優(yōu)秀的數(shù)據(jù)產(chǎn)品都有哪些？
1. 用戶數(shù)據(jù)產(chǎn)品
在三類數(shù)據(jù)產(chǎn)品中，用戶數(shù)據(jù)產(chǎn)品是普通用戶接觸最多也是最容易的一類，因此，我們先從用戶數(shù)據(jù)產(chǎn)品講起，為大家展現(xiàn)數(shù)據(jù)產(chǎn)品的獨(dú)特魅力。
根據(jù)數(shù)據(jù)來源，可將用戶數(shù)據(jù)產(chǎn)品細(xì)分為指數(shù)型、統(tǒng)計(jì)型和生活型。這三類產(chǎn)品的區(qū)別見表1-1。
下面針對(duì)三類用戶數(shù)據(jù)產(chǎn)品進(jìn)行具體介紹。
1.1 指數(shù)型
指數(shù)型數(shù)據(jù)產(chǎn)品一般由企業(yè)利用自己的數(shù)據(jù)提煉出相應(yīng)觀點(diǎn)和洞察趨勢(shì)，提供給用戶分析使用，如Google Trends、百度指數(shù)、微指數(shù)等。這些企業(yè)往往自身擁有非常龐大的用戶數(shù)據(jù)，可以據(jù)此得出整個(gè)社會(huì)群體對(duì)某個(gè)領(lǐng)域的關(guān)注度。
指數(shù)型數(shù)據(jù)產(chǎn)品的設(shè)計(jì)精髓是“比較”，通過比較各種關(guān)鍵詞在不同區(qū)域和不同時(shí)間段內(nèi)的出現(xiàn)頻次，形成熱度的高低演化。Google會(huì)先將某關(guān)鍵詞搜索次數(shù)除以與之相關(guān)的地域和時(shí)間段內(nèi)的總搜索次數(shù)，實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化，落在0～100的區(qū)間內(nèi)。同時(shí)Google會(huì)過濾掉由少數(shù)人發(fā)起的搜索請(qǐng)求、重復(fù)搜索和一些特殊字符，以保證指數(shù)的呈現(xiàn)質(zhì)量。可以看到，指數(shù)并非全面反映搜索情況的鏡子，它更多是一個(gè)抽象的描述。這和我們常見的上證指數(shù)是類似的概念，上證指數(shù)并不能反映全部市場(chǎng)的表現(xiàn)情況，但能比較概括地說明當(dāng)前市場(chǎng)的走勢(shì)。
在百度指數(shù)里，用戶甚至能看出某個(gè)搜索詞的來源和去向，了解搜索用戶的一些興趣特征。通過這些工具，用戶可以一窺行業(yè)走勢(shì)，對(duì)市場(chǎng)調(diào)研、產(chǎn)品分析也有一定用處。甚至，Google在2009年曾經(jīng)推出根據(jù)搜索詞預(yù)測(cè)流感的案例，識(shí)別速度比當(dāng)時(shí)美國(guó)的疾控中心更加快速，一時(shí)間被引為大數(shù)據(jù)浪潮的明星例子。雖然后來預(yù)測(cè)效果有所下降，但始終不失為一個(gè)優(yōu)秀的參考，幫我們了解如何用這些身邊觸手可及的數(shù)據(jù)信息更好地認(rèn)知這個(gè)復(fù)雜的世界。
1.2 統(tǒng)計(jì)型
統(tǒng)計(jì)型與指數(shù)型產(chǎn)品相比，最大的差別是數(shù)據(jù)均來自外部采集，然后經(jīng)過企業(yè)內(nèi)部整理呈現(xiàn)。這些產(chǎn)品往往可以供用戶免費(fèi)試用，同時(shí)有商用版本。目前國(guó)內(nèi)外的統(tǒng)計(jì)型產(chǎn)品種類多樣、方便易用，既有專注于企業(yè)融資信息及創(chuàng)始團(tuán)隊(duì)信息的，如企查查、IT桔子、美國(guó)的CrunchBase；也有重點(diǎn)分析互聯(lián)網(wǎng)產(chǎn)品用戶數(shù)據(jù)及下載數(shù)據(jù)的，如分析下載量和排名數(shù)據(jù)的七麥數(shù)據(jù)（原ASO100）、國(guó)外的SimilarWeb；還有提供政治、氣候、經(jīng)濟(jì)等統(tǒng)計(jì)分析數(shù)據(jù)的，如Tradingeconomics網(wǎng)站，它展示了各個(gè)國(guó)家每年的通貨膨脹率、GDP等宏觀經(jīng)濟(jì)數(shù)據(jù)。
統(tǒng)計(jì)型數(shù)據(jù)產(chǎn)品的關(guān)鍵是可靠的數(shù)據(jù)源和數(shù)據(jù)清洗。一般來講，數(shù)據(jù)源都來自網(wǎng)絡(luò)爬蟲或者統(tǒng)計(jì)模塊（SDK或插件）植入，前者存在一定的法律風(fēng)險(xiǎn)，且有數(shù)據(jù)容易臟亂的問題；后者獲客難度較大，好處是能拿到比較優(yōu)質(zhì)的數(shù)據(jù)。
1.3 生活型
