數據幫助產品決策怎麼做

『壹』 淺談數據產品管理實踐

 近些年來，隨著增長黑客、精益化運營、大數據、AI等概念大熱，數據產品、數據產品經理曝光率也不斷攀升。公司也於2017年初開始推行數據化戰略，取得一些成果，上線了數據倉庫、數據雲平台、數據監控、自動化審批等數據產品。 但什麼是數據產品？數據產品如何解決公司業務問題？如何設計有價值的數據產品？數據產品經理需要具備什麼能力和特質？本文將圍繞數據產品設計開發管理，結合公司一年來做的數據產品，與大家一起探討分享，以期各位同事了解數據產品的價值和特點，未來更好的利用數據產品和提出更有意義的需求。

1 數據產品的定義
       簡單講，即以數據產品是能幫助用戶發揮數據價值去輔助用戶決策或行動，以數據為主要自動化產出的產品形態。強調自動化產出是區分類似數據研究咨詢公司的咨詢報告、手工報表。接下來數據產品又可以進行細化：
       通過用戶群體可以分為三類：
企業內部數據產品，如開篇講到我們公司的BI 、自動化審批、數據監控等；
商業型數據產品，如谷歌的Google Analytics；
用戶均可使用，如淘寶指數。

2 數據產品的意義
       當我們推出一個新的產品功能的時候，是否是符合用戶預期的，是否是受用戶歡迎，我們需要通過數據來說話。 在 Facebook 中，直接匯報給扎克伯克的增長團隊就有兩個數據團隊做數據的採集計算和展示。Facebook 所有數據的監控，以及根據效果持續優化工作都由他們負責。 Facebook對數據驅動的重視程度有一個例子很好說明，曾經一個 VP帶領的 30 人團隊花了一年時間改版主頁，在灰度上線三個月期間因數據表現不佳，直接回滾。 Facebook 通過可量化的數據對新功能進行客觀反饋，從而驅動下一步的產品決策。
       彼得.德魯克有句名言：if you can't measure it, you can't manage it.

3 數據產品如何設計
      關於這個問題我們可以拆解成五步來解答：
     -面向什麼用戶和場景
     -解決什麼問題或帶來什麼價值
     -分析思路是什麼
     -用到什麼樣的指標
     -怎麼組合展現這些指標

1）面向什麼用戶和場景
       產品設計先要明確面向的用戶和場景大家並不陌生，具體到數據產品用戶和場景的特點有：
       -不同用戶有不同的價值：特別是面向企業內部產品。從數據能產生的價值來看，高層的一個正確的決策可以節省下面無數的成本，不能單純從產品使用用戶數來衡量產品的價值；
       -不同層級用戶關心的數據顆粒度不同：產品設計時需時刻記住數據呈現的主次、不同顆粒度的分析以及最細粒度的入口。數據分析本質就是不斷細分和追查變化；
       -不同類型的用戶使用數據的場景不一樣，要圍繞這些場景做設計。比如我們分公司分總、團隊經理們，工作繁忙且甚少坐班，那麼移動化和自動化就很關鍵。在設計的時候，原則就是通過手機界面展現關鍵指標，分析結果簡要清晰，較少分析功能。而且在某些指標異動時能及時通過手機通知。而辦公室的數據分析師，則 PC 界面更多細化分析對比的功能。 即將上線的管理決策系統就充分考慮這些場景，業務線通過手機APP瀏覽查看並支持指標異動的通知；另一個業務數據監控產品，則將細致的分析呈現在PC界面上。只有充分了解自己的用戶和使用場景，保持長期有效的溝通，才能設計出更好用的產品。

2）解決什麼問題或帶來什麼價值
      即明確產品需要滿足用戶的什麼需求，有怎麼樣的迫切程度和價值。
      首先判斷用戶的本質需求，可用 Demand/Want/Need 方法分析。用戶說來杯可樂（Demand），如果他最需要的是解渴（Want），那麼一瓶礦泉水或者寶礦力會更適合他（Need）。
      其次判斷需求的價值，基於兩點：這個需求滿足的是否是核心用戶；是否是剛性需求。核心用戶衡量公式「人數 * 單用戶價值」，我們心裡要有「不要為了次要用戶的需求去干擾核心用戶的正常使用」的觀念，更不要因為有些數據產品只有公司幾個高管使用而覺得缺乏成就感；剛性需求的判斷，可以從需求有無替代方案、發生頻率（可以結合何時何地的場景來思考）、持續時間等因素綜合考慮。

