>>>  創業先鋒 眾人拾柴火焰高  >>>

簡體     傳統

作者：老讀悟

公眾號：laoduwu666

原文地址：http://data12345.com/article-508.html
原文標題：《數據產品的前世今生》

互聯網是個制造流行概念的行業，“數據產品”也不幸免。其實，數據產品的“實”早就存在，只是“名”是后面幾年慢慢流行起來的。

我看到過很多討論數據產品的文章，但大家基本沒有統一的認識，對概念的理解也不太認同，所以這里想簡單寫寫自己的觀點，主要內容也是不會在其它網文看到的一家之談。

要談清楚數據產品，首先不可回避的“俗套問題”便是數據產品的定義認知，我的理解是：

廣義來看，數據產品是可以發揮數據價值去輔助用戶更優地做決策（甚至行動）的一種產品形式。

它在用戶的決策和行動過程中，可以充當信息的分析展示者和價值的使能者。

從這個角度講，搜索引擎、個性化推薦引擎顯然也是數據產品，由于產品形態已經比較成熟，所以很少被人劃分到數據產品的概念里，另外，這類產品往往大都在數據外面穿了一層外衣，使非專業的用戶并不能直觀地感受到數據的存在。

除此之外的，便是狹義范疇的數據產品，比如大家熟知的淘寶數據魔方、百度指數、電商的CRM平臺、各種公司內部的數據決策支持系統等都是數據產品，我后面會有個結構化的分類介紹。

人們日常的商業活動都是“決策”和“行動”的螺旋上升過程及交織在一起的子過程，主過程里的決策表示內心拿定一個主意要怎么做，要達到什么樣的目標，行動是具體的執行過程。

比如用戶要解決出行不方便的問題，他的主決策可能是“買一輛適合自己的轎車代步”，而在具體行動過程中，馬上又會面臨“買什么車”、“在什么渠道買”等子決策問題。

所有的決策以及行動中的子決策過程都是基于“某種參考”的，最簡單的參考可以是自己的直覺，好一點會依賴“過來人”的主觀經驗，但拍腦袋決策越來越難，所謂專家也屢屢被打假；而最優的決策需要依靠“證據”，定量的證據即時數據，隨著數學、統計學、計算機科學的普及，數據在決策優化過程中的價值越來越大，在大數據時代尤其如此。

決策過程中，數據的價值可以通過什么來體現？不外乎三種：

a.數據本身

b.數據服務

c.數據產品

舉個例子來說，如果某用戶想知道明天的天氣是否適合出行

他可以直接看明天的氣溫數據，這個就是數據本身在發揮價值；

他也可以咨詢相關的數據分析師或咨詢顧問，由他們提供人工的數據服務或解決方案來判定明天的天氣；

第三種方式便是使用數據產品，它把數據、數據模型以及分析決策邏輯盡可能多地固化到一個軟件系統中，以更自動化、更準確、更智能的方式來發揮數據的決策價值。

在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型（如靜態報表、DashBoard、即席查詢），到多維分析型（OLAP等工具型數據產品），到定制服務型數據產品，再到智能型數據產品、使能型數據產品等。

由于報表型數據產品過于蒼白、可視化能力有限，而多維分析型數據產品更適合于專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定制服務式和智能式的數據產品。

所謂定制服務型數據產品，是基于用戶的深層次需求，構建最適合當前業務痛點的數據模型、產品設計、可視化方案等。在這里數據產品充當的更像是服務提供者，而不是一個通用的工具。

智能型數據產品則會更多地將大數據的智能性融入產品，并與決策邏輯結合起來，發揮作用。比如，你可以有一套傳統的會員營銷系統，允許你按自己的規則篩選目標用戶；而也可以在更智能的數據產品中這樣來實現：輸入你的營銷目標及參數，比如要開展雙十一母嬰市場的促銷活動，系統可以基于以往海量數據計算出應該選擇什么品類的商品，在什么用戶群中，以什么形式開展活動效果會更佳。

現有的大多數數據只是告訴你現在或未來的情況是怎樣的，問題痛點出現在哪里，卻不能給出更完善的建議，甚至支持一個建議的執行。使能型數據產品要做的就是這樣的工作，它不僅可以告訴你，哪些用戶流失的傾向性大，還可以直接引導用戶展開后續補救的執行流程，哪些細分群體需要通過促銷活動刺激，哪些需要服務關乎，哪些需要為他提供專享的VIP業務，哪些需要更好的互動等等。

一個真正好的數據產品首先要把握一個核心——找到用戶的真正核心需求、痛點。這句話對于非數據產品的產品經理來說簡直就是天經地義的廢話。但對于一個數據產品經理而言，得來卻不那么容易，有其特殊性。

