本案例依原書 Fig. 1.1 相鄰正文中的 Fitbit Example 整理。
作者用 Fitbit 解釋 Data Product：資料與演算法組合成產品，產品被使用時又產生更多資料，再反過來創造更多價值。
Fitbit 收集活動與睡眠等資料，轉化為使用者可以理解的 insight，讓使用者回答「今天活動量夠不夠？」「睡眠狀況如何？」並可能改變行為。
| 階段 | Fitbit Example | 價值形式 |
|---|---|---|
| Data Capture | 活動／睡眠等感測資料 | 建立個人行為資料 |
| Algorithm | 將原始資料轉成可理解結果 | 產生 Insight |
| User Question | 活動是否足夠？睡眠是否良好？ | 支持自我決策 |
| Behavior | Insight 影響使用者行為 | 形成實際價值 |
| Feedback Loop | 持續使用再產生新資料 | Data Product 自我強化 |
可用 Feedback Loop Diagram，追蹤 Input Data → Model Output → User Action → New Data。AI 可協助整理回饋路徑，但不能憑空創造原書未提供的 Fitbit Algorithm 或效果數字。
原書沒有 Fitbit 使用者數、健康改善率或商業收入數字，因此本案例不做量化成效推算。
Data Product 的關鍵不只是把資料「報告出來」，而是產品在使用中持續取得資料並形成新的 insight。這種循環可使資料本身成為經濟引擎。
請依 Fitbit 例子畫出 Data Product feedback loop，區分原始資料、算法輸出、使用者決策與新生成資料；不要補原書未提供的健康成效數字。