“深入淺出數(shù)據(jù)產(chǎn)品”系列的第一篇將帶大家一起從Dss決策支持時(shí)代到商業(yè)智能、再到當(dāng)今的數(shù)據(jù)化運(yùn)營(yíng)在企業(yè)數(shù)據(jù)應(yīng)用特點(diǎn)。

數(shù)據(jù)價(jià)值的傳承

自1954年計(jì)算機(jī)用于工資處理以后，一直到2016年的今天，企業(yè)在信息化處理上得到了長(zhǎng)足的發(fā)展。在這個(gè)發(fā)展中經(jīng)歷過(guò)了數(shù)據(jù)處理系統(tǒng)、Mis管理系統(tǒng)、決策支持、商業(yè)智能。企業(yè)的信息化程度隨著時(shí)代的變遷已經(jīng)發(fā)生了猶如阿波羅登月般的翻天覆地變化。

Dss決策支持系統(tǒng) 是建立在對(duì)傳統(tǒng)企業(yè)歷史數(shù)據(jù)集成基礎(chǔ)上的數(shù)據(jù)探索應(yīng)用，(備注決策支持系統(tǒng)發(fā)展此處不再敘述，感興趣的讀者可以自行查詢(xún)) 自從數(shù)據(jù)倉(cāng)庫(kù)的出現(xiàn)給對(duì)企業(yè)的決策支持注入了新的活力，發(fā)展到現(xiàn)在的互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)對(duì)數(shù)據(jù)的應(yīng)用又是一個(gè)嶄新階段。

不管是在哪個(gè)時(shí)代的企業(yè)高層都要做一項(xiàng)決策，其困難度也是不同的，在 20世紀(jì)60年到70年 ，決策中往往是需要查詢(xún)多種異構(gòu)數(shù)據(jù)源的業(yè)務(wù)系統(tǒng)、參考外部的數(shù)據(jù)，進(jìn)行大量的數(shù)據(jù)分析后才能做出相關(guān)的決策來(lái)。

而進(jìn)入到 20世紀(jì)80年代 后，隨著計(jì)算機(jī)技術(shù)發(fā)展、各類(lèi)數(shù)據(jù)統(tǒng)計(jì)分析的工具逐步健全，尤其是數(shù)據(jù)倉(cāng)庫(kù)的技術(shù)發(fā)展給傳統(tǒng)企業(yè)的決策支持系統(tǒng)帶來(lái)了更大的便利性。傳統(tǒng)企業(yè)更多的是圍繞著日常經(jīng)營(yíng)去做經(jīng)營(yíng)分析，比如財(cái)務(wù)績(jī)效狀況、資產(chǎn)運(yùn)營(yíng)狀況、償債能力狀況、發(fā)展能力狀況等。

像前系列文章“我所經(jīng)歷的大數(shù)據(jù)平臺(tái)史“提到數(shù)據(jù)平臺(tái)的發(fā)展史與用戶(hù)的演進(jìn)，在傳統(tǒng)企業(yè)前幾代數(shù)據(jù)平臺(tái)上支撐的是商業(yè)智能，輔助業(yè)務(wù)經(jīng)營(yíng)決策，為公司高層提供決策。其主要是支持企業(yè)的分析人員、管理人員、從多個(gè)維度進(jìn)行信息的快速分析。

商業(yè)智能(Business Intelligence，簡(jiǎn)稱(chēng)BI) 的概念最早是Gartner Group 的 Howard Dresner在1996 年提出來(lái)，傳到國(guó)內(nèi)有將之翻譯為"商業(yè)智能"或"商務(wù)智能"。商業(yè)智能的應(yīng)用領(lǐng)域典型電信、銀行、保險(xiǎn)、零售等，所有建立了數(shù)據(jù)倉(cāng)庫(kù)的企業(yè)其商業(yè)智能建設(shè)的主要目標(biāo)是企業(yè)決策支持。商業(yè)智能通過(guò)對(duì)信息技術(shù)的運(yùn)用在不同層面為戰(zhàn)略、決策提供新的支持：提升決策者洞察力以及支持信息獲取與分析。

