第1章 数据产品原型设计概述

1.1 数据产品原型设计的定义

数据产品原型设计，是指在正式编码之前，通过可视化模型将业务需求转化为数据链路、交互界面与分析逻辑的工程过程。它不是简单的“画页面”，而是围绕用户场景、业务问题、需求拆解、方案表达、指标验证、验收标准、交付物模板七个环节的结构化表达。

以电商用户画像平台为例：运营团队希望在大促前快速圈选“高购买力但近期沉默”的用户。业务问题清晰，但直接跳入开发往往导致标签体系混乱、查询响应慢、分群逻辑不可复用。原型设计的作用就是在动手写代码之前，用低保真模型把标签管理、圈选配置、画像看板串联起来，让业务方、数据工程师、产品经理在同一张图上对齐预期。

1.2 核心价值

数据产品原型设计在团队协作中承担“翻译层”角色——把模糊的业务诉求翻译成可执行、可度量的工程方案。其核心价值体现在五个方面：

1. 降低认知鸿沟：业务方看到的是“圈人”，开发看到的是“标签组合SQL”，原型让双方在视觉层面达成一致。
2. 提前暴露风险：数据链路不通、口径冲突、指标定义模糊等隐患，在原型阶段就能被识别，规避开发返工。
3. 量化需求边界：通过原型中的字段定义、过滤条件、响应时间等元素，把“大概需要”变成“精确要什么”。
4. 沉淀复用资产：原型组件、数据字典、验收清单可直接迁移到同类产品，减少重复设计。
5. 加速决策对齐：原型驱动的评审会，参会者围绕具体界面和数据流讨论，而非抽象需求文档，决策效率提升50%以上。

1.3 交付物类型

数据产品原型阶段产出的交付物，按抽象→具体层级可分为四类。每类交付物服务于不同的决策与执行环节：

1.4 真实案例：电商用户画像平台原型设计启动

场景背景：某头部电商平台运营团队在大促筹备期，需要从数亿用户中圈选出“高购买力（客单价＞500元）且近30天未活跃”的人群进行精准触达。现有系统仅支持20+预制标签，圈选响应耗时超过30秒，且无法自定义组合逻辑。

需求拆解（原型阶段核心产出）：

数据字典片段（JSON Schema 格式）：

{
  "tagName": "high_value_silent_30d",
  "displayName": "高价值沉默30天用户",
  "category": "用户价值",
  "dataType": "boolean",
  "computeRule": "订单金额中位数 > 500 AND 最近活跃距今 > 30天",
  "refreshFreq": "daily",
  "expectedCoverage": "≥8%",
  "status": "active"
}