從2012年大數(shù)據(jù)概念興起至今，毫無(wú)疑問數(shù)據(jù)已逐漸成為全世界最重要的生產(chǎn)資料。著名咨詢公司麥肯錫幾年前曾對(duì)全球多家知名且快速增長(zhǎng)的企業(yè)進(jìn)行分析，發(fā)現(xiàn)這些公司的一個(gè)重要共同點(diǎn)就是數(shù)據(jù)能力很強(qiáng)（包括數(shù)據(jù)基建、分析能力、數(shù)據(jù)驅(qū)動(dòng)理念），且能夠充分發(fā)揮數(shù)據(jù)的價(jià)值，賦能企業(yè)增長(zhǎng)。那么數(shù)據(jù)的價(jià)值究竟是什么？

首先從人與世界的關(guān)系角度，個(gè)人認(rèn)為數(shù)據(jù)是客觀世界的映射，是在某種方法之下對(duì)實(shí)體的數(shù)字化表達(dá)?？梢詭椭祟惪辞?、探索世界，發(fā)現(xiàn)世界運(yùn)行的規(guī)律，輔助指導(dǎo)人類優(yōu)化世界的方向。

其次從資源角度，個(gè)人認(rèn)為數(shù)據(jù)就像石油，是最基本的生產(chǎn)資料和基礎(chǔ)建設(shè)必備資源，用于支撐互聯(lián)網(wǎng)、IoT等更先進(jìn)的工業(yè)模式，從而驅(qū)動(dòng)人類的進(jìn)化（Evolution，內(nèi)卷的反義詞）。

最后從商業(yè)角度，個(gè)人認(rèn)為數(shù)據(jù)的價(jià)值應(yīng)該體現(xiàn)在幫助企業(yè)提高收入、提高效率、降低成本、降低風(fēng)險(xiǎn)。

數(shù)據(jù)雖然價(jià)值巨大，但就像石油只有被加工利用才能體現(xiàn)價(jià)值一樣，只有經(jīng)過必要處理、分析挖掘后，才能真正體現(xiàn)價(jià)值。其中分析可以認(rèn)為是最重要最有價(jià)值的環(huán)節(jié)之一。

由于本文不是數(shù)據(jù)分析科普文，關(guān)于定義、方法論、方法就不再一一贅述了，相信很多讀者都有所了解，不了解的可以百度一下。關(guān)于數(shù)據(jù)分析的價(jià)值層級(jí)，在去年發(fā)表的數(shù)據(jù)算法賦能京東PLUS會(huì)員增長(zhǎng)—方法論與實(shí)戰(zhàn)一文中“數(shù)據(jù)分析”章節(jié)有詳細(xì)介紹，感興趣的讀者可自行閱讀參考。

常規(guī)的數(shù)據(jù)分析流程，主要是依靠數(shù)據(jù)分析師。

1. 通過寫取數(shù)代碼取到數(shù)據(jù)

2. 在Excel等輕量BI工具中透視分析

3. 數(shù)據(jù)分析報(bào)告這樣的范式進(jìn)行數(shù)據(jù)分析

從存在即合理角度看，這樣的流程肯定有存在的意義，但個(gè)人一直覺得這種范式有些問題和局限。

1. 決策效率低：首先提數(shù)->BI工具離線分析->數(shù)據(jù)報(bào)告ppt流程不短，且每個(gè)環(huán)節(jié)所花費(fèi)的人力都不?。禾釘?shù)一般是hive，跑數(shù)慢；BI工具如果不熟練還需要學(xué)習(xí)或熟悉，且透視表每次都可能需要重新搭建；ppt用于匯報(bào)的話要求往往不低，一般情況至少一周。整體上分析的絕對(duì)成本以及邊際成本都不低，且決策會(huì)因分析過程冗長(zhǎng)，造成滯后性。在商場(chǎng)如戰(zhàn)場(chǎng)的時(shí)代，決策的及時(shí)性和效率對(duì)企業(yè)的重要性不言而喻。在你寫ppt的時(shí)候，可能競(jìng)爭(zhēng)對(duì)手已經(jīng)完成多輪分析并開始進(jìn)行新戰(zhàn)略戰(zhàn)術(shù)的驗(yàn)證了。

