数据产品是软件产品的一种，其设计工作的主流程遵循软件产品设计流程。不过，由于数据产品本身具有鲜明的特点，因此设计方法也有一些独到之处。
1. 数据产品设计的核心
数据需求是指用户想要得到的数据，满足数据需求需要从数据源和数据分析两个方面考虑。
1) 数据源
数据源从广义上去理解就是收集到的原始信息。原始信息的种类繁多，例如：结构化数据，非结构化数据，文件式数据，流式数据，文本文件等等。拥有数据源不见得就能直接进行数据分析，我们需要对数据进行清洗，解析等操作才能得到可以提供分析的数据。同时，数据源本身的信息量直接决定数据分析是否可行。举个例子：如果原始数据是“农场名称”–“山羊数”。那么无论如何我们也分析不出来所有农场的水牛总数。因此，数据源是满足数据需求的基础。
2) 数据分析
数据分析本身是一门学科，这里只说说数据分析最基础的三要素（样本，维度，度量）。此三要素在是数据分析与数据源及数据可视化的接口。
具有原子属性，样本内的每个数据元素不能再拆分，例如：样本为网研院全体员工，数据的最小粒度就是一个人，不能再拆分。
具有范围属性，数据集合需要范围来限制，例如：样本为网研院全体员工，那么范围就是网研院。
维度——看事物的角度。例如，同样是用户数，我们可以从性别角度去看，也可以从年龄段去看，还可以同时从多个维度去看。
有成员值，且成员值可枚举，例如：维度为省份，那么成员值就是中国31个省份。
度量——基于分析维度得到的量化数值。需要有个名称，例如：用户数，终端数。平时，我们一般会叫成“指标”。
可量化。例如：人数，成功率，占比，距离。
数据需求最终都要落到数据样本在各个维度的各种度量上面。而数据分析就是这个计算过程。
1.2 应用需求
应用需求是用户操作数据产品的需求。与传统软件产品的应用需求一样，包括：产品整体功能的划分，具体功能的业务逻辑等等。需要特别强调的是，数据产品有一个比较独特又很重要的应用需求，就是数据可视化需求。数据可视化作为数据分析的最后一步，直接影响数据产品在用户眼中的形象。数据可视化设计与数据分析是密不可分的。
2. 工作实践
上文提出了“数据产品设计的核心是满足数据需求及应用需求”这个理念。实际工作中可以依据这一理念，梳理工作思路，进行人员分工。
2.1 参与人员及职能
项目负责人：总体把握数据产品的整个生命周期，以及外部资源的协调。
产品经理：基于需求，完成产品的整体设计，包括产品形态，功能划分及业务逻辑的设计。
设计师：产品的视觉设计，数据可视化设计。
数据分析师：基于数据源梳理需求中所需数据指标的分析算法设计。
2.2 执行流程
整个产品设计工作可以基于“数据线”和“应用线”两个线条并行进行，最后进行设计整合，共同产出最后的数据产品设计方案。
1) 数据线
梳理数据需求：产品经理梳理产品的数据需求，与数据分析师及需求方进行数据需求的明确。
梳理数据源：项目负责人提供数据源接口，由数据分析师进行数据源梳理。遇到无法满足需求的情况，及时反馈项目负责人及产品经理，进行数据源的再协调或进行需求删减。数据源明确后，产品经理负责协调后期数据源的具体引入工作。
设计数据结构：数据分析师结合数据源及数据需求，撰写《基础数据结构设计》。
设计分析方法：数据分析师根据数据样本结构及数据需求，设计分析算法，撰写《算法设计文档》。
初步设计数据展示：数据分析师完成所有预展示指标的可视化方式的初设计（明确什么指标用什么方法展示），并与产品经理进行沟通，完成《数据可视化设计初稿》。
2) 应用线
根据应用需求及产品自身的必要元素进行产品应用层面的设计工作。
整体设计：一款数据产品可能根据用户类型或者业务划分，拆分成若干个子系统。项目负责人及产品经理需要从需求全貌进行思考，进行整个产品的结构设计以及功能划分。
撰写PRD：产品经理根据“整体设计”进行具体的应用功能的设计，撰写PRD——《产品需求文档》。
制作产品原型：产品经理根据产品设计文档制作低保真产品原型，就《产品需求文档》及产品原型与项目负责人进行讨论，由项目负责人进行设计方案的确认。
视觉设计：设计师就《产品需求文档》进行产品的视觉设计，交付视觉设计稿。在时间允许的情况下，产品经理根据设计稿对低保真产品原型进行优化。
3) 设计整合
通过数据需求串联数据线和应用线，梳理什么模块需要展示什么数据以及如何进行展示。设计师根据《数据可视化设计初稿》进行数据可视化的具体设计。到此，整个产品的设计工作基本完成。
完成整个产品设计工作后，产品经理向项目负责人汇报，待项目负责人确认整个设计方案后，进入开发阶段。
3. 尾记
整个数据产品的设计工作是一个比较复杂的团队型工作，需要整个团队良好的沟通协作以及个人优秀的专业能力。各个阶段各类角色的技能都值得详细讲述。本文只是宏观地对整个数据产品的设计过程进行描述。