生活型數(shù)據(jù)產(chǎn)品是收集用戶自身數(shù)據(jù)并進(jìn)行一定程度的歸類、分析與可視化的產(chǎn)品。數(shù)據(jù)對(duì)于公司來說，作用是通過統(tǒng)計(jì)分析來提升效率和節(jié)約成本；數(shù)據(jù)對(duì)于個(gè)人來說，則可幫助人們量化并提升自己的生活品質(zhì)。這種產(chǎn)品可以大致分為記賬類、運(yùn)動(dòng)類、天氣類、時(shí)間管理類、信息記錄類、機(jī)器信息類等。這些產(chǎn)品早期只是簡(jiǎn)單記錄和統(tǒng)計(jì)，使用起來大多比較煩瑣，而隨著技術(shù)越來越成熟，此類產(chǎn)品慢慢地朝著智能化、便捷化和游戲化三個(gè)方向發(fā)展。
數(shù)據(jù)行業(yè)早期有BI（Business Intelligence，商業(yè)智能）的說法，專為商業(yè)服務(wù)。隨著各項(xiàng)技術(shù)的成熟，數(shù)據(jù)產(chǎn)品在用戶端應(yīng)該有更好的應(yīng)用前景和表現(xiàn)，做到普惠的DI（Data Intelligence，數(shù)據(jù)智能）。有時(shí)候一個(gè)簡(jiǎn)單的改進(jìn)，就可以給用戶帶來極大的便利和價(jià)值。
當(dāng)然，其中也隱含著諸多問題，比如數(shù)據(jù)安全和數(shù)據(jù)隱私。從書中詳細(xì)的例子也可看出，只要簡(jiǎn)單知道用戶的GPS定位，就能推斷出他的生活習(xí)慣和職業(yè)內(nèi)容等。數(shù)據(jù)是把“雙刃劍”，如何做到便利性與用戶隱私之間的平衡，是個(gè)非常艱深的命題，希望業(yè)內(nèi)將來可以有比較完善的解決方案。
2.商用數(shù)據(jù)產(chǎn)品
商用數(shù)據(jù)產(chǎn)品，即由企業(yè)或個(gè)人開發(fā)，提供給外部企業(yè)使用的，具備數(shù)據(jù)采集、計(jì)算、存儲(chǔ)、展示和分析等功能的產(chǎn)品。 隨著社會(huì)分工日益細(xì)化，這類產(chǎn)品在國(guó)內(nèi)外逐漸增多，從最早期的Webtrends、Omiture，到后來的Mixpanel、Amplitude，再到最近一兩年在國(guó)內(nèi)名聲漸起的GrowingIO等，不一而足。
值得一提的是，國(guó)外在商用數(shù)據(jù)產(chǎn)品的分類上已經(jīng)做得非常細(xì)致，在數(shù)據(jù)鏈條的每個(gè)環(huán)節(jié)都有大量企業(yè)競(jìng)爭(zhēng)，導(dǎo)致整個(gè)行業(yè)分布非常碎片化和廣泛。而因?yàn)閲?guó)內(nèi)外的企業(yè)市場(chǎng)成熟度等方面的差異，目前國(guó)內(nèi)尚處于行業(yè)的起步階段。
2.1 商用數(shù)據(jù)產(chǎn)品之分類
從圖1-5及圖1-6中可以看到目前商用數(shù)據(jù)產(chǎn)品的具體分類及領(lǐng)域中的相關(guān)產(chǎn)品。它們可分為數(shù)據(jù)分析師平臺(tái)（Data Analyst Platforms）、數(shù)據(jù)科學(xué)平臺(tái)（Data Science Platforms）、機(jī)器學(xué)習(xí)（Machine Learning）產(chǎn)品、BI平臺(tái)（BI Platforms）、Web/移動(dòng)端/交易分析（Web/Mobile/Commerce Analytics）、可視化產(chǎn)品（Visualization）、社交分析（Social Analytics）和數(shù)據(jù)源產(chǎn)品（Data Source，在下圖中并未標(biāo)識(shí)）等8個(gè)類型。分類角度可以多樣，這里提供其中一種以供讀者參考。
數(shù)據(jù)分析師平臺(tái)定位于數(shù)據(jù)科學(xué)家和分析師，正如Alteryx的CEO喬治·馬修對(duì)Alteryx的定位一樣：
讓分析師和數(shù)據(jù)科學(xué)家能夠在一個(gè)平臺(tái)上就完成數(shù)據(jù)輸入、建模及數(shù)據(jù)圖形化，而且使用簡(jiǎn)便，用戶界面美觀，用戶體驗(yàn)比市面上的統(tǒng)計(jì)分析軟件都要好。數(shù)據(jù)分析師們要完成這些工作可能需要用到兩三個(gè)獨(dú)立的產(chǎn)品，但是用它就可以一站式全部搞定，無須其他任何軟件。
這類產(chǎn)品的特點(diǎn)是集合了數(shù)據(jù)清洗（不包括采集）到數(shù)據(jù)展示、數(shù)據(jù)挖掘等近乎全鏈條流程，數(shù)據(jù)工作者可通過該類平臺(tái)一站式解決所有問題。
數(shù)據(jù)科學(xué)平臺(tái)則只專注于提供各種數(shù)據(jù)挖掘及算法工具，不像數(shù)據(jù)分析師平臺(tái)有專門的人群定位及整合式平臺(tái)，因而靈活性更強(qiáng)，算法更強(qiáng)大，如SAS和MathWorks。與之對(duì)比，機(jī)器學(xué)習(xí)產(chǎn)品更專注于機(jī)器學(xué)習(xí)領(lǐng)域的研究和應(yīng)用。