3）分析思路是什麼
      明確問題後應該通過什麼樣的思路進行分析？需要明確以下原則：
      -數據產品經理要有數據分析能力，才能更好創造更大的數據價值；
      -數據產品設計理念，應從總覽到細分，多維度不斷對比；
      -數據產品的總覽頁面設計應提綱挈領、簡明扼要、主次分明，幫助用戶快速定位了解重要信息數據和重要異常問題，而不是浸泡在無序繁復的數據細節之中；
      -數據的細分應該提供足夠豐富的維度便於分析。每次細分必須帶著指標下去，所有分析的結果必須可以落實到動作執行，並與業務緊密相關；
      -數據本身沒有意義，數據的對比才有意義。數據產品的核心就是凸顯對比，這點是數據產品經理的差異化能力，同時要求甚高（如下圖業務數據監控產品）。既需要豐富的產品設計經驗，也需要深刻的業務理解能力和數據分析能力。

4）用到什麼樣的指標
      分析思路需要相應的數據支撐，需要確認數據准確完備，包括需要哪些數據指標、數據來源和欄位等。在確認的過程要注意以下兩點:
     -數據的完備性需要提前明確所有的數據是否已經准備完全。數據的採集，清洗和聚合工作是數據准備環節的核心內容。如果需要的數據沒有及時採集或沒有經過清洗，會讓整個工期增加極大的風險。
     -數據的准確性在很多時候臨到使用，才發現這個埋點的方式一直都是錯誤的，或者發現這個指標計算的方法沒有把某種因素排除掉。原因多是部門眾多口徑繁雜，缺乏統一數據定義和質量監控管理。 公司為了治理這個問題，專門由數據分析中心牽頭，產品與業務部分參與梳理。與此同時，為了更好的採集數據的完備和准確，我們在數據採集埋點的方案選擇上也積極求變，與優秀的第三方數據服務商神策數據合作。

5）怎麼組合展現這些指標
      關於數據產品用怎樣的產品形態組合展示指標，常見的數據產品形態有著重於數據呈現，比如郵件報表類、可視化報表類、預警預測類、決策分析類等；著重於演算法類的，比如用戶畫像、匹配規則等。
這里探討一下著重數據呈現的產品形態設計思路：
      -指標的設計，首先需要明確什麼類型的產品適用什麼樣的指標，如項目核心的訂單轉化率，放款金額，逾期率等。
逐層拆分，不重不漏。如將逾期分析拆成逾期率、逾期筆數、逾期金額，各節點也可以往下細分出逾期分布，不同的產品、不同的城市還會擁有不同的逾期表現，一層層往下分拆；
確保指標能明確表達含義，為上層的分析思路提供依據；
明確指標定義，統計口徑和維度；
      -指標的呈現，即數據可視化。它不僅是UI設計師的工作，對數據產品經理也提出很高要求。因為它涉及到別人怎麼去理解和使用你的產品。一方面需要持續閱讀相關專業的書籍，另一方面，需要觀察學習足夠多的優秀數據產品。具體到數據的可視化圖表設計上，一些經驗有趨勢用曲線圖，佔比趨勢用堆積圖，完成率用柱狀圖，完成率對比用條形圖，多個指標交叉作用散點圖。根據不同指標選擇其合適的形式。

4 數據產品對數據產品經理有怎樣的要求
       前面講關於數據產品設計，那麼如何確保按正確的符合企業需要的數據產品順利的設計開發上線呢？即數據產品經理需要具備哪些能力才能勝任，概括的講有以下四個方面的能力模型：
      -數據分析的能力：要懂分析，不然就會變成一個只出報表的傳話筒，要懂數據的產生邏輯，要能建立一個業務模塊的數據指標體系，不然，出來的東西會比較亂，可能遲遲上不了線；
      -數據展現的能力，即可視化的能力；
      -商業模型的理解能力：商業理論要了解，才能給抽象成報表和分析頁面，而不同的商業理論適用於不同的企業和企業不同的階段，除了保持商業理論的持續學習更新，還需要結合企業實際情況選擇執行；
      - 一般產品經理的能力如需求分析調研、邏輯溝通、快速學習等能力；
       除了對能力有專門的要求，數據產品設計開發過程中，數據指標梳理是一件非常繁瑣的事情，另外在進行數據分析，在一大堆數據里刨來刨去，很可能半天也沒有結果，這樣就需要數據產品經理的性格能沉下心，能耐得住寂寞和有些枯燥的工作，所以對數據產品經理比一般產品經理有一些不同的性格要求。比如一般產品經理要求會玩，性格外向活躍，而數據產品經理表現的就會偏沉穩和內斂。

      從數據產品經理的能力模型可以看出，既要懂數據，懂產品，又要懂商業，還有性格，要求相當高。公司2017年初啟動數據化戰略，由此可見，數據產品經理團隊的組建是一件有挑戰性的工作，在火熱的數據人才市場，於去年8月完成組建工作。全面的數據產品經理難求，但我們力求形成全面而富有戰鬥力的團隊，作出優秀的產品

