数据产品深思，社会发展的先知

数据产品经理是一个最接近增长黑客思维的职位，我认为思维广度和先见之明还要更优于，因为增长黑客是需要依赖于数据产品经理铺好的路去走的——也就是说要通过构建合适的数据产品去发挥增长黑客的作用。

数据产品用户我归为两类：公司内部人员和公司以外的用户。

我曾经想在内部通过培训通用产品经理们基于hive的adhoc取数，来提高数据使用效率，几波小范围培训后发现简单的h-sql技能很容易学会，但是数据背后错综复杂的逻辑关系和数据流程是一般产品经理很难理解的，像星型模型和雪花模型的数据结构导致理解起来非常复杂，也就说有了技能之后数据使用成本依然很高。

不久我就放弃了，因为他们没办法理清事实逻辑和关联，一段时间不使用后技能就会忘掉。这也是为什么数据仓库是面向主题去建模、宽表、降维等，就是为了进一步降低数据的使用成本。产品的接受程度如此，更何况业务线上的人员？

我们换个角度来思考一个问题：目前社会上对大数据应用的最大阻碍是什么？

我认为不是技术水平，不是人才数量，而是数据使用成本高，这个成本主要是数据获取和应用成本。人人都在说大数据，但有多少人真正用到了数据，尝到了数据的甜头？

数据仓库就在那放着，然而数据作为资产并没有盘活。为什么数据没有被盘活，从用户的角度来说：

• 第一，数据获取难度大且获取时间太长没有时效性导致数据价值降低；
• 第二，目前用户对数据的认知能力较低，绝大多数都停留在指标和KPI上。

因此数据产品的构建和发展，要随着用户对数据的认知和使用情况来逐步迭代的。

下面我们就从针对公司内部用户和外部企业商家用户的角度，来思考数据产品该如何发展。

一、公司内部数据产品

对于产品经理来说要对产品各生命周期有一个宏观的掌控，内部数据产品要评估公司整体数据成熟度和人员对数据的认知程度，去判断目前数据产品需要介入的生命周期，并且通过用户培养和教育来达到数据产品生命周期的发展。

所有产品亦是如此，如果产品建设过于超前，那么就是一种资源浪费。比如：当内部都没有成熟的报表系统，业务线人员对数据并不敏感，只是用来作为汇报的依据，那么耗费较大的资源和经历去开发一个取数平台是没有效用的。

我认为对于内部无论产品还是业务应该是由数据驱动的，但是数据驱动也是需要过程的，并不是说可以直接跨过内部人员对数据认知的成长过程。而是应该通过构建不同形态的数据产品来逐步培养用户数据意识，推动用户数据认知达到用户自我驱动使用并应用数据，这也是数据产品经理应该思考的目标。

我把内部人员对数据的认知过程分为四个阶段：

1. 萌芽阶段

最初内部人员仅把数据用来汇总成汇报的指标和KPI考核，对数据没有概念，这时人们并不知道可以获取什么数据，数据有什么其他作用。所以直接给他们灌输数据驱动的概念，会让人觉得一头雾水，不知所云。

这个阶段对于数据产品构建就要考虑到用户的低认知、无目的、无头绪和无期望，这时候需要我们去呈现数据，把经过我们分析处理好的数据结果直接展示给用户，并指导他们如何使用已有的数据结论去驱动业务或改进产品。这样让用户低成本的使用数据并尝到甜头，培养用户兴趣。

2. 填鸭阶段

通过第一阶段对用户的数据灌输，已经习惯日常数据的运用，这时专业的数据团队通过输出数据结果指导用户使用数据时，就可以丰富数据的展示维度及可视化形式。通过完善数据看板和报表体系等产品推动用户接受更多的可用数据，并逐步形成数据思维。

简而言之就是拿大量的数据去填充用户的思维，但不可避免的是当数据的丰富度超过用户可承受的范围时，必然会造成数据浪费，例如部分数据报表和看板闲置。

3. 索取阶段

经过前两阶段后用户已经形成了初步的数据思维和意识，甚至会对数据体系进行思考，并且会有需求获取一些个性化的数据来观测分析。

这时候用户已经有了数据分析意识和数据分析带来突增的数据提取需求，这时候就可以构建取数平台，并通过培训去提升用户的数据技能，满足他们对数据需求的急剧增长。并且这个阶段各个业务和产品线，会培养并完善自身的数据分析师甚至是BI人员。

我认为内部无论是数据分析人员、BI人员还是数据产品经理都是有独立于两个方向的：

• 一是产品或业务线方向；
• 另一个是平台方向。

平台方负责宏观的数据产品及数据分析体系的构建，而业务或产品线在平台构建的基础上去进一步有针对性的深入，平台就像大脑，而业务和产品线就是躯干。其实一个企业的数据仓库的最终形态就是一个大脑，一整套神经网络千丝万缕，操控着所有的业务线有条不紊的协同并进。