BI平臺(tái)專注于數(shù)據(jù)清洗、展示和應(yīng)用環(huán)節(jié)，定位于通過商業(yè)智能的方式，使企業(yè)內(nèi)各個(gè)環(huán)節(jié)提高效率和降低成本。數(shù)據(jù)來自業(yè)務(wù)數(shù)據(jù)庫(kù)、Excel等線下數(shù)據(jù)、云服務(wù)商等第三方數(shù)據(jù)接口，不一而足。國(guó)外最知名的產(chǎn)品莫過于在2019年被Google以26億美元收購(gòu)的Looker公司。圖1-7介紹了Looker的工作模式，從連接數(shù)據(jù)源，到自動(dòng)生成數(shù)據(jù)模型，然后改進(jìn)模型以適應(yīng)公司獨(dú)特的指標(biāo)和商業(yè)邏輯，到最后建立基礎(chǔ)KPI看板和部門看板，讓用戶基本做到自給自足。
Web/移動(dòng)端/交易分析是互聯(lián)網(wǎng)從業(yè)者接觸最多的商用數(shù)據(jù)產(chǎn)品類型，更關(guān)注于互聯(lián)網(wǎng)產(chǎn)品本身的分析，而BI平臺(tái)雖然也會(huì)部分涉及產(chǎn)品分析，但其服務(wù)對(duì)象一般包含企業(yè)各個(gè)部門，如提供針對(duì)財(cái)務(wù)部門或者人力資源部門的分析模塊，這是前者不會(huì)提供的內(nèi)容。國(guó)外比較知名的產(chǎn)品有Google Analytics和Mixpanel等，國(guó)內(nèi)就是早期的百度統(tǒng)計(jì)、CNZZ和友盟統(tǒng)計(jì)（現(xiàn)已被阿里收購(gòu)，改名為友盟+），后期的GrowingIO和神策數(shù)據(jù)等。產(chǎn)品形式多為端到端的分析，從數(shù)據(jù)采集、分析到展示所有環(huán)節(jié)都會(huì)囊括進(jìn)去。
可視化產(chǎn)品就很好理解了，見名知義，這類產(chǎn)品都專注于數(shù)據(jù)的可視化部分。最知名的可視化產(chǎn)品是長(zhǎng)期霸占Gartner Data榜單第一名的Tableau，Tableau公司也是目前主打可視化產(chǎn)品的上市公司中市值最高的。它在2019年被Salesforce以157億美元收購(gòu)。從行業(yè)發(fā)展來看，BI平臺(tái)和可視化產(chǎn)品與客戶豐富、資源強(qiáng)大的To B企業(yè)合作是個(gè)大趨勢(shì)，如微軟擁有Power BI，阿里巴巴有友盟+和數(shù)加，Salesforce收購(gòu)Tableau，谷歌很早就推出了Google Analytics，2019年又收購(gòu)了Looker。與之對(duì)應(yīng)的是，Domo作為一個(gè)曾經(jīng)備受好評(píng)的公司（1.6節(jié)會(huì)專門介紹），上市前估值曾高達(dá)20億美元，2018年6月于納斯達(dá)克流血上市，2019年12月市值僅剩下6.43億美元，算是此趨勢(shì)的一個(gè)反面例證。
社交分析產(chǎn)品則主要是利用市面上已有的社交產(chǎn)品數(shù)據(jù)進(jìn)行分析并得到公關(guān)輿情、社交情緒等方面的結(jié)果。數(shù)據(jù)源產(chǎn)品則是利用應(yīng)用商店、自有SDK或者運(yùn)營(yíng)商數(shù)據(jù)，進(jìn)行清洗、挖掘和整合后，單獨(dú)售賣的商用數(shù)據(jù)產(chǎn)品，國(guó)內(nèi)的Questmobile即為此類。
2.2 商用數(shù)據(jù)產(chǎn)品之挑戰(zhàn)
商用數(shù)據(jù)產(chǎn)品作為To B市場(chǎng)一個(gè)很大的組成部分，在比較成熟的美國(guó)市場(chǎng)發(fā)展得如火如荼。近年來這種趨勢(shì)漸漸蔓延到了中國(guó)市場(chǎng)，在2019年伴隨著數(shù)據(jù)中臺(tái)概念的大熱，商用數(shù)據(jù)產(chǎn)品更是如雨后春筍，比比皆是。不同類型的商用數(shù)據(jù)產(chǎn)品有其特定的市場(chǎng)和產(chǎn)品特征。我們這里以國(guó)內(nèi)常見的Web/移動(dòng)端/交易分析類產(chǎn)品和偏產(chǎn)品分析的BI平臺(tái)為例，來研究下商用數(shù)據(jù)產(chǎn)品目前面臨的挑戰(zhàn)和抉擇。
首先，企業(yè)市場(chǎng)產(chǎn)品不可避免地要在平臺(tái)型和項(xiàng)目型間游走。要想以低成本擴(kuò)充用戶群體，獲得更高價(jià)值，必然得走通用型產(chǎn)品的路子。但企業(yè)與消費(fèi)者不同，需求計(jì)劃性及業(yè)務(wù)特性較強(qiáng)，通用型的產(chǎn)品往往不能滿足其需求。為了滿足這些大客戶，并在競(jìng)爭(zhēng)中獲勝，企業(yè)可能慢慢滑向定制化，變成高科技外包公司。對(duì)于數(shù)據(jù)產(chǎn)品來講尤其如此，不同行業(yè)的公司，甚至一個(gè)行業(yè)的不同公司，對(duì)數(shù)據(jù)的需求也會(huì)千差萬別。舉例來講，同樣是O2O的餐飲行業(yè)，美團(tuán)外賣和回家吃飯關(guān)心的數(shù)據(jù)類別、分析方式有很大不同。而對(duì)于協(xié)作類、流程類產(chǎn)品來講，這種差異性可能沒那么大。