第一個特殊性

是需求層次特殊性，數據產品的用戶中往往會有很多內部用戶，他們對數據、數據分享、數據處理的理解和熟練程度各有不同，因此會提出各種不同層次的需求，概括起來大致包括：

1).業務/管理需求；

2).分析需求；

3).數據需求。

舉例來說，某電商要改善全體用戶的訂單轉化效率，這個便是第一類需求；為了完成此目標，會有很多工作要做，也會有很多分析需求隨之產生，比如分析商品詳情頁的跳出趨勢，便是第二列需求；而具體某某數據項的統計則屬于數據需求。最可怕的便是，需求方遇到了問題（第一類需求），指定了錯誤的分析策略（第二類需求），有提出了明確的數據需求（第三類需求）。而對于數據產品經理，從數據需求，引導出分析需求，進而介入反應具體痛點問題的業務/管理需求，是一門必修課。

第二個特殊性

是內部數據產品需求方的特殊性，企業內部的數據產品的用戶，既是是用戶，也是自己的同事、朋友、領導、下屬，他們本身就對產品經理的決策權有一定的干預能力，需要產品經理去平衡“理想與現實”，你懂的。這種情況對于非最高決策者直屬的數據團隊而言，尤為嚴重。

我認為，要成就一個數據產品，需要關注三個關鍵要素：

1).數據

2).決策邏輯

3).行動流程

數據的價值，毋庸置疑。它就像整體產品內部流淌的血液。具備什么樣的數據類型、數據周期、數據粒度，往往會決定你的數據產品可以提供什么服務。

決策邏輯是很多平庸的數據產品所欠缺的，它們只是簡單地、響應式地展示了需求方的報表。好的數據產品，應該可以幫助用戶思考，尤其是將平時用戶遇到業務痛點式的決策邏輯，部分或全部融合到數據產品后，可以可視化地、動態地、便捷地顯性化決策的過程，提高用戶的決策效率。

僅僅停留在發現問題、分析問題是不夠的，我們還需要對問題的解決能力，這就涉及到第三個關鍵要素——行動流程。舉個例子，當數據產品分析某個細分用戶群時，發現最近一個月其活躍度明顯下滑，那是否可以自動觸發一個營銷流程，基于用戶的特征，開展個性化的“行動流程”，并在流程中的各個環節發揮數據的價值。

非常不想寫這樣的踩著三俗概念的解釋性文字，因為大數據是一個被所有人提起，但幾乎所有人又不明白的概念。我在這里寫什么概念解釋都是錯的，徒增搜索引擎的“負荷”。

所以，還是回溯到核心價值角度來看：前面提到數據產品最大的價值在于輔助使用者優化決策，以及輔助決策價值的實現。如果把數據產品比作一臺機器的話，那數據就像這臺機器運轉的原材料。“原材料”+“處理過程”+“結果展示與應用”≈數據產品。

而大數據當然也屬于數據的范疇，它好比是一種更高效的原材料，可以提供更高效的價值（更多角度的、更深度的、更實時的信息與知識，尤其是預測性的知識），“高效的原材料”+“高級的處理過程”+“高級的展示與應用”結果也是數據產品，當然你也可以土土稱之為“大數據產品”。

再舉個不專業的例子來理解：大家熟悉的“天氣預報”就是一個典型的數據產品，它的原材料可能有很長時間段的溫度、濕度、風力、日光強度、紫外線強度、PM2.5值、位置信息、衛星上的采集的各種數據、其它地面設備的各種專業的氣象相關數據（示例而已，專業人士請自行補充）；對這些數據的篩選、清洗、分析、挖掘等一系列“處理過程”可以得到未來幾日在幾個核心氣象特征的數據值與概率（溫度、風力、陰晴雨雪等）；而我們看到的天氣預報這款數據產品，則是將上述核心信息綜合到一起，賦予視頻+GIS的展示形式，以及復制大眾在“行動”方面的建議（出行建議、穿衣指數、洗車指數等）而成的。

而這種大數據結合數據產品發揮更大價值的例子身邊還有很多。試想，你如果能夠準確預知明天某只股票的漲跌趨勢，比費盡心思基于部分歷史信息總結出來的規律要有價值得多；你如果可以知道下個月哪些用戶會突然對母嬰類商品大宗采購，也會節省很多“千人一面”的傳統廣告費用。

而一個數據產品的產生過程，最合理的恰恰就是從價值驅動的角度出發的。而不是單純的從數據出發或者從技術出發。

最后：數據產品的6個方面寫下來，有概念，也有白話的示例，初衷是想從基本的生活常識和基本的邏輯角度出發去看待所謂的“新生事物”，而不是動輒各種專業術語，寫者高高在上，聽眾云里霧里的感覺。

互聯網er的早讀課 2015-08-23 08:47:15