『貳』 企業如何利用大數據決策

企業可以利用大數據來提高決策的准確性和效率。這里有幾種利用大數據進行決策的方法:

• 數據挖掘: 企業可以使用大數據挖掘技術來發現隱藏在數據中的規律和關系。這些規律和關系可以幫助企業更好地了解市場趨勢和客戶需求，並且可以用來預測未來市場趨勢。

• 可視化分析: 企業可以使用大數據可視化工具來分析數據，這樣可以幫助企業更好地理解數據的意義。

• 預測分析: 企業可以使用大數據預測分析技術來預測未來的市場趨勢和需求。這樣可以幫助企業更好地規劃未來的業務策略。

• 決策支持系統: 企業可以使用大數據決策支持系統來幫助決策者更好地利用數據進行決策。這種系統可以幫助決策者更好地了解數據，並且可以提供建議來幫助決策。

這些方法都需要大量的數據支持，需要對數據進行清洗，處理和建模，並且需要一系列技術支持，如：數據挖掘、機器學習、數據可視化等。

重要的是，企業在利用大數據進行決策時，要結合業務場景和需求來進行選擇性地使用這些方法，並且要確保數據的准確性和可靠性。

此外，在利用大數據進行決策時，企業還需要注意以下幾點:

• 數據安全: 企業要確保數據的安全性和隱私性。

• 數據治理: 企業要建立數據治理體系，確保數據的准確性和可靠性。

• 人才培養: 企業要培養大數據人才，提高員工的數據分析能力。

• 數據和業務融合: 企業要將大數據與業務融合，使大數據成為企業決策的重要依據。

『叄』 如何做出正確的產品組合決策

對大多數企業來說，開發資源是極其寶貴並稀缺，因此不能浪費在錯誤的項目上。但企業的開發管道中的很多項目都是不容易成功的，或者項目在市場商業化中失敗（表現不佳）或者在產品發布之前被叫停，一般[張樂飛1] 七個概念中只有一個能真正地取得商業化的成功。因此，項目選擇（選擇正確項目進行投資的能力）就成為企業領導者團隊為了達到在有限的開發支出下最大化產出率的目的而要完成的一項重要任務，此時就需要產品組合投資管理委員會做出決策。

產品組合管理審查委員會是首要的決策管理機構，包括對現有產品、開發中的產品，以及處在各個計劃階段項目的投資進行指導和優化。更重要的是這個委員會對於所有產品投資擁有最高的批准和否決權。圖7-16所示的是一個典型的跨部門產品組合投資管理委員會的構造。注意這個構造與第1章中提到的跨職能產品團隊結構相似，他們之間的區別在於級別高低，產品組合投資管理委員會是由高級業務領導者構成的。

圖7-16 產品組合投資管理委員會

這個由高管組成的產品組合投資委員會負責跨產品和跨職能的整體決策，尤其是對於各個產品和產品項目的資金分配問題。理論上講，這個委員會應該要對在其職權范圍內產品線上工作的跨職能產品團隊起到監管作用。要充分發揮產品組合投資管理委員會的作用，委員會的成員就需要經常溝通互動，同時也與他們所監管的跨職能產品團隊經常溝通。在做出產品組合相關決策前，委員會需要對目前狀況以及需要做什麼進行仔細分析，從而幫助公司實現戰略目標。具體成一些需要討論決策的問題如下。

Ø 應該取消開發中的產品嗎？

Ø 應該對一款成熟產品進行升級嗎？

Ø 應該對市場份額增長進行投資嗎？

Ø 是否應該為某個產品線的成本控制進行投資？

Ø 是否應該提升產品品牌在某個區域內的認可度進行投資？

Ø 是否應該對其他市場組合元素進行投資，如新的分銷渠道，或者更多的廣告和推廣？

Ø 是否應該投資更多元化的產品，以此來最小化我們在某一產品類別中所面臨的風險？

Ø 是否應該叫停某些產品？

為了讓產品組合投資管理委員會對產品線進行可行和有效的審查，就需要有可用的方式來獲得詳細的項目和產品數據。獲得這些數據最高效的方法是企業擁有完整的數據管理體系，可以隨時從系統中獲取信息（如7.3小節所講述的數據指標），包括一些其他輔助的數據來源。數據可以幫助委員會將那些可能進入企業的產品業務可視化。同時，這個方法也能幫助委員會衡量一些將要打分的決策標准，從而找到對產品投資可能的最佳方案。

最後產品組合投資管理委員會需要做出行動。然而，即時有了正確的數據和工具，委員會也經常沒能做出合理的決定。有些委員會將資金分配給一些表現並非出類拔萃的項目，而有些項目，他們發現了問題卻沒有及時叫停；還有一些委員會拒絕將資金分配給那些需要改進的產品項目；還有很多委員會被那些看起來高增長的，比如30%增速的項目所吸引，但後來發現事實並非如此而非常失望。我想說的是，即使是有了數據，產品組合的決策也始終都是個挑戰。