2. 邊際成本高：其次這種分析范式的數(shù)據(jù)往往只是某個(gè)數(shù)據(jù)片段，天然無(wú)法自動(dòng)長(zhǎng)期觀測(cè)，下次同樣的分析思路，還需要重新來(lái)過，浪費(fèi)不必要的時(shí)間人力成本。

3. 決策風(fēng)險(xiǎn)高：個(gè)人認(rèn)為企業(yè)決策依賴某位，或某些數(shù)據(jù)分析師的洞察和結(jié)論，風(fēng)險(xiǎn)是非常高的。因?yàn)楫吘箓€(gè)人的認(rèn)知都有局限性，有可能因?yàn)檎J(rèn)知偏差或錯(cuò)誤導(dǎo)致分析結(jié)論與實(shí)際情況不符，進(jìn)而影響關(guān)鍵重要戰(zhàn)略決策！

鑒于上述分析，筆者認(rèn)為需要通過產(chǎn)品化的方式將數(shù)據(jù)分析的過程、結(jié)論以產(chǎn)品或工具形式輸出，形成能力賦能更多人去使用、去決策，實(shí)現(xiàn)真正意義上的數(shù)據(jù)驅(qū)動(dòng)與集體智慧相結(jié)合！

數(shù)據(jù)產(chǎn)品的定義

像任何概念一樣，隨處可以搜到不同版本的定義。本人目前比較認(rèn)可喜歡的版本是：“數(shù)據(jù)產(chǎn)品是一種降低用戶使用數(shù)據(jù)的門檻，并發(fā)揮和提高數(shù)據(jù)價(jià)值的產(chǎn)品類型，與之對(duì)應(yīng)的有用戶產(chǎn)品和商家產(chǎn)品”。之所以認(rèn)可是因?yàn)槎x非常清晰且直擊核心本質(zhì)，不玄學(xué)不八股說(shuō)人話，同時(shí)也與本人的理解非常一致。

數(shù)據(jù)產(chǎn)品的組成

一個(gè)完整的數(shù)據(jù)產(chǎn)品通常由采集清洗、計(jì)算管理、分析展示和挖掘應(yīng)用四個(gè)模塊組成

1. 采集清洗：采集指的是產(chǎn)品通過各種技術(shù)手段,將現(xiàn)實(shí)世界的信息線上化之后，再傳輸?shù)狡髽I(yè)的服務(wù)器和數(shù)據(jù)庫(kù)中；清洗是指對(duì)采集到的信息中存在的數(shù)據(jù)缺失、冗余、錯(cuò)誤等情況進(jìn)行整理和優(yōu)化，以確保輸入的信息盡可能完整準(zhǔn)確。這個(gè)步驟與常說(shuō)的ETL（抽取、轉(zhuǎn)化、加載）很相似，屬于“臟活累活”，但對(duì)數(shù)據(jù)分析以及決策至關(guān)重要。

2. 計(jì)算管理：第一步采集清洗后的信息其實(shí)還不能體現(xiàn)太大的價(jià)值，因?yàn)檫@些信息并不能被直接用來(lái)擴(kuò)大對(duì)客觀世界的認(rèn)知，需要根據(jù)不同業(yè)務(wù)場(chǎng)景和需求進(jìn)行匯總計(jì)算才能成為真正有價(jià)值的數(shù)據(jù)。

3. 分析展示：此時(shí)需要通過模塊化的數(shù)據(jù)分析方法、數(shù)據(jù)可視化組件對(duì)上述數(shù)據(jù)進(jìn)行解析與展示，以最終實(shí)現(xiàn)對(duì)客觀世界矛盾的描述探索、診斷歸因、預(yù)報(bào)預(yù)測(cè)，并形成優(yōu)化決策建議，賦能商業(yè)

