数据产品提供高质量、随时可用的数据集，组织内的人员可以轻松访问这些数据并将其应用于不同的业务挑战。 例如，数据产品可以提供重要实体（例如客户、员工、产品线或分支机构）的 360 度视图。 或者它可以提供给定的数据功能，例如复制现实世界资产操作的数字孪生。
数据产品已连接以支持标准类型的消费
数据产品结合了不同业务系统（例如数字应用程序或报告系统）所需的接线，以“消费”数据。 每种类型的业务系统对于如何存储、处理和管理数据都有自己的一套要求； 我们称之为“消费原型”。
虽然组织的路线图上可能有数百个用例，但它们通常适合五种主要消费原型之一。 为支持一种或多种消费原型而构建的数据产品可以轻松应用于具有相似原型的多个业务应用程序。
数据产品提高速度和效率
使用数据产品的团队不必浪费时间搜索数据、将其处理成正确的格式以及构建定制的数据集和数据管道——这种努力最终会造成架构混乱和治理挑战。
这种方法的好处是显着的：
新业务用例的交付速度可提高 90%。
总拥有成本（包括技术、开发和维护成本）可下降 30%。
可以减轻风险和数据治理负担。
数据产品入门
产品开发的成功需要一种运营模式，确保专门的管理和资金、标准和最佳实践的建立、绩效跟踪和质量保证。 数据产品的成功也不例外。
专门的管理和资金。 每个数据产品都应该有一个产品经理和一个由数据工程师、数据架构师、数据建模师、数据平台工程师和站点可靠性工程师组成的团队，他们有资金来构建和持续改进其产品并启用新的用例。 这些团队应该属于业务部门内的数据实用程序组。 这种组织结构使他们能够随时接触到所需的专家（包括业务主题、运营、流程、法律和风险专家）来开发有用且合规的数据产品。 此外，它还使团队能够获取用户反馈，这有助于他们继续改进产品并发现新用途。
标准和最佳实践。 我们发现，当组织制定在整个组织内构建数据产品的标准和最佳实践时，它们是最成功的。 这项工作通常由卓越的数据中心处理。 建立标准和最佳实践包括定义团队如何记录数据来源、审核数据使用和衡量数据质量，以及设计必要的技术如何适合每个消费原型，以便它们可以在所有数据产品中重复使用。
绩效跟踪。 为了确认他们的产品满足最终用户的需求并不断改进，数据产品团队应该衡量他们的工作价值。 相关指标可能包括给定产品的每月用户数量、产品在整个企业中重复使用的次数、数据用户调查的满意度得分以及启用用例的投资回报率。
质量保证。 由于质量问题可能会削弱最终用户的信任和保留，因此数据产品团队会密切管理数据定义（例如，客户数据的定义是否仅限于活跃客户或包括活跃客户和前客户）、可用性和访问控制，以满足 每个用例的正确治理级别。 为了确认数据完整性，他们与拥有数据源系统的数据管理员密切合作。