其次，數(shù)據(jù)的價(jià)值體現(xiàn)在使用者手里，不在數(shù)據(jù)產(chǎn)品身上。這點(diǎn)也和其他類企業(yè)產(chǎn)品不同。溝通類、協(xié)作類和流程類企業(yè)產(chǎn)品的價(jià)值體現(xiàn)在自身產(chǎn)品上，只要有人用了就有價(jià)值。而對(duì)于數(shù)據(jù)產(chǎn)品來講，更重要的是企業(yè)如何根據(jù)數(shù)據(jù)作出行動(dòng)。這要求企業(yè)本身具備濃厚的“用數(shù)據(jù)說話”的文化，并且能夠由上往下推動(dòng)此事進(jìn)展，而這不啻又一座大山。如果不能翻越這座大山，數(shù)據(jù)產(chǎn)品的價(jià)值就無法被客戶感知，從而導(dǎo)致產(chǎn)品黏性下降，客戶流失。
最后，因?yàn)閿?shù)據(jù)的安全性和重要性，此類公司價(jià)值存在一定的天花板。在未來的時(shí)代里，數(shù)據(jù)的重要性越來越大。馬云曾給阿里巴巴定下“五新戰(zhàn)略”，數(shù)據(jù)就是其中之一：新資源。公司但凡成長(zhǎng)到一定階段，具備挖掘數(shù)據(jù)的技術(shù)能力，都會(huì)開辟一個(gè)新戰(zhàn)場(chǎng)，好好挖一挖這種新時(shí)代的“石油”。而數(shù)據(jù)安全性也必然會(huì)引起擁有用戶隱私的企業(yè)（如銀行類、航空類公司）前所未有的重視?；谝陨蟽牲c(diǎn)，大公司勢(shì)必會(huì)選擇將數(shù)據(jù)緊攥在手心，成立團(tuán)隊(duì)獨(dú)自開發(fā)。這就限定了此類公司的目標(biāo)群體只能在中小型企業(yè)身上，成為此類型企業(yè)最明顯的邊界。在大型企業(yè)中，它們最合適的定位是作為企業(yè)數(shù)據(jù)戰(zhàn)略的補(bǔ)充者存在。
2.3 商用數(shù)據(jù)產(chǎn)品之機(jī)會(huì)
在高山地見攀登者，于遠(yuǎn)洋處有渡航人。盡管上文列出了一些挑戰(zhàn)，但這個(gè)行業(yè)之所以發(fā)展旺盛，自有它的迷人之處。
機(jī)會(huì)一，數(shù)據(jù)價(jià)值的廣泛性。相對(duì)于企業(yè)數(shù)據(jù)產(chǎn)品價(jià)值只局限于一個(gè)企業(yè)，商用數(shù)據(jù)產(chǎn)品則天然為更多的企業(yè)服務(wù)，既能對(duì)外輸出產(chǎn)品服務(wù)，提供商業(yè)價(jià)值，也能通過更多企業(yè)使用來發(fā)揮更大的數(shù)據(jù)價(jià)值。數(shù)據(jù)產(chǎn)品就像中世紀(jì)的騎兵，培養(yǎng)成型后縱橫沙場(chǎng)、威震四方，但一般國(guó)家承擔(dān)不起，因?yàn)榧葻o錢財(cái)人馬又無機(jī)制傳承。中小型公司因?yàn)槿藛T和精力的問題，并沒有機(jī)制和能力管理數(shù)據(jù)，更別談專業(yè)的數(shù)據(jù)分析。商用數(shù)據(jù)產(chǎn)品沖進(jìn)來后填補(bǔ)了這塊市場(chǎng)空白，解決用什么（What）和怎么用（How）的問題，以此將數(shù)據(jù)能力賦予中小企業(yè)。這如同提供可供雇傭的騎兵隊(duì)伍，幫助他們征戰(zhàn)沙場(chǎng)取得勝利，而騎兵的價(jià)值在這個(gè)過程中也被相應(yīng)地放大了。
機(jī)會(huì)二，數(shù)據(jù)需求的抽象性。如果旨在做一個(gè)通用的分析平臺(tái)，那么如何將多樣化的數(shù)據(jù)需求抽象成一個(gè)個(gè)產(chǎn)品就是關(guān)鍵。甚至可以針對(duì)不同行業(yè)、不同職位的人提供對(duì)應(yīng)的分析模板，以及有普適性的分析功能。商用數(shù)據(jù)產(chǎn)品要求產(chǎn)品本身要擁有較高的行業(yè)洞察力和理解能力，并將需求進(jìn)行更高一層的抽象。如果說企業(yè)數(shù)據(jù)產(chǎn)品的抽象是部門級(jí)或企業(yè)級(jí)的，那么商用數(shù)據(jù)產(chǎn)品的抽象就屬于行業(yè)級(jí)別。
機(jī)會(huì)三，數(shù)據(jù)需求的實(shí)現(xiàn)程度?？梢酝度氪罅烤﹂_發(fā)在企業(yè)數(shù)據(jù)產(chǎn)品中投入產(chǎn)出比較小的功能，如更智能、適應(yīng)性更廣的分析產(chǎn)品等。對(duì)數(shù)據(jù)相關(guān)的從業(yè)人員來講，它有著另外一個(gè)魅力：數(shù)據(jù)產(chǎn)品也開始注重產(chǎn)品設(shè)計(jì)和用戶體驗(yàn)。雖然這并不是此類產(chǎn)品成功的核心要素，不過也算是告別了企業(yè)數(shù)據(jù)產(chǎn)品“做出來你就得用”的時(shí)代，需要考慮數(shù)據(jù)如何以更便捷、更友好的方式展現(xiàn)給用戶。