4. 高度认知阶段

用户对数据分析体系及技能基本掌握时，这时候用户可以算对数据有高度认知，知道数据该如何应用可以起到最大效用，数据获取已不是障碍，并且对数据底层结构和数据流有所了解。

这时候我们就该对最初构建的数据产品进行迭代更新了，比如：原有的被动推送式的报表看板系统迭代成由用户自由拖拽式的报表和看板系统，数据仓库面向主题的多维度数据模型就可以作为数据集供用户使用。

当数据调度系统和数据质量管理系统等完善，用户对底层数据结构有所了解后就可以自己构建面向主题的多维度宽表。此时数据产品经理需要考虑的就是如何发散用户数据思维、帮助用户构建更多的工具使用来进行数据驱动，并降低内部人员的数据分析成本。

整个内部数据产品的发展就是一个用户培养的过程，比较漫长。并且数据的作用是无形的，算作一种无形资产，很难在短期评估数据可以带来的收益，但当数据体系成熟时推送业务增长所带来的边际收益是不是都可以归功为数据的力量。

二、数据产品对社会的推动

从经济学角度来说，企业内部算是微观经济，接下来我们从宏观社会角度，来看一下对外部企业和商家的数据产品是需要一个怎样的发展历程。

首先我们要有一个目标，并相信数据可以推动和改变社会的发展进程（在这我们只讨论社会中的经济结构）。西方经济学讲看不见的手，也就是说市场是自发的，由供需双方决定的。国内经济可能更注重政府调控，也就是说社会经济体系是由自主发展和政府干预结合发展而成的，社会经济的发展直接决定着社会进程走势。

再细化来看，社会经济发展中最终要的就是市场中企业的构成与发展，也就是说想要改变社会进程，可以从改变企业商业模式和产业规模结构入手。这一点我认为就是数据去推动社会发展的目标切入点，而数据产品就是手段。

有人说了，商业模式和产业结构是经过千百年的历史进程摸索演变而来，不是说仅仅靠数据就能解决的。如果这样说是有少许误解的，仔细想想这个思维方向是有一点差别的，我们并不是直接通过数据指导企业家们去改变自身的商业模式而追求社会的进程的发展，这一点是违背商业本质的（商业本质是趋利的，但并不一定是唯利是图）。

我们是通过数据让企业家发现自身的问题和革新的机会，并充分且精确的呈现出市场大环境，来推动企业管理者自发的让企业做出改变，甚至是改变商业模式。在这种情况下数据就会推动着社会经济朝良好的方向快速发展，而会减少像经济危机、产能过剩等经济停滞点。

明白了数据如何可以改变企业的商业模式，建立在认同的观点上那么就探讨如何发展来达到这一步？

首先要从企业‘趋利’开始，第一步就是促使企业的业务规模增长和扩大收益降低成本。

对于企业来说处于竞争市场中，各类信息是不对称的也不能对称，如果企业信息对称消费者就会成为严重的被剥削者。那么就需要数据产品作为中间的桥梁和平台，使信息对称达到一种平衡，既不会让企业极度剥削消费者，同时也会让企业从数据信息中获利（业务增长、提高收益降低成本、丰富产品线等）。

而对于数据产品提供方肯定掌握着某一业务线的核心数据。拿携程酒店业务线举例：掌握着大量旅行用户的行为数据，包括从喜好到行前、行中等数据，完全可以通过对数据处理分析对酒店提供一系列的指导操作来提升酒店的产量和服务等。

因为对于酒店来说，他们掌握的是经验，而经验并不能准确预测未来的出行高峰时间、地区热度、竞对情况及用户偏好价格区间等，紧靠经验会错过酒店自身最大的边际收益。因此对于酒店来说大量的用户行为信息是不对称却最关键，而对于携程来说用户行为数据是中间产物可以变现的。

说到变现并不是直接去出售数据，出售数据可能是第三方数据公司所做的，而是通过数据驱动酒店产量增长的同时我们也获得了收益，这样既与酒店协同获利得到酒店认同，又降低了用户数据获取成本培养了商家的数据意识，一举两得。

当数据产品完善了整个商家数据体系之后，就会使商家带来质的变化，从而一步步的到让商家自我驱动去改变自身的商业模式。这数据产品大规模应用到企业后，数据驱动企业整体的发展和改变进，而就会对社会产生巨大的影响从而推动社会的进步。

所以回到最初我们说的，数据产品经理是一个接近增长黑客却更胜于增长黑客的职位，因为数据产品的思维需要比增长黑客超前，需要去开拓从未踩过的路。

免费体验云安全(易盾)内容安全、验证码等服务

更多网易技术、产品、运营经验分享请点击。