4. 挖掘應(yīng)用：對(duì)于需要使用到算法模型的場(chǎng)景（如搜索、推薦、反欺詐等），也可以將算法模型進(jìn)行模塊化、產(chǎn)品化，將算法能力賦能給非算法人員，實(shí)現(xiàn)算法價(jià)值的放大

根據(jù)產(chǎn)品的使用對(duì)象可以將數(shù)據(jù)產(chǎn)品分成兩大類：商用數(shù)據(jù)產(chǎn)品和企業(yè)數(shù)據(jù)產(chǎn)品。

1、商用數(shù)據(jù)產(chǎn)品

這類數(shù)據(jù)產(chǎn)品由企業(yè)或個(gè)人開發(fā)，提供給外部企業(yè)免費(fèi)或付費(fèi)使用。在發(fā)達(dá)國(guó)家這方面起步較早且分類精細(xì)。國(guó)內(nèi)的話因?yàn)槭袌?chǎng)成熟度相對(duì)低，且由于商業(yè)環(huán)境等問題（盜版軟件），這個(gè)領(lǐng)域尚處于起步階段。以下是常見8類商用數(shù)據(jù)產(chǎn)品全景介紹：

2、企業(yè)數(shù)據(jù)產(chǎn)品

這類數(shù)據(jù)產(chǎn)品往往有企業(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。

這里敲下黑板，因?yàn)槭潜疚牡暮诵乃枷搿?/p>

1. 放大分析的價(jià)值：傳統(tǒng)數(shù)據(jù)分析范式中往往依靠一兩個(gè)分析師基于某時(shí)間窗口的數(shù)據(jù)，針對(duì)某個(gè)主題進(jìn)行靜態(tài)分析，決策也只能基于該次分析做出。而通過數(shù)據(jù)產(chǎn)品，可以讓所有使用者在任意時(shí)刻對(duì)任意窗口數(shù)據(jù)進(jìn)行分析和決策，基于集體智慧的分布式數(shù)據(jù)驅(qū)動(dòng)決策，效率和決策產(chǎn)出要遠(yuǎn)遠(yuǎn)大于前者！對(duì)于企業(yè)來(lái)說(shuō)好處不言而喻。

2. 提高分析效率：傳統(tǒng)分析范式不僅時(shí)間周期長(zhǎng)，且一次分析往往只能得到非常有限的洞察和決策；數(shù)據(jù)產(chǎn)品范式每次分析的效率會(huì)有巨大的提升。同樣交付周期內(nèi)，可能會(huì)得到無(wú)數(shù)個(gè)分析洞察結(jié)論，產(chǎn)生多個(gè)有效決策（蝴蝶效應(yīng)）

3. 沉淀分析能力：作為研發(fā)團(tuán)隊(duì)，能力沉淀是領(lǐng)導(dǎo)們非常重視的事情。對(duì)于什么是能力沉淀，本人最近也有一些思考，那就是將工作內(nèi)容以工具、產(chǎn)品形式沉淀；將工作經(jīng)驗(yàn)以文檔、文章形式輸出。不一定全面正確，但自認(rèn)為相對(duì)清晰。那么在我看來(lái)數(shù)據(jù)產(chǎn)品應(yīng)該是數(shù)據(jù)分析能力的最佳沉淀方式之一。

4. 降低決策風(fēng)險(xiǎn)：俗話講：“三個(gè)臭皮匠賽過諸葛亮”。這個(gè)比喻聽上去不太高大上，但背后的哲理我認(rèn)為還是可以用到這里。通過群策群力、集體智慧不僅可以有效增加輸入，更可以規(guī)避因個(gè)人的認(rèn)知偏差或錯(cuò)誤導(dǎo)致分析結(jié)論與實(shí)際情況不符，進(jìn)而影響關(guān)鍵重要決策！