隨著中國(guó)市場(chǎng)人口紅利的消失及勞動(dòng)力價(jià)格的上升，專注于提高企業(yè)效率的To B產(chǎn)品漸漸受到投資行業(yè)和眾多公司的關(guān)注。商用數(shù)據(jù)產(chǎn)品作為其中一員，亦將在這波浪潮中受益。如上文所提，此行業(yè)內(nèi)挑戰(zhàn)與機(jī)會(huì)并存，對(duì)比已經(jīng)發(fā)展成熟的美國(guó)市場(chǎng)，中國(guó)在優(yōu)秀的企業(yè)服務(wù)公司上還是一片空白。期待中國(guó)商用數(shù)據(jù)產(chǎn)品市場(chǎng)迎來豐收的一天。
3．企業(yè)數(shù)據(jù)產(chǎn)品
3.1 什么是企業(yè)數(shù)據(jù)產(chǎn)品
企業(yè)數(shù)據(jù)產(chǎn)品，由企業(yè)自建自用，主要目的是降低員工使用數(shù)據(jù)的門檻，輔助人員作出決策和提高業(yè)務(wù)效率。根據(jù)內(nèi)部定位，企業(yè)數(shù)據(jù)產(chǎn)品可再細(xì)分為應(yīng)用型和平臺(tái)型。
應(yīng)用型的企業(yè)數(shù)據(jù)產(chǎn)品專注于解決某個(gè)具體的業(yè)務(wù)問題或者部門問題，如客服數(shù)據(jù)監(jiān)控系統(tǒng)和建立在集團(tuán)平臺(tái)的事業(yè)部決策分析系統(tǒng)；而平臺(tái)型的目的就是為前者提供更好的支撐。
（1）企業(yè)數(shù)據(jù)產(chǎn)品之?dāng)?shù)據(jù)
數(shù)據(jù)界定了產(chǎn)品的性質(zhì)和邊界。企業(yè)數(shù)據(jù)產(chǎn)品關(guān)注核心在于降低數(shù)據(jù)使用門檻，利用數(shù)據(jù)優(yōu)化業(yè)務(wù)，從而提高數(shù)據(jù)資產(chǎn)價(jià)值。因此，我們既需要關(guān)注數(shù)據(jù)在企業(yè)員工中的使用情況，改進(jìn)體驗(yàn)不流暢的部分，也需要關(guān)注業(yè)務(wù)需求，為業(yè)務(wù)效率服務(wù)，最后還需要從數(shù)據(jù)資產(chǎn)本身出發(fā)，思考如何最大化發(fā)揮它的價(jià)值。
我們來看下轉(zhuǎn)轉(zhuǎn)公司利用企業(yè)數(shù)據(jù)產(chǎn)品提高業(yè)務(wù)效率的例子。企業(yè)內(nèi)負(fù)責(zé)數(shù)據(jù)的部門往往會(huì)遇到很多提數(shù)需求。此類需求在數(shù)據(jù)部門看來價(jià)值不大，在業(yè)務(wù)部門看來需求緊迫但流程漫長(zhǎng)，效率低下。一個(gè)需求提到數(shù)據(jù)部門后，要先經(jīng)過需求評(píng)審，然后開發(fā)排期，最后到校驗(yàn)產(chǎn)出等若干個(gè)環(huán)節(jié)，業(yè)務(wù)部門可能會(huì)因此錯(cuò)過關(guān)鍵的運(yùn)營(yíng)時(shí)間點(diǎn)?；诖耍D(zhuǎn)轉(zhuǎn)數(shù)據(jù)中臺(tái)設(shè)計(jì)了一個(gè)代號(hào)為“天樞”的數(shù)據(jù)產(chǎn)品，將針對(duì)用戶UserID、Token、訂單、商品等分析對(duì)象的常見屬性和篩選條件組合起來，并橫向整合了大數(shù)據(jù)、搜索、推薦、風(fēng)控等部門的標(biāo)簽結(jié)果。同樣的需求，業(yè)務(wù)方只需要在“天樞”上點(diǎn)點(diǎn)選選，就能完成數(shù)據(jù)提取和分析，原來需要耗時(shí)1-3天的工作，在“天樞”里幾分鐘內(nèi)就能完成?！疤鞓小鄙暇€9個(gè)月，用戶就自主完成超過13 000個(gè)分析任務(wù)，效率提升顯著。在這個(gè)例子中，轉(zhuǎn)轉(zhuǎn)通過降低業(yè)務(wù)方使用數(shù)據(jù)的門檻，間接提高了他們的運(yùn)營(yíng)效率，同時(shí)使沉淀于企業(yè)內(nèi)各部門的數(shù)據(jù)資產(chǎn)得到了更好的發(fā)揮和利用。
這里有一個(gè)小小的提醒是，數(shù)據(jù)產(chǎn)品不產(chǎn)生數(shù)據(jù)，只是數(shù)據(jù)的搬運(yùn)工，要和非常底層的業(yè)務(wù)邏輯保持適當(dāng)距離。對(duì)于日志打印、業(yè)務(wù)庫(kù)設(shè)計(jì)等這些數(shù)據(jù)“原材料”，我們可以根據(jù)經(jīng)驗(yàn)提出更優(yōu)的方案，但不適合進(jìn)行具體的落地和執(zhí)行。很多數(shù)據(jù)產(chǎn)品經(jīng)理在一些業(yè)務(wù)需求的實(shí)現(xiàn)過程中覺得比較低效和別扭，部分原因就是參與業(yè)務(wù)需求太深，導(dǎo)致在數(shù)據(jù)聚合層次摻雜了太多業(yè)務(wù)邏輯，不能實(shí)現(xiàn)數(shù)據(jù)層和業(yè)務(wù)層的有效隔離。
