企业内部产品中，按职能范围划分，可以分为平台型和业务型，其中具体的职责分配视公司的数据架构而定。但万变不离其宗，平台型主要是建设底层计算平台和通用工具，业务型更多的偏重于结合业务的 BI 系统和报表工具。如阿里的 Onedata 就是一个集团的数据平台，集数据规范化定义，数据计算存储和用户标签等为一体。而天猫可能就会利用这套系统自己搭建一套业务型的数据平台，并利用 Onedata 提供的数据标签对自身的用户做精准营销。

按内容划分，则主要可划分为分析类和策略类。分析类主要是商业 BI 方向，包括了数据采集清洗，计算存储，展现和分析部分。大公司会特意把这些模块区分出来，再单独招人。入行时可选择某一个细分领域开始切入，但要把握全局，注意数据全链条的使用。BI 的类型也因部门而异，举例说说明有数据基础建设部门，销售分析部门，产品分析部门，供应链分析部门。部门的重要性视公司自身的业务特点而定，这个和其他岗位的选择逻辑是类似的。策略类的方向较多，对专业能力和职场经验要求也比较高。常见的有搜索推荐，风控和反作弊，精准营销和用户画像。这些有时候会有部分或全部不划在数据部门下面，但都需要比较规范的数据基础，以及着重与利用数据分析调整产品策略。

做企业内部产品，有些点必须提前注意。这些点与文首的两个特点息息相关。

数据质量非常重要。 因此对应的数据采集，清洗方案都必须慎重。

数据价值取决于高层， 所以挑个了解数据并愿意投入精力的公司非常重要。这一点大概可以通过面试过程中，公司在数据方面人才的投入程度看出一二。如果说我们什么都没有，只是差个数据工程师/分析师/产品经理，同学，还是得三思啊。

受关注度不高： 毕竟数据不是实际业务，无法直接对前线数据产生影响。在关注度和资源倾斜力度上，与一线部门肯定有所区别。这一点包括下面会提到的临时需求繁多纷乱，都与 数据价值体现在使用者手里 密不可分。

临时需求繁多纷乱 ：既然价值体现在使用者手里，则意味着部门会与你有很多亲密接触的机会。这些需求大多数属于碰到某些情况意外需要了解某些数据，而且往往会打乱自己的产品规划。

基于以上情况，这要求从业人员得有几个素质：

首先是 数据产品本身具备的专业能力 ，如数据资产管理，数据可视化，数据分析等。

其次是 对业务的敏感度 。在企业内部，需要靠业绩说话。你界面做的再漂亮，分析功能做得再完善，如果对业务起不了与投入相匹配的促进作用，就不是一个成功的内部产品。

其次是 比较好的需求管理能力 ，如果这块没把控好，很容易就被如滔滔江水的临时需求给淹没。 最合适的方法是“长中短结合”，紧急的需求先满足，同时不能忽视 数据 平台的建设，抽象出来一个面能满足一个个散落需求的点。

最后，需要有比较好的内部 PR 能力。 这与 数据价值比较隐性，很多与业务表现没有直接关联 有关。所以一方面你需要将数据分析的知识和技能在内部推广，另一方面也需要将数据成功案例对外宣传，树立起大家用数据说话的习惯和信心。