在傳統(tǒng)企業(yè)的商業(yè)智能時(shí)代 ，我個(gè)人對(duì)其的認(rèn)識(shí)是商業(yè)智能本來(lái)是把數(shù)據(jù)分析和統(tǒng)計(jì)運(yùn)算的結(jié)果以多角度的方式存儲(chǔ)，然后在OLAP、Report平臺(tái)上形成一個(gè)個(gè)面向不同業(yè)務(wù)需要的數(shù)據(jù)集市以可視化的展現(xiàn)，讓公司的管理層可以通過(guò)看及時(shí)和合適方式展示出來(lái)的信息來(lái)決策，讓基層可以用統(tǒng)計(jì)運(yùn)算后的數(shù)據(jù)進(jìn)行經(jīng)營(yíng)分析與企業(yè)日常運(yùn)作。

這種方式的 核心是Bill Inmon 、Ralph Kimball的數(shù)據(jù)倉(cāng)庫(kù)Data Warehouse與Codd創(chuàng)造OLAP一詞，E.F.Codd發(fā)明了在線分析處理(OLAP)一詞，來(lái)表示多維分所結(jié)合的模式，為客戶(hù)提供OLAP 平臺(tái)，通過(guò)開(kāi)發(fā)一些Report、Dashboard，后臺(tái)通過(guò)ETL 自動(dòng)刷新數(shù)據(jù)，其中ETL工具在當(dāng)時(shí)使用的是Datastage、Informatica、微軟Dts或自己開(kāi)發(fā)的腳本等系列來(lái)做數(shù)據(jù)的清洗、轉(zhuǎn)換、加載，而OLAP 平臺(tái)基本上為BO、Congos、Oracle 等幾家的OLAP引擎與報(bào)表設(shè)計(jì)平臺(tái)。在數(shù)據(jù)倉(cāng)庫(kù) Data warehouse 中大家可以看到DW層為存儲(chǔ)、管理數(shù)據(jù)設(shè)計(jì)的模型、數(shù)據(jù)集市中為 OLAP 而設(shè)計(jì)的模型。其中數(shù)據(jù)集市的數(shù)據(jù)就是數(shù)據(jù)倉(cāng)庫(kù)各層的數(shù)據(jù)Join與Aggregate的數(shù)據(jù)集合。

傳統(tǒng)的數(shù)據(jù)團(tuán)隊(duì)的困惑 在盲目的跟著需求開(kāi)發(fā)，導(dǎo)致開(kāi)發(fā)成果無(wú)法確認(rèn)是否有用、夠用，也無(wú)法避免無(wú)休止的需求變更，導(dǎo)致系統(tǒng)開(kāi)發(fā)成本高、周期長(zhǎng)、失敗率居高不下。這樣的數(shù)據(jù)平臺(tái)最大的特點(diǎn)是龐大，初次使用感覺(jué)功能非常新鮮，但是在面對(duì)具體需求時(shí)使用起來(lái)難用，無(wú)法真正的解決問(wèn)題。根本沒(méi)有系統(tǒng)化、產(chǎn)品化，只是一堆數(shù)據(jù)的堆砌，僵死的報(bào)表或cube 開(kāi)發(fā)、設(shè)計(jì)與開(kāi)發(fā)與業(yè)務(wù)脫節(jié)非常嚴(yán)重，沒(méi)有任何銜接可言。

隨著時(shí)間的發(fā)展，業(yè)界聽(tīng)到的BI的聲音越來(lái)越少了，反而是 對(duì)探索數(shù)據(jù)的價(jià)值的數(shù)據(jù)分析、數(shù)據(jù)挖掘獨(dú)立的聲音出現(xiàn) ，因?yàn)樵缙趥鹘y(tǒng)企業(yè)的BI在這件上非常吃力，在過(guò)去只是簡(jiǎn)單從不同角度的堆積數(shù)據(jù)看統(tǒng)計(jì)指標(biāo)已經(jīng)不適應(yīng)決策要看原因，要看影響的程度，執(zhí)行層面要根據(jù)數(shù)據(jù)分析、挖掘精確來(lái)執(zhí)行。

