大数据产品经理如何极速撰写PRD

本文撰写的数据产品经理的PRD不是埋点、也不是统计数据、也不是常见的数据产品PRD。如果以数据量大小来衡量本文的PRD讲的是产品经理面对TB级以上数据时候的产品（1TB=1024GB，1GB=1024MB*1024MB, 1条日志=1KB）。

时下和未来TB级以上的大数据场景下的产品将是主流产品。

时下这类PRD的应用场景主要代表产品有阿里云产品、腾讯云产品、第四范式产品、VIVO/OPPO产品的大数据平台部门等等，

以大数据治理和大数据计算为生的数据平台类产品，所以叫纯粹大数据产品经理的PRD。
首先大数据产品经理PRD和用户画像、推荐系统类PRD的区别。

虽然用户画像和推荐系统也是以数据为基础的产品，有的推荐系统甚至经过AI赋能。但是不属于本文讲的大数据产品。原因如下：

1）用户画像产品

用户画像： User Profile用户画像是通过搜集和分析用户行为喜好、静态属性信息和消费习惯信息等数据，将用户的特征信息抽象化的进行展示。用户画像是将用户信息的可视化表示，可以理解为用一系列用户标签对用户特征进行简短生动的描述。用户画像的标签表征用户的兴趣、爱好、习惯特点，为标签计算权重来表示用户对标签特征的需求程度，使用户的特征得到量化。

2）推荐系统

推荐系统有很多中，其中有一种是用户画像的用处，即利用用户画像做个性化推荐、广告推荐、活动推荐、内容推荐等。

3）用户画像产品和推荐系统产品实际上是本文所讲的数据平台产品的应用

我们看如下图：

上图可见：用户画像是本文所撰写PRD产品的一种应用，推荐系统是用户画像产品的一种应用。三者关系是：先有本文所撰写的大数据产品，然后是构建用户画像，再则是做推荐系统。

其次撰写大数据产品PRD的步骤
步骤一）：大数据产品的产品用户定位

由于大数据产品属于底层基础性产品，故此PRD的用户是数据管理员、数据开发工程师、数据分析师、数据科学家。

步骤二）：大数据产品的产品总体架构

产品基础是硬件层，用来做数据的计算和治理；再往上是数据计算引擎层，引擎框架层负责日志采集、集群管理、调度、监控告警、故障容错等；再往上是平台产品层，主要做BI、AI机器学习和管理中心；再往上是业务应用层，即智能决策、智能营销等，详情如下图：

步骤三)： 大数据产品的产品功能策划清单

大数据产品PRD功能主要写清楚3件事，第一件事是数据如何集成、第二件事是数据如何处理计算、第三件事是数据如何输出给与应用。功能清单类似如下图所示：

步骤四）：功能需求详细描述

PRD中核心的部分是对功能的清晰释义。

例如：大数据产品中对数据源管理功能的描述，数据源管理是DM所处理的数据的来源管理，包括数据库、数据仓库、接口、IoT、文件等各种类型的数据源。在数据集成中可以选择使用，在数据管理中可以预览数据。

例如：数据源连接功能描述：数据源连接管理是通过连接实时动态访问外部数据源的方式。数据源连接配置支持数据库、大数据或数据仓储类、接口、IoT，数据源连接是大数据管理平台基础通用能力。使用角色为普通用户。

例如：数据源连接-数据库功能描述：通过平台访问/读取外部数据库的连接管理。支持连接RDB、NOSQL类型的数据库。

常常在PRD里面还需要配以用户界面如下图示例：

步骤五）数据集成的功能定义

数据集成功能描述：数据集成是提供多源异构数据源之间的数据高速稳定的数据迁移和同步功能。

至此一份大数据平台级产品的PRD主要核心功能算是示意完毕，剩下的就是撰写一些非功能性需求，例如：界面操作的交互规则、性能需求等。

第三：最后大数据和AI的关系

从策划大数据平台产品步骤二里面的产品架构就可以看出，大数据是用户主动产生的浏览行为等数据和被动产生的例如被摄像采集的数据，数据有规范的链路的格式，也有图片等文件格式，在把非链路的图片格式文件处理成链路格式的数据需要用AI，例如，用AI的图片识别能力提取图片里面的信息，像用AI提取拍照的发票，AI可以自动提取发票中的金额等关键信息。所以AI和大数据是相互帮助的关系。

最后，本文主要讲了非普通PRD的撰写，以极简的文字描述了大数据产品PRD的撰写步骤，一方面是为了满足市场上大数据产品经理渴望大数据产品设计文档的需求，另外一方面用极简的步骤撰写大数据产品PRD是为了给读者留下更深刻的思考空间。更多的大数据和AI产品经理的内容，下一篇会继续撰写，期待读者都能极速撰写一份大数据产品PRD。