（2）企業(yè)數(shù)據(jù)產(chǎn)品之企業(yè)
面向企業(yè)內(nèi)部的定位決定了此類需求具有受眾集中、反饋回路短、用戶體驗(yàn)要求低、需求繁雜瑣碎、層級(jí)明顯、看重?cái)?shù)據(jù)安全6個(gè)特征。這些特征對(duì)數(shù)據(jù)產(chǎn)品經(jīng)理來講，有利有弊。
受眾集中很好理解，本身就是面向企業(yè)內(nèi)部的數(shù)據(jù)產(chǎn)品，相對(duì)于To B和To C類型的產(chǎn)品來講自然用戶比較集中。這里的集中有兩個(gè)概念，一個(gè)是地理意義上的集中，一個(gè)是業(yè)務(wù)認(rèn)知和群體素質(zhì)的集中。使用者和設(shè)計(jì)者的溝通在這兩個(gè)集中概念下變得相對(duì)高效。這也決定了后面兩個(gè)特征：反饋回路短和用戶體驗(yàn)要求低。
反饋回路短有需求反饋和價(jià)值反饋兩個(gè)方面。用戶數(shù)據(jù)產(chǎn)品和商用數(shù)據(jù)產(chǎn)品面向的都是外部的使用群體，其到數(shù)據(jù)產(chǎn)品經(jīng)理的反饋回路較長(zhǎng)，大部分需要用戶調(diào)研、上門拜訪、產(chǎn)品使用分析等比較間接的手段。而在企業(yè)內(nèi)部，可能就是業(yè)務(wù)方走到你工位旁直接告訴你。這樣的好處在于，能夠更直接地了解業(yè)務(wù)方的需求和產(chǎn)品落地的價(jià)值，便于隨時(shí)對(duì)產(chǎn)品進(jìn)行調(diào)整；壞處在于很多時(shí)候短回路無法提供一個(gè)緩沖期，有很多臨時(shí)變卦的可能性。因此我們需要揚(yáng)長(zhǎng)避短，把控好短回饋的節(jié)奏。
與用戶數(shù)據(jù)產(chǎn)品和商用數(shù)據(jù)產(chǎn)品性質(zhì)相同的是，企業(yè)數(shù)據(jù)產(chǎn)品也對(duì)用戶體驗(yàn)要求較低。一方面因?yàn)槭鼙娂?，一些操作起來比較麻煩的產(chǎn)品，可以通過舉辦定期的培訓(xùn)和講解來解決；另一方面，不存在類似To B和To C產(chǎn)品有競(jìng)爭(zhēng)的問題，因此體驗(yàn)問題顯得不那么重要。當(dāng)然，即使優(yōu)先級(jí)低，產(chǎn)品依舊需要著力降低數(shù)據(jù)的使用門檻，比如數(shù)據(jù)提取、指標(biāo)分析、結(jié)果分享等過程。如果不重視數(shù)據(jù)方面的使用體驗(yàn)，比如業(yè)務(wù)方需要費(fèi)很大勁才能弄清楚兩個(gè)指標(biāo)間的差別，甚至錯(cuò)誤地使用指標(biāo)，那么對(duì)于數(shù)據(jù)部門的聲譽(yù)和數(shù)據(jù)價(jià)值都是很大的傷害。
需求繁雜瑣碎，但其核心是需求控制和分級(jí)問題。各公司數(shù)據(jù)部門的定位不同，可能會(huì)有差異，但大部分情況下，基本所有數(shù)據(jù)相關(guān)的需求都會(huì)落在該部門頭上，有些是臨時(shí)探索，有些是長(zhǎng)期分析。如果不先進(jìn)行分門別類再進(jìn)行排序篩選，數(shù)據(jù)產(chǎn)品就可能陷入數(shù)據(jù)泥沼里，脫不開身。需求的控制和分類，我們會(huì)在下面講搭建企業(yè)數(shù)據(jù)平臺(tái)型產(chǎn)品時(shí)介紹。
企業(yè)內(nèi)用戶層級(jí)明顯，越到高層越能體現(xiàn)數(shù)據(jù)的價(jià)值。我們經(jīng)常開玩笑說，老板的需求是最重要的。從數(shù)據(jù)這一方面來看，未必有錯(cuò)。因?yàn)椤皵?shù)據(jù)價(jià)值取決于數(shù)據(jù)使用者”，高層們看待數(shù)據(jù)的方式以及據(jù)此作出的決策，影響面往往更大，效果更明顯。有層級(jí)的不僅是用戶，更是數(shù)據(jù)發(fā)揮的價(jià)值。
最后，市場(chǎng)競(jìng)爭(zhēng)激烈，數(shù)據(jù)安全及權(quán)限也是頭等大事。但凡是企業(yè)內(nèi)的數(shù)據(jù)中臺(tái)，都躲不開權(quán)限設(shè)置的問題。常見的權(quán)限模型為RBAC（Role-Based Access Control，基于角色的訪問控制）。它抽象出用戶、角色、權(quán)限三個(gè)概念，通過角色控制菜單權(quán)限，再為用戶賦予相應(yīng)角色。角色一般根據(jù)業(yè)務(wù)部門和領(lǐng)導(dǎo)層級(jí)綜合劃定。這里需要多提一句的是，數(shù)據(jù)權(quán)限與安全和降低數(shù)據(jù)使用門檻是不沖突的，合適的劃分是關(guān)鍵所在。同時(shí)，要盡量簡(jiǎn)化權(quán)限申請(qǐng)和審批流程，提高業(yè)務(wù)部門的使用效率。