比如過(guò)去我們只是看商場(chǎng)的不同品牌的貨物賣(mài)出多少，在現(xiàn)在要看商品在一天的那個(gè)時(shí)間段賣(mài)的好、擺放哪個(gè)位置賣(mài)的好、什么樣的顧客容易買(mǎi)，客戶(hù)總消費(fèi)多少錢(qián)，客戶(hù)訂單次數(shù)，客戶(hù)平均客單價(jià)、客戶(hù)最近訂單時(shí)間等等。

初BI 剛進(jìn)入企業(yè)眼前的時(shí)候，認(rèn)為BI可以做很多厲害的事情，各種智能化。隨著時(shí)間推移，BI從天上掉到了地下，90%多的企業(yè)只剩下數(shù)據(jù)集成和報(bào)表生成部門(mén)。目前一般企業(yè)普遍采用的辦法是由業(yè)務(wù)部門(mén)提出分析需求，讓BI部門(mén)統(tǒng)計(jì)和分析數(shù)據(jù)出結(jié)果，這樣的組合看似合理，卻有很多隱患。

記得有家公司組建自己的BI團(tuán)隊(duì)前，曾經(jīng)去尋找多家第三方企業(yè)來(lái)實(shí)BI，建立了數(shù)據(jù)模型和數(shù)據(jù)處理，交付物開(kāi)發(fā)出各個(gè)業(yè)務(wù)線的需求報(bào)表，按照會(huì)員維度的日?qǐng)?bào)、周報(bào)、月報(bào)，商戶(hù)維度的日?qǐng)?bào)、周報(bào)、月報(bào)。 然后呢 ，業(yè)務(wù)上嘗鮮幾天時(shí)還挺爽，隨后越來(lái)越少用直至不用，因?yàn)殡S著堆積迭代無(wú)法滿足后來(lái)的業(yè)務(wù)需求，其主要數(shù)據(jù)質(zhì)量有問(wèn)題，每個(gè)報(bào)表數(shù)據(jù)經(jīng)常不準(zhǔn)、報(bào)表上根本看不出什么業(yè)務(wù)問(wèn)題來(lái)，需要多張報(bào)表數(shù)據(jù)下載進(jìn)一步加工，這是典型的不深入了解業(yè)務(wù)而導(dǎo)致數(shù)據(jù)模型、數(shù)據(jù)報(bào)表堆砌效應(yīng)引起的。

當(dāng)時(shí)大多數(shù)BI只能發(fā)揮不到1/3的作用，所受限制在于業(yè)務(wù)與數(shù)據(jù)的反復(fù)磨合，還有數(shù)據(jù)洞察與整合的客觀的業(yè)務(wù)需要代溝，所謂的數(shù)據(jù)驅(qū)動(dòng)只是停留在數(shù)據(jù)與業(yè)務(wù)分開(kāi)干的階段。

傳承者的辛勤

隨著互聯(lián)網(wǎng)企業(yè)的出現(xiàn)與發(fā)展， 大家已經(jīng)從經(jīng)營(yíng)、分析的訴求重點(diǎn)轉(zhuǎn)為數(shù)據(jù)化的精細(xì)運(yùn)營(yíng)上 。隨之而來(lái)的面臨創(chuàng)新壓力、如何做好精細(xì)化運(yùn)營(yíng)是當(dāng)今企業(yè)遇到的問(wèn)題。比如一款產(chǎn)品，想在互聯(lián)網(wǎng)生存下去， 用戶(hù)是基礎(chǔ)，沒(méi)有用戶(hù)的產(chǎn)品或許可以自?shī)首詩(shī)首詷?lè)，否則將會(huì)面臨一個(gè)問(wèn)題，如何拉新、如何研究新用戶(hù)，如何根據(jù)不同的用戶(hù)習(xí)慣來(lái)調(diào)整產(chǎn)品。 對(duì)于產(chǎn)品的新用戶(hù)，使用時(shí)會(huì)遇到各種問(wèn)題，產(chǎn)品運(yùn)營(yíng)就必須去關(guān)注、去分析、以及去解決，這些過(guò)程都是需要數(shù)據(jù)來(lái)衡量與定位的。如果整個(gè)公司都處在一種由之前簡(jiǎn)單粗暴運(yùn)營(yíng)向經(jīng)營(yíng)分析乃至數(shù)據(jù)驅(qū)動(dòng)的運(yùn)營(yíng)，必然會(huì)造成數(shù)據(jù)需求暴增，我前雇主許多運(yùn)營(yíng)同事能養(yǎng)成上班先看幾十分鐘的數(shù)據(jù)來(lái)確認(rèn)自己運(yùn)營(yíng)的各種細(xì)節(jié)。

