数据产品（data product）在大数据与人工智能智能时代有很多定义，比较倾向的是：通过使用数据方便最终目标实现的产品。在该定义中，避免了简单的将数据产品与解决问题的方案等同起来。如淘宝数据魔方、百度指数、站长统计平台等都是数据产品。由于数据产品的特殊性，在设计数据产品的时候通常有很多的误区，其中之一是过分依赖高深的算法和客观的机器纪录与机器学习等。
作为数据工程师，通常具有严谨的精神，在面临实际问题的时候，总是希望先找到一种适合的算法、模型、机器学习方案，但是，通常情况下，这个需要投入很多资源才能实现。有个案例是研究餐馆的餐桌的使用率与环境变量的关系，如果采用建模的方式，需要人脸识别、机器学习等高深的数据工具，但是，采用人工的方法，进行餐桌时间的纪录，既在设计前期避免了巨大的投入，又能够对可能的假设进行验证，以方便形成后期数据产品设计的可行方案。另外一个著名的案例是Facebook的朋友推荐模型，如果采用数据模型与算法，估计会非常复杂，在研究的早期采用人工的办法，找到了最为简单的办法，其实背后所依据逻辑非常简单，如果甲与乙是朋友，乙与丙是朋友，则，有可能甲与丙是朋友，背后的算法非常简单，对Facebook朋友圈的扩大起来很重要的作用，到现在为止，Facebook仍在使用该系统，笔者在最近在Facebook交了一位俄国朋友，结果，Facebook最近把该先生的 几乎所有朋友全部推荐过来了。机器与人在数据产品设计最初的表现见下图，在最初时候，使用人工能够节省工作时间与工作投入。
总之，数据产品设计的时候，不要完全依赖机器与算法，需要从最早想要实现的目标来布局，避免走入胡同中，浪费大量的投资，当产品的初设成熟之后，再进行算法、机器学习的产品设计阶段。