（3）企業(yè)數(shù)據(jù)產(chǎn)品之產(chǎn)品
這里企業(yè)數(shù)據(jù)產(chǎn)品分為應(yīng)用型和平臺(tái)型兩種。應(yīng)用型的核心是業(yè)務(wù)敏感度，根據(jù)不同的業(yè)務(wù)需求設(shè)計(jì)對(duì)應(yīng)的數(shù)據(jù)產(chǎn)品，如根據(jù)風(fēng)控部門的需求來實(shí)時(shí)更新對(duì)應(yīng)的風(fēng)控標(biāo)簽和數(shù)據(jù)閾值，并且提供對(duì)應(yīng)的監(jiān)控和分析工具，完成從策略應(yīng)用到分析落地的閉環(huán)。平臺(tái)型強(qiáng)調(diào)的是面向各個(gè)業(yè)務(wù)提供服務(wù)，這要求產(chǎn)品具備較高的標(biāo)準(zhǔn)化和抽象化水平。標(biāo)準(zhǔn)化指的是主動(dòng)出擊，定下一些關(guān)鍵的數(shù)據(jù)資產(chǎn)規(guī)范，方便在企業(yè)中流通使用，如埋點(diǎn)管理、指標(biāo)管理和數(shù)據(jù)庫(kù)表管理等。抽象化指的是不能只關(guān)注于解決一兩個(gè)具體的需求點(diǎn)，而是關(guān)注整個(gè)面的抽象和滿足，是一個(gè)由點(diǎn)及面的過程。
3.2 企業(yè)數(shù)據(jù)產(chǎn)品之平臺(tái)型
（1）企業(yè)數(shù)據(jù)平臺(tái)的目標(biāo)
借用GrowingIO CEO Simon 的理念，企業(yè)如同人類建立的水資源使用系統(tǒng)，而數(shù)據(jù)如水。企業(yè)數(shù)據(jù)平臺(tái)的建設(shè)目標(biāo)，應(yīng)當(dāng)是讓數(shù)據(jù)像水資源一樣在企業(yè)中流動(dòng)，如圖1-8展示的水循環(huán)系統(tǒng)一般。這意味著數(shù)據(jù)要像水一樣做到干凈無害、隨用隨取、場(chǎng)景豐富，而這恰好對(duì)應(yīng)著數(shù)據(jù)準(zhǔn)確、及時(shí)、易用、全面四個(gè)衡量維度。進(jìn)入人類資源使用系統(tǒng)的水資源需要經(jīng)過一定的清洗和沉淀，確?！案蓛魺o害”，然后根據(jù)不同的水用途存儲(chǔ)，進(jìn)入不同的管道，這對(duì)應(yīng)著數(shù)據(jù)的“準(zhǔn)確”。而這里的“隨用隨取”指在人類社會(huì)中，擰開水龍頭就能出水，對(duì)應(yīng)著數(shù)據(jù)的“及時(shí)”與“易用”?！皥?chǎng)景豐富”則意味著在不同場(chǎng)景里，水會(huì)有不同用途，飲用水、清潔用水、灌溉用水各取所需，單單飲用水就又分城市用水、礦泉水、純凈水等不同使用方式，這對(duì)應(yīng)著通過挖掘和豐富數(shù)據(jù)的使用場(chǎng)景，深化數(shù)據(jù)本身“全面”的含義。
達(dá)成這個(gè)目標(biāo)的企業(yè)數(shù)據(jù)平臺(tái)，便能通過豐富場(chǎng)景、賦能業(yè)務(wù)來提升整個(gè)企業(yè)使用數(shù)據(jù)的意愿和效率，賦予業(yè)務(wù)方高效使用和挖掘數(shù)據(jù)的能力。企業(yè)數(shù)據(jù)平臺(tái)的主要使用場(chǎng)景如下：輔助企業(yè)決策（如市場(chǎng)動(dòng)向、用戶分析和財(cái)務(wù)分析等）、建立數(shù)據(jù)流程、優(yōu)化用戶體驗(yàn)、挖掘數(shù)據(jù)資產(chǎn)等。
建立數(shù)據(jù)流程，從產(chǎn)品上，是幫助業(yè)務(wù)方更好地完成使用數(shù)據(jù)的流程，包括采集存儲(chǔ)、展示分析到最后的挖掘落地三個(gè)層次；從需求上，即建立一個(gè)比較完善的需求分流解決機(jī)制，將零散需求、常規(guī)需求、業(yè)務(wù)需求等分類處理完畢，并能將進(jìn)展和結(jié)果及時(shí)反饋給需求方。優(yōu)化用戶體驗(yàn)是通過掌握用戶數(shù)據(jù)為用戶提供更加順暢的使用體驗(yàn)、更加精準(zhǔn)的營(yíng)銷等。挖掘數(shù)據(jù)資產(chǎn)包括標(biāo)準(zhǔn)化數(shù)據(jù)資產(chǎn)，以及不斷挖掘回饋原有數(shù)據(jù)，豐富已有數(shù)據(jù)維度。
（2）如何搭建企業(yè)數(shù)據(jù)平臺(tái)