5. 降低分析成本：傳統(tǒng)分析范式交付周期比較長(zhǎng)，一般從數(shù)據(jù)提取->離線分析->ppt報(bào)告制作至少要一兩周時(shí)間；而數(shù)據(jù)產(chǎn)品一旦建好，數(shù)據(jù)源一旦接入正確，數(shù)據(jù)模型足夠完善，每次分析往往只需要幾分到幾小時(shí)。且無(wú)需重復(fù)提數(shù)，邊際成本幾乎為零！

6. 降低分析門檻：傳統(tǒng)分析范式開展工作門檻較高，但對(duì)于企業(yè)如果想形成數(shù)據(jù)驅(qū)動(dòng)的文化，提高數(shù)據(jù)驅(qū)動(dòng)效能，應(yīng)該讓更多的人能夠參與到數(shù)據(jù)分析當(dāng)中。而數(shù)據(jù)產(chǎn)品恰好可以解決這個(gè)問題。一方面數(shù)據(jù)產(chǎn)品定義中就明確說(shuō)明，是為了降低數(shù)據(jù)分析門檻，因此正常情況下理應(yīng)以“小白”用戶視角去設(shè)計(jì)產(chǎn)品，考慮用戶體驗(yàn)、使用便捷性，易用性；另一方面（以可視化類產(chǎn)品為例）從認(rèn)知心理學(xué)角度，可視化圖表大幅提高了信息密度，通過顏色、形狀等視覺化組件，快速將數(shù)據(jù)所包含的信息呈現(xiàn)給用戶，大幅降低了認(rèn)知成本。

那么好的數(shù)據(jù)產(chǎn)品應(yīng)該具有哪些特點(diǎn)？總體上至少包括4個(gè)維度：

1. 準(zhǔn)確：這是數(shù)據(jù)產(chǎn)品的根本，是最重要的評(píng)價(jià)維度。因?yàn)橐坏?shù)據(jù)不準(zhǔn)確，任何結(jié)論、應(yīng)用、決策都可能是錯(cuò)的，成為空中樓閣。因此需要前期在數(shù)據(jù)源質(zhì)量、指標(biāo)計(jì)算口徑上用心把控，確保精確。

2. 及時(shí)：無(wú)論是實(shí)時(shí)分析還是離線分析，都需要根據(jù)應(yīng)用場(chǎng)景確保在必要的數(shù)據(jù)更新節(jié)點(diǎn)展示期望的數(shù)據(jù)。如果刷新時(shí)看不到數(shù)據(jù)或不是期望的時(shí)間窗口，使用體驗(yàn)會(huì)大打折扣。

3. 全面：由于受眾較廣，需要盡可能覆蓋相關(guān)業(yè)務(wù)的全部核心指標(biāo)及分析維度，實(shí)現(xiàn)“豐儉由人”，“一石多鳥”。

4. 易用：首先在產(chǎn)品設(shè)計(jì)時(shí)要充分考慮不同用戶的使用經(jīng)驗(yàn)和習(xí)慣，盡可能簡(jiǎn)單、步驟少、有引導(dǎo)，讓用戶用的“爽”，不要“反人性”；同時(shí)要定期對(duì)新老用戶進(jìn)行訪談或問卷調(diào)研，及時(shí)了解用戶的使用反饋，及時(shí)優(yōu)化，不斷迭代。

本節(jié)用少量篇幅介紹個(gè)人在數(shù)據(jù)產(chǎn)品領(lǐng)域的主要實(shí)戰(zhàn)經(jīng)歷。

本人幾年前以數(shù)據(jù)分析師入職京東。當(dāng)時(shí)因?yàn)闆]有發(fā)現(xiàn)可用的可視化產(chǎn)品，只能通過Excel對(duì)不同列的數(shù)據(jù)進(jìn)行原始的可視化監(jiān)控。

