的用途很多，根据用户类型的差异，又有不同的价值。从用户来说，数据产品的用户包括数据分析师、业务人员、管理人员、客户等，按照用户的不同，大类上可以分为数据应用价值及业务应用价值。
1
、数据应用价值
一是支持数据的快速应用。比如，基于已经形成的客户视图，数据分析师可以实现快速的复用，提升数据分析效率；
二是释放数据整合红利。比如，基础数据整合后形成的数据产品，可以让数据分析师对数据的认知更加一目了然，可以更有效的激发数据分析师的创新灵感。
2
、业务应用价值
一是客户洞察。比如，客户画像就是一种数据产品，通过客户画像，我们可以了解客户的喜好、行为、信用、社会关系等信息，可以有助于我们更好的了解客户的需求，判断客户的风险，为进行业务决策提供支持。
二是客户营销。比如，我们可以基于银行拥有的数据，构建客户精准营销模型，挖掘营销成功概率更高的客户，让营销更加有的放矢。
三是风险管控。比如，我们可以基于数据，构建信用评分模型等，按照客户的违约概率大小进行排序，作为银行信贷产品风控流程的重要一环。
四是产品创新。比如，我们可以基于数据构建指数、客户积分等量化的数据产品，面向一线客户应用，这方面芝麻信用就是个典型的例子。具体可以见
《从芝麻信用看数据产品面向一线应用》
一文。
五是客户服务。比如，基于前述的客户洞察，我们可以针对性的为客户开展个性化的服务，类似基于位置的实时精准服务就是典型的应用。
六是业务决策。比如，基于业务分析报告，业务部门可以采取更有针对性的业务决策来解决业务痛点，提升决策的科学化水平。
三、数据产品的分类
要对数据产品进行科学的分类是一大难题，也没有统一的标准，笔者认为可以从两大维度来进行分类，一类是从用户的视角进行分类，一类是从需求的提出视角来进行分类。
（一）基于用户视角的分类
从用户的视角来看，包括银行的客户，即最终用户，银行内部的管理人员、业务人员、软件工程师和数据分析师。对不同的用户来说，产品的表现形式是不一样的，对客户而言，主要是可视化、可交互的产品体验界面；对银行内部的管理人员、业务人员来说，可能就是分析报告、指标、报表、营销清单、可视化的展现界面等，更强调产品的使用，往往需要开发一定的展现界面；对软件工程师和数据分析师来说，主要是一些数据库表，有些可能是原始表，有些可能是经过加工整理后的表，比如客户标签等。因此，从用户的视角来看，我们可以把面向客户、内部业务用户的数据产品定义为应用型数据产品。把面向数据分析师和软件工程师的数据产品定义为基础型数据产品。
（二）基于需求视角的分类
从数据产品的需求来源来看，一般来说，可以分为两类，一类是银行内部的业务部门提出的，一类是数据或者技术条线自己主动提出的。业务部门提出的需求，往往有明确的应用场景，加上业务部门掌握着业务资源，也往往更容易获得推广应用，这类产品我们可以称之为业务驱动型产品；数据或者技术条线自己主动提出的需求应用场景往往较为广泛，更多的是一种支撑多业务领域应用的产品。然而，由于技术或者数据条线本身不具备业务资源，在推广应用方面也往往会困难一些，这类产品我们可以称之为数据驱动型产品。
在具体的分类上，银行可以将两个视角结合起来，建立数据产品象限，在想象中，进一步细分产品，对于应用型产品，
可以根据不用的应用领域，对产品进行细分，比如可以分为营销、风控、运营等大类进行划分，然后再基于大类在进一步细分到小类，在划分的过程中要充分考虑银行内部的管理架构，尽可能的覆盖各个业务条线。同样的，对于基础型数据产品也可以按照数据属性进行分类，比如，可以分为客户、产品、风控等进行大类划分，然后再进行进一步的细分。通过建立数据象限，进行产品细分，是建立一整套数据产品体系的基础，也是实现数据产品纳入银行产品目录管理的重要基础。
四、数据产品体系建设策略
对数据产品进行分类可以让具体的产品有章可依，是要让商业银行从全局视角掌握数据产品，从而，有计划、有步骤的推进数据产品的整合与研发，逐步丰富产品视图，形成多点开花、相互连接、体系运转的数据产品生态，成为支撑商业银行业务发展的强大中枢网络。在具体的建设策略上，要通盘考虑，有序推进。
（一）坚持业务与数据驱动并重
上文我们从需求的视角将数据产品分成了业务驱动型与数据驱动型两大类，在具体的策略上，我们要实施业务与数据双轮驱动策略，两手抓，两手都要硬。
一是强化业务驱动型数据产品的整合提炼工作。由于其来源条线多，需求呈现多、杂、冗余等特征，需要做好整合工作，一方面，要从源头入手，做好需求的整合，避免重复研发；另一方面，要从产品入手，提炼共性的东西，进一步形成整合型，支持多部门应用的产品。
二是加强数据驱动型产品的规划与实施工作。科技部门要在发挥对数据理解、数据挖掘优势的基础上，紧抓业务发展趋势及业务痛点，前瞻性的规划一批数据产品并有序的推进数据产品的研发工作。
（二）构建可视化、易区分的数据产品全景视图
在双轮驱动策略下，科技部门要主动建设数据产品全景视图，让商业银行高管、业务人员、技术人员、数据分析人员对全行数据产品有个全局的认识，可以清晰地了解我们已经做了什么，我们还要做什么。在此基础上，支持银行内部跨机构、跨部门间的成果共享，实现产品的快速引用、复制、推广。在具体的视图建设上，要做好以下工作。
一是数据产品全覆盖。要做好数据产品管理，实现所有已实施、在实施、已规划的数据产品都能纳入管理范围，一方面，实现已完成的数据产品经整合提炼后均纳入视图。另一方面，要将规划的数据驱动型产品纳入视图，并进行状态标记。
二是持续动态更新。要根据规划、提炼等的情况，对数据产品视图进行持续动态的更新。
三是建立可视化视图。要依托可视化工具，开发全景展现的产品可视化视图，让产品视图看起来一目了然，易于查找。
（三）建设高素质的数据产品经理队伍
数据产品经理是负责数据产品构思、规划、推动实施、推广应用的主要承载者。数据产品体系的搭建与持续迭代需要有源源不断的创新点子、需要有专业的整合与提炼，这都需要有专门的人才队伍来负责，就需要建设高素质的数据产品经理队伍。笔者认为一名合格的数据产品经理至少应具备以下几方面的特点：
一是熟悉业务。对银行业务要有比较清晰的认知，既要有微观层面的认识，也要有宏观层面的把握；
二是熟悉数据。要了解银行现有的数据资产状况，在大脑中对于银行拥有什么样的数据要有个全局的认知，同时，对于能够引进哪些方面的数据也应该有所掌握。