『肆』 為什麼企業需要數據來做出更好的決策

在生活的幾乎每一個領域，我們正越來越多地產生越來越多的數據，而企業發現的最有價值的用途之一是幫助他們做出更好的決策。

這種情況一直在發生，而且可能是一個人工過程——例如，花時間審查求職者的「領英」資料，以幫助做出更好的招聘決定。或者確定我們產品受歡迎的市場，以鎖定銷售資源。然而，最令人興奮的數據應用是自動化的，用於解決企業所面臨的大問題。例如，當UPS開始使用位置數據和交通信息，結合人工智慧其送貨卡車網路制定路線時，大量節省了燃料和工資成本，並極大地減少了其能源足跡。同樣，包括亞馬遜和沃爾瑪在內的零售商利用客戶的購買 歷史 來預測客戶想要購買的產品，而且准確度越來越高。「網飛」純粹從用戶使用其服務的方式來了解他們，了解他們喜歡什麼內容，什麼會讓他們關閉，以便讓他們對其服務著迷。這些都是自動發生的，不需要任何人類員工動一根手指頭。

更加明智的決策意味著做出最有可能幫助公司實現其目標的決策。傳統上，決策背後的驅動力是企業領導人的經驗和直覺。而不幸的是，這也是90%的小企業和初創企業失敗這一令人不安的統計數字背後的主要原因之一。當然，經驗和直覺是有價值的，但研究證實，基於數據（而不是直覺或經驗）做出決定的企業，其盈利的可能性要大19倍。

這有很多原因，其中一個最大的原因是世界在變化，客戶的期望和行為也在變化。而我們自己的個人信仰和想法，則往往不會改變。也就是說，一旦我們找到了有效的東西，我們就不會期望它停止工作。我們不能總是相信我們會有足夠的思想和遠見來預測每一個可能出現的破壞性事件或競爭者，並將我們的世界顛覆。想想Blockbuster Video拒絕了收購「網飛」的機會，甚至雅虎也拒絕了以100萬美元收購谷歌PageRank演算法的機會。

在這兩個案例中，以及每天都在發生的更多案例中，做出了錯誤的決定，因為企業領導人（具有良好業績記錄的成功人士，他們將自己的公司帶到了新的成功高度）根據自己的直覺和經驗做出了決定。

數據驅動的組織

今天，大多數公司都聲稱在某種程度上是數據驅動的——這是一個非常時髦的說法。但我相信很多人在他們的職業生涯中都有過這樣的經歷：在一家公司工作時，它說自己是數據驅動的，但只有當數據恰好與領導層的信念或直覺一致時，它才是真正的數據驅動！我相信這一點。

成為真正的數據驅動意味著在做決策時將數據作為唯一的真理點。這意味著所有的決策，從有關戰略和目標的高層決策，到涉及個別客戶或員工的問題。

有四個關鍵領域，數據可以幫助做出更好的決定。它們是：

與客戶、市場和競爭對手有關的決策——這涉及到盡可能多地了解你的客戶是誰，以及他們可以有哪些選擇。這就是像亞馬遜、沃爾瑪和樂購這樣的公司如何了解如何向特定的人宣傳特定的產品，應該如何定價以使企業具有競爭力，以及隨著世界的變化和人們在生活中的不同階段，習慣會如何變化。在這里，數據意味著我們可以更有效地滿足客戶的期望，並領先於競爭對手。

與財務有關的決策——這是一個企業著眼於銷售趨勢、現金流循環、收入預測和股價走勢，以便圍繞預算編制和成本節約措施做出決策。在這里，以數據為導向意味著更准確、更有效地平衡賬目和推動增長。

與內部運營有關的決策——這是UPS等公司通過自動規劃其送貨路線來提高效率的地方，製造商通過使用人工智慧優化機器和流程的運行來降低成本（並增加利潤），實現預測性維護等範式--提前知道何時會發生故障和需要維修，以盡量減少停機時間，並計劃分配更換和備件。在這里，以數據為導向意味著減少浪費和降低運營成本。

與你的員工有關的決定——確保你有合適的員工來完成你需要他們做的工作，確保他們在所有需要的方面得到支持，並為他們的時間提供足夠的補償，使他們不會受到誘惑離開你去找競爭對手，帶走他們所有的技能和專業知識。谷歌就是一個很好的例子，它開始從他們的數據中了解其經理人的不同素質如何影響他們團隊的表現。通過使用數據，他們能夠確定管理人員的八個核心素質，包括 "是一個好教練"和 "對團隊有明確的願景"，這些素質與成功的團隊相關聯。這有助於他們對誰應該被提拔到管理崗位做出更好的決定。