現(xiàn)在看上去可能有點(diǎn)low，但畢竟也算一種可視化數(shù)據(jù)看板的雛形。令我印象非常深的是，當(dāng)時(shí)同組的小伙伴看到后表示眼前一亮。當(dāng)時(shí)也堅(jiān)定了數(shù)據(jù)看板化的方向。

JA（京東分析師）產(chǎn)品出現(xiàn)后，盡管可視化功能不是非常強(qiáng)大，但還是做出了部門內(nèi)第一個(gè)可視化日?qǐng)?bào)。問題定位、數(shù)據(jù)監(jiān)控效率有了質(zhì)的提升！

大約兩年前京東中臺(tái)開發(fā)了一款敏捷BI工具，EasyBI（原京動(dòng)力）。我很快成為重度忠實(shí)用戶。兩個(gè)月后搭建了部門內(nèi)第一個(gè)（也是第一個(gè)PLUS業(yè)務(wù)，省錢攻略）EasyBI版本可視化數(shù)據(jù)分析看板，成為了敏捷BI的重要里程碑。

當(dāng)時(shí)的產(chǎn)品同學(xué)看到后有如獲至寶的感覺，強(qiáng)烈要求分享給PLUS全部業(yè)務(wù)方。也是從那時(shí)起，掀起了PLUS數(shù)據(jù)驅(qū)動(dòng)精細(xì)化運(yùn)營(yíng)的浪潮。時(shí)至今日PLUS業(yè)務(wù)分析看板涵蓋用戶增長(zhǎng)、貨品運(yùn)營(yíng)、流量監(jiān)控、營(yíng)銷活動(dòng)、損益分析5大主題共計(jì)數(shù)十個(gè)可視化分析看板。

隨著看板數(shù)量增加，使用看板的人數(shù)增加，基于EasyBI默認(rèn)的看板管理模式遇到了瓶頸，看板內(nèi)容及用戶維護(hù)成本激增。為了解決該痛點(diǎn)，我想到能否通過類似門戶網(wǎng)站的方式，讓用戶實(shí)現(xiàn)一站式訪問目標(biāo)看板，而無(wú)需維護(hù)看板名稱-鏈接映射關(guān)系。經(jīng)過一番設(shè)計(jì)，最終誕生了第一個(gè)EasyBI版可交互分析的看板門戶產(chǎn)品，SMART-A。以下截圖數(shù)據(jù)已脫敏。

坦誠(chéng)講，這個(gè)產(chǎn)品本身并不復(fù)雜，但確實(shí)可以讓用戶更快、更便捷訪問看板，進(jìn)一步提高數(shù)據(jù)分析效率和體驗(yàn)。EasyBI團(tuán)隊(duì)也在這個(gè)產(chǎn)品啟發(fā)下，開發(fā)了一套通用看板門戶搭建平臺(tái)，方便更多部門搭建自己的看板門戶。這個(gè)產(chǎn)品也獲得了PLUS業(yè)務(wù)方真實(shí)的正面反饋。

目前PLUS業(yè)務(wù)負(fù)責(zé)人以及全部業(yè)務(wù)側(cè)、產(chǎn)品側(cè)、部分研發(fā)側(cè)、部分測(cè)試側(cè)同事都已成為該產(chǎn)品的用戶。

此外用戶還包括首頁(yè)資源側(cè)、黃金流程、消息推送等部門同事。

未來(lái)會(huì)基于用戶真實(shí)負(fù)反饋不斷完善產(chǎn)品，解決更多的“痛點(diǎn)”、“癢點(diǎn)”，制造更多的“爽點(diǎn)”。

數(shù)據(jù)產(chǎn)品作為大數(shù)據(jù)時(shí)代的重要產(chǎn)品形態(tài)，不僅可以規(guī)避傳統(tǒng)數(shù)據(jù)分析范式的弊端，同時(shí)可以：

未來(lái)在國(guó)內(nèi)市場(chǎng)的潛在市場(chǎng)和增長(zhǎng)空間依然很大，我很看好！