《大数据时代》书中写到大数据产品是以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的信息或深刻的见地。因为数据本身是没有价值的，只有数据分析师从数据中挖掘出有用的信息，大数据才被赋予了真正的“生命”，才能被称为一种产品。
一、大数据产品设计的两个基本原则：
1、精确：数据只有精确才能让人信服
2、易用：产品只有易用才能让人更方便去挖掘有用的信息，才能体现价值
二、大数据产品的用户
1、狭义：数据分析师和数据科学家
2、广义：产品经理、市场专员、营销经理、机器学习专家、管理层都具有大数据分析的需求
大公司有专门的大数据产品部门，小公司和个体商户（淘宝店主等）可以使用第三方的数据产品（比如友盟、数据魔方等）。
三、大数据产品长什么样？
不同职位、不同技能的用户需要不同交互形式的大数据产品。
管理层：提供可视化数据报表，帮助管理层利用其大脑和经验 做决策；
市场/营销专员、产品经理：提供小型数据库表/olap cube，将数据导入excel后完成数据分析工作；
初级数据分析师：设计更专业的数据仓库/数据库表，利用sql、r完成数据分析；
高级数据分析师、机器学习专家：开发大数据平台的数据接口api，利用平台的超计算力进行数据挖掘。
处在表格越下方的产品包含的数据量越大，使用难度越大，产品的用户也越专业。准确地说，提供大数据平台接口api才是真正的大数据产品，其他三种只能算是“小数据”或“类大数据”。但在实际工作当中，一般的数据产品都会包含以上这四个层次，以便于不同层次的各类用户使用。
不过，一个完整的大数据产品不仅仅只有产品的交付形式，背后往往具备一个架构在平台之上的大数据流水线。以可视化大数据报表为例，至少具备五个部分：
获取用户行为的原始数据
上传和处理用户大数据（将“大数据 ”分解为“小数据 ”）
存储大数据（不同层级的数据如何存储）
设计大数据的交互方式（针对不同的用户层次）
数据精确度管控（数据不精确就没有可信度，最核心环节）
任何层级的数据产品都需要具有一定技术难度的数据流水线支撑，流水线的维护、开发就是大数据团队的日常工作。