一個(gè)完善的企業(yè)數(shù)據(jù)平臺(tái)應(yīng)該由技術(shù)框架、數(shù)據(jù)框架和產(chǎn)品框架三部分組成，如圖1-9所示。技術(shù)框架非本書重點(diǎn)，此處暫不介紹。數(shù)據(jù)框架主要有數(shù)據(jù)模型、安全及質(zhì)量這三個(gè)模塊。其中，數(shù)據(jù)模型負(fù)責(zé)根據(jù)業(yè)務(wù)抽象出對(duì)應(yīng)的領(lǐng)域模型，如電商、社交、游戲等，然后確定對(duì)應(yīng)的主題域劃分和維度模型。產(chǎn)品框架上，遵循What-Why-How的劃分方式。首先解決采集存儲(chǔ)，即“是什么”（What）的問題，將數(shù)據(jù)采集后清洗存儲(chǔ)下來；其次解決“為什么”（Why）的問題，利用分析架構(gòu)和數(shù)據(jù)可視化展示，幫助用戶尋找原因；最后解決“怎么做”（How）的問題，通過價(jià)值的深入挖掘、與業(yè)務(wù)緊密結(jié)合等方式，來確定具體的內(nèi)容和方向。
對(duì)于具體的需求，我們根據(jù)其層次不同，通過三種遞進(jìn)的方案來滿足。
自定義分析。基本不需要數(shù)據(jù)和分析部門介入，提供工具就能滿足業(yè)務(wù)需求。面對(duì)這種需求，基本有三個(gè)解決方案：一是采用開源方案HUE搭建的SQL查詢功能，解決非常零碎且無法產(chǎn)品化的臨時(shí)需求；二是基于埋點(diǎn)的自動(dòng)分析功能，只要按照數(shù)據(jù)規(guī)范進(jìn)行的埋點(diǎn)，都可以在頁面查詢并分析數(shù)據(jù)；三是采用自定義報(bào)表分析界面，支持業(yè)務(wù)方導(dǎo)入數(shù)據(jù)表后進(jìn)行可視化展示。這三種方案解決三種不同層次的需求，可以幫助節(jié)省大量人力。
事件分析。需要數(shù)據(jù)部門進(jìn)行一定程度的抽象，常見的就是留存/漏斗分析。這類需求的典型特征是尋求事件之間的留存轉(zhuǎn)化規(guī)律，抽象后可以落地成對(duì)應(yīng)的數(shù)據(jù)工具。這些工具有一定的培訓(xùn)成本，適用特定場(chǎng)景。
多維交叉分析。需要數(shù)據(jù)部門根據(jù)業(yè)務(wù)進(jìn)行規(guī)劃和設(shè)計(jì)對(duì)應(yīng)的分析體系，包含合理的維度和指標(biāo)。一般來說，這會(huì)是一個(gè)部門的基準(zhǔn)需求，使用頻次高，用于每天監(jiān)控及分析業(yè)務(wù)異常原因。
3.3 企業(yè)數(shù)據(jù)產(chǎn)品之應(yīng)用型
我們以智能分析中的一個(gè)場(chǎng)景為例。背景是當(dāng)某一時(shí)刻發(fā)生數(shù)據(jù)異常時(shí)，業(yè)務(wù)方希望能夠第一時(shí)間發(fā)現(xiàn)這個(gè)異常，并定位背后的原因，進(jìn)而提高決策效率。目前市面上的常見方案是先通過時(shí)間序列預(yù)測(cè)算法（Hot-Winters）根據(jù)過往歷史數(shù)據(jù)，產(chǎn)出對(duì)下一時(shí)刻數(shù)據(jù)的預(yù)測(cè)值，然后與現(xiàn)實(shí)值對(duì)比，如圖1-10所示。一般來講，這種差值會(huì)形成一個(gè)類正態(tài)分布，當(dāng)差值落在兩個(gè)標(biāo)準(zhǔn)差之外的范圍時(shí)，我們就認(rèn)為當(dāng)前數(shù)據(jù)異常，觸發(fā)報(bào)警。同時(shí)，我們根據(jù)異常維度分析算法（常見的有基尼系數(shù)和決策樹等），將該異常進(jìn)行維度和組合拆解，定位原因所在。這樣一來，整個(gè)異常的發(fā)現(xiàn)和分析過程就變得十分高效。
綜上，企業(yè)數(shù)據(jù)產(chǎn)品在設(shè)計(jì)和開發(fā)上有很多獨(dú)有的特點(diǎn)。首先，企業(yè)數(shù)據(jù)產(chǎn)品承接了來源眾多的業(yè)務(wù)需求，在抽象和管理上難度較大，很容易產(chǎn)生冗余浪費(fèi)，歷史依賴混雜不清，整個(gè)BI平臺(tái)變成數(shù)據(jù)的垃圾場(chǎng)、泥沼地。其次，數(shù)據(jù)開發(fā)工作長(zhǎng)期來看是個(gè)細(xì)活、臟活、累活，要想長(zhǎng)期保證數(shù)據(jù)安全、質(zhì)量和規(guī)范，需要設(shè)計(jì)各種機(jī)制進(jìn)行監(jiān)測(cè)，并不斷優(yōu)化。最后，在發(fā)揮企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值的路上，我們還需要不斷豐富場(chǎng)景，設(shè)計(jì)與開發(fā)符合業(yè)務(wù)場(chǎng)景的數(shù)據(jù)產(chǎn)品。盡管如此，作為企業(yè)管理和挖掘數(shù)據(jù)資產(chǎn)的抓手，企業(yè)數(shù)據(jù)產(chǎn)品在未來企業(yè)競(jìng)爭(zhēng)中依然顯得無比重要。
<b id="afajh"><abbr id="afajh"></abbr></b>