數(shù)據(jù)化運(yùn)營(yíng) 對(duì)數(shù)據(jù)需求量越來(lái)越大，分析師、數(shù)據(jù)開(kāi)發(fā)在面對(duì)大量的數(shù)據(jù)需求、海量的臨時(shí)需求疲憊不堪，變成了資源的瓶頸， 用戶(hù)其聚焦在無(wú)法快速的響應(yīng)日常需求其表現(xiàn)為，做數(shù)據(jù)的已經(jīng)無(wú)法滿足當(dāng)前業(yè)務(wù)日益增長(zhǎng)的數(shù)據(jù)需求。

互聯(lián)網(wǎng)企業(yè)在運(yùn)營(yíng)上精細(xì)化已經(jīng)對(duì)數(shù)據(jù)的粒度要求由高匯總逐漸轉(zhuǎn)為過(guò)程化細(xì)粒度明細(xì)數(shù)據(jù)。而傳統(tǒng)的各類(lèi)的Report、OLAP 工具都無(wú)法滿足互聯(lián)網(wǎng)行業(yè)個(gè)性化的數(shù)據(jù)需求。

分析師、數(shù)據(jù)開(kāi)發(fā)對(duì)于企業(yè)是非常寶貴的資源 ，每天浪費(fèi)在各種數(shù)據(jù)提取、沒(méi)有經(jīng)過(guò)判斷的合理需求、一些無(wú)法證明蛋生雞還是雞生蛋數(shù)據(jù)證明上，自己造成的異常數(shù)據(jù)波動(dòng)，或者是因?yàn)閿?shù)據(jù)平臺(tái)建設(shè)的功能不給力，導(dǎo)致數(shù)據(jù)分析師費(fèi)時(shí)費(fèi)力。

統(tǒng)計(jì)過(guò)某公司近兩個(gè)月分析師們的工作內(nèi)容,背景是從3月份-5月份大家在郵件、需求登記管理平臺(tái)等內(nèi)容。大約覆蓋分析師3個(gè)月工作85%左右，臨時(shí)需求在69.44%之間，產(chǎn)品發(fā)布評(píng)估占到 8.89%、周期性需求為(新業(yè)務(wù)日?qǐng)?bào)周報(bào))6.11%、專(zhuān)題分析8%、數(shù)據(jù)類(lèi)項(xiàng)占比為6.67%

分析師70%左右時(shí)間全部在臨時(shí)需求上。臨時(shí)需求+周期需求占到總時(shí)間的 70%-73%左右 ， 臨時(shí)需求+固定需求需要0.5天-2天內(nèi)完成占比了 77%左右，1天內(nèi)完成零散需求占比 71.66%。

這個(gè)團(tuán)隊(duì)的分析師平均每月工作天數(shù)如果全飽和，單純臨時(shí)需求總共消耗分析師超過(guò)140%時(shí)間，均超過(guò)35%人月，分析師沒(méi)有一點(diǎn)時(shí)間搞其他的。變成了 純粹人肉取數(shù)機(jī) ，更何況分析師還有其它日常工作、專(zhuān)題分析等，更不要說(shuō)讓分析師更有價(jià)值。

當(dāng)數(shù)據(jù)平臺(tái)、數(shù)據(jù)分析師想擺脫臨時(shí)需求的困擾，提高自身的價(jià)值時(shí)，開(kāi)始考慮把需求固定化變?yōu)橐粋€(gè)面向用戶(hù)自助式、半自助的產(chǎn)品來(lái)滿足快速獲取數(shù)據(jù)&分析的結(jié)果， 當(dāng)總結(jié)出的指標(biāo)、分析方法(模型)、使用流程與工具有機(jī)的結(jié)合在一起時(shí)候，適合互聯(lián)網(wǎng)時(shí)代的一類(lèi)數(shù)據(jù)產(chǎn)品就誕生了。

