大数据时代的特种兵——阿里数据产品团队
阿里巴巴集团在 2012 年设立首席数据官岗位（CDO），并成立了数据平台事业部，负责推进数据分享平台战略。在数据平台事业部，有一支十几人的小团队，把自己定义为特种部队， 以普及大数据为自己的使命，数据魔方、淘宝指数、淘宝时光机，这些外界熟知的产品都出自于这个团队之手——阿里数据平台事业部数据产品团队。
数据产品团队的前世今生
早在“平台、金融、数据”三步战略提出之前，阿里就已经在探索数据的玩法。数据魔方的最早需求，来自于某个超大的品牌商希望能查看淘宝平台上的行业综合数据，开发团队发现这样的产品对淘宝上的所有卖家更有价值，于是数据魔方就诞生了。
数据魔方早在 2010 年就正式发布，成为阿里巴巴首次对外开放商业数据的产品。淘宝魔方为淘宝平台上的卖家提供类目行业数据，帮助卖家实现数据化经营，因此在发布之后就快速积 累了数十万的卖家用户，成为了一个具备持续影响力的产品。数据产品团队也顺理成章的正式组建，团队定位于基于阿里巴巴海量的商业数据，对外部用户提供数据 产品与服务。
团队接下来的产品是淘宝指数，淘宝指数是一款的免费数据分享平台，是方便淘宝卖家了解淘宝搜索热点、购物趋势、定位消费人群，研究细分市场的工具，同时也是第三方研究人员甚至买家研究淘宝数据的良好助手。
2012 年双 12，数据产品团队推出了淘宝时光机，通过对用户行为深度挖掘，结合情感化与可视化的产品手段，淘宝时光机产生了轰动性的社会反响。
大数据是当代最富科幻质感的领域
大数据是非常广阔的领域，就在阿里巴巴内部，也有不同层面、不同团队在做大数据相关的事情。如何在这样的大环境下，找到数据产品团队的核心竞争 力？数据产品团队负责人玄澄认为，数据产品的价值，一是把目前已经发生的事情，通过数据展现出来，开拓人们的视野，增强人们对周围世界的认知。
现在数据产品团队既有数据魔方这样商业性的产品，也有淘宝时光机这样充满趣味性，但是不盈利的产品。在淘宝时光机成功之后，团队有大半年的时间 在摸索新的方向，有几个产品立项但最终被放弃，最终找到了一个重磅级的神秘武器，会面向品牌商进一步展现数据的商业价值。这个产品被玄澄评价为是透过互联 网大数据增强人们商业认知的巅峰产品，比如可以查询淘宝平台上购买某品牌化妆品的区域分布，那么在线下开一个化妆品店面的选址就会非常精准。
玄澄认为，相对于其他业务或者产品来说，数据产品是一个巨大的、不受限的新领域，数据产品可以服务于卖家、也可以服务于中小企业提供经营决策、 也可以服务于消费者提供消费指导，甚至政府机关。数据产品的形态也是不受限制的，未来的数据业务和产品形态逐渐的成熟和壮大后，一定会细分出很多不同的细 分的数据产品类型。
玄澄同时坚信，数据产品还有着第二个更巨大的价值，那就是预测未来的发展趋势，大数据是当代最富科幻质感的领域，用数据预知未来是自己的终极使 命。对大数据的商业化应用，所有一线的互联网企业都想做、在做，也有很多创业公司在做，但阿里巴巴手握这个星球上最大的消费者在线数据库，拥有行业中最有 价值的在线商业数据，这些数据需要以最领先的数据技术做引线，用丰富的想像力去点燃，将引爆这个时代最炙热明亮的火焰。
玄澄认为，目前第二个领域还是比较空白的，这样的领域需要创新和探索，需要自由和灵活的玩法，有更多的想象空间。团队遇到的挑战就是数据产品与技术的创新，怎样挖掘数据中的价值，探索新的大数据商业模式，推动大数据突破临界点，是数据产品团队面对的最大挑战。
能前能后，还能移动
为了迎接大数据的技术挑战，数据产品团队把自己定义为大数据时代的特种兵，并且建立了一支技术上从前到后的全功能团队，技术特点就是“能前能后，还能移动”。
数据产品是国内最早将 Node.js 应用于商业产品的团队，团队中的苏千、朴灵是国内 Node.js 界最有影响力的工程师，团队多名成员活跃在 Node 社区，通过组织社区活动、撰写 Node 技术书籍等方式，积极促进 Node.js 在国内的发展。团队还用了两年的时间，让阿里的技术平台上大部分基础服务都能支持到 Node.js。
数据可视化是数据产品的比较重要的能力，团队同时也是行业内最领先的数据可视化团队之一，通过开源 datav.js 前端数据可视化组件库，维护 datavlab.org 数据可视化专业站点等方式，推动数据可视化在产业界的认知与应用。
同时由于要做“未来”的产品，所以需要更多创新思维的人，用玄澄的话说，就是不走寻常路。数据产品团队现在的成员，也是各具特点，不仅有 Fawave 作者苏千、《深入浅出 Node.js》作者朴灵这样的技术高手，也有文科、建筑专业出身半路转行的，还有两个中学时代的黑客，一个曾经的国家二级运动员、上海市射击冠军。团队 成员既有慕名而来，也有通过各种渠道推荐、挖掘来的，但即使用了各种方法招人，仍然远远不够用，web 开发、移动互联网开发、算法工程师、数据开发工程师，个个都需要，当然，在技术本身之外，对数据的敏感与理解能力也是非常重要的。