數(shù)據(jù)產(chǎn)品從早期的形式存在，一直到這幾年的爆發(fā)與被大家得到逐漸的的認(rèn)可，但是數(shù)據(jù)產(chǎn)品不管是在國(guó)外與國(guó)內(nèi)沒(méi)有一個(gè)非常完善的說(shuō)明。不管是百度上、還是谷歌對(duì)數(shù)據(jù)產(chǎn)品、數(shù)據(jù)產(chǎn)品經(jīng)理的內(nèi)容也是不多。

那到底什么是數(shù)據(jù)產(chǎn)品呢?我覺(jué)得要想把數(shù)據(jù)產(chǎn)品定義清楚，要拆分成“數(shù)據(jù)”、“產(chǎn)品”兩個(gè)維度來(lái)看。

“產(chǎn)品” 這個(gè)詞我相信大家都非常熟悉，我偷個(gè)懶直接借用“人人都是產(chǎn)品經(jīng)理”中一段，“產(chǎn)品是一組將輸入轉(zhuǎn)化為輸出的相互關(guān)聯(lián)或相互作用的活動(dòng)的結(jié)果,即“過(guò)程” 的結(jié)果“。在經(jīng)濟(jì)領(lǐng)域中,通常也可理解為組織制造的任何制品或制品的組合。產(chǎn)品的狹義概念:被生產(chǎn)出的物品;產(chǎn)品的廣義概念:可以滿足人們需求的載體。”

互聯(lián)網(wǎng)產(chǎn)品的概念 是從傳統(tǒng)意義上的“產(chǎn)品”延伸而來(lái)的，是在互聯(lián)網(wǎng)領(lǐng)域中產(chǎn)出而用于經(jīng)營(yíng)的商品，它是滿足互聯(lián)網(wǎng)用戶(hù)需求和欲望的無(wú)形載體。簡(jiǎn)單來(lái)說(shuō)，互聯(lián)網(wǎng)產(chǎn)品就是指網(wǎng)站為滿足用戶(hù)需求而創(chuàng)建的用于運(yùn)營(yíng)的功能及服務(wù)，它是網(wǎng)站功能與服務(wù)的集成。大家可以分析下百度、騰訊、新浪、優(yōu)酷、谷歌、facebook 各自的“產(chǎn)品”是什么?

移動(dòng)互聯(lián)網(wǎng)產(chǎn)品又是什么呢? 我是沒(méi)有找到比較貼切的概念，只好依照自己簡(jiǎn)單的想象“已移動(dòng)設(shè)別、網(wǎng)絡(luò)為基礎(chǔ)，構(gòu)建滿足人們的需求而創(chuàng)造出來(lái)的功能與服務(wù)”，例如基于手機(jī)、平板設(shè)備上的各種App，微信、手機(jī)百度、ingress手游、網(wǎng)易客戶(hù)端等。

綜上所述所謂的產(chǎn)品，簡(jiǎn)單講就是滿足人們某個(gè)需求、或解決某個(gè)問(wèn)題的東西。

思考

那數(shù)據(jù)是什么呢?組合成的數(shù)據(jù)產(chǎn)品又是什么呢?

互聯(lián)網(wǎng)的數(shù)據(jù)產(chǎn)品又與傳統(tǒng)數(shù)據(jù)平臺(tái)又是什么關(guān)系呢?

我們?cè)撊绾卫斫鈹?shù)據(jù)產(chǎn)品呢?

數(shù)據(jù)產(chǎn)品的三要素是什么?

不懂?dāng)?shù)據(jù)的人如何用好數(shù)據(jù)產(chǎn)品?

數(shù)據(jù)產(chǎn)品經(jīng)理的天花板又在哪里?

如何做好數(shù)據(jù)產(chǎn)品?

等等一系列與數(shù)據(jù)產(chǎn)品、數(shù)據(jù)產(chǎn)品經(jīng)理相關(guān)的問(wèn)題我在后續(xù)會(huì)逐漸與大家分享。

來(lái)源：songzi2016