《数据驱动为什么要基于数据产品》由会员分享，可在线阅读，更多相关《数据驱动为什么要基于数据产品（4页珍藏版）》请在金锄头文库上搜索。
1、数据驱动为什么要基于数据产品数据产品是通过构建数据流对数据的应用和管理，因此从产品的 技术形态、构成和逻辑上会比构成一般产品更复杂。那数据驱动为什 么要基于数据产品？阅读完全文为也许你就能明白了。前两天看到有人在问道“数据产品最重要的能力是什么，偏技术 还是偏投资业务？或者其他方面？ ”我以此焦点话题作为开篇引入。我们不探讨最重要的能力是 什么，这是伪命题会以偏概全，我们把能力问题拆分来看到再提议偏 向亲眼目睹问题，而说到这就只得从产品的基本企划案构思和设计来 说起。回归本质，我认为：产品的构建就是数据流的走通，对一个产品 的设计构思或者说形成产品的，实际上就是构建业务逻辑流程让数据 走通。因
2、为产品的目的是让金融业务实现理财业务的，而业务范围实 现就是信息流、物流和资金流。所以一个产品经理要对数据流或者说信息流有掌控力，对一个产 品的迭代就是对信息流通过程和传输逻辑的优化。当信息流通过程恰 当简短达到最优这就是一个好的产品，你用心去看一款好的产品一定 是恰当、易懂、好用。像微信，就是这么简单的一款产品极大的降低了市场监管信息流 通成本，并没有很复杂的机制来提升用户粘性，很单纯。这也是为什 么现在的产品要做减法而不是加法。如果没推断出信息流向，就是在给产品挖坑，后期就像随时会崩 溃的水坝一样危险。大禹就是个很棒的产品副经理，信息流就像洪水, 构建的方式产品线就是大禹治水的方式，疏而不
3、堵。转回数据产品，数据产品是通过构建数据流对数据的软件系统和 管理，因此从产品的形态、构成和逻辑上会比一般产品繁杂更复杂，如果在数据层面再加上物流（交换）、资金流（交易结算）的概念，那就相当于把信息流的物流和资金流描述出来。就像元数据的概念一样，是记述数据的数据，可想机制的复杂。描绘信息流的物流和资金流的过程就很相当像区块链的概念，因此目前的交易大都会涉及到区块链，这是另一个话题以后有机会再聊。大家除非感觉会有些绕，但是理解了就会豁然开朗。构建数据产品要站在数据管理者的角度去思考问题，不是产品管理者，大部分的通用型产品不会或不用去考虑数据的规范、类型、标准、建模和质量等问题。而这却是数据产品超
4、过一半考虑最多的结构性问题，所谓底子没打好，怎么去主要考虑灵活应用呢？因此数据产品所具备的不仅仅是数据使用场景，并且产品经理要从数据使用角度加载，这样你才能开拓方向和开阔视野。当数据基底夯实，就可以依此去扩散应用场景，数据产品就可以朝各个应用方向散播。很多人可能对数据基底没大有概念，我举个最简单的例子：察觉到在你日常工作中会肯定遇到一个场景就是和别人谈论一个指标或者一个KPI 名称相同，但说到不怎么最后发现算法却不一样。就拿用户活跃来说，不同业务对其的定义都不一样，到底是按用户登陆来算？还是按用户访问来算？还是按购买来算？尤其是规模越大的公司这种会越大，因为信息不对称，沟通交易成本也直线上升，
5、公司规模和问题成本相若。这种常见的问题不用说数据应用了，出现一个指标大家都人云亦云。我之前了解到阿里近两年开始数据应用的研究，就是因为内部他们内部经过长时间对数据基底的改造，形成了一套OneData 的数据体系，规范管理了整体的原始数据标准和管理，最大消灭了信息不对称造成的成本。因此有底气往数据应用路径研究发展，就像那句老话讲的“学好数理化，走遍天下都不怕”。ps ：这里用到说一下数据使用和数据管理角度的转变所带来的不同，单纯数据使用会慢慢形成长期的需求惰性，就像拼装生产一样，一直承接需求，生产需求。但是流水线过程中不严重的瑕疵，却忽视而过，只是为了完成。这是人的惰性，不可避免。管理的监督督导
6、要尽量减少甚至杜绝，但只对最后的结果检验作法管控没办法发现其中隐性的问题，那么就需要像6Sigma管理理念一样，层层把控，降低过程失误，提高整体质量率，这样就会引导你往整体和大局方向去思考和城市规划。当数据基底夯实后，那么就需要视野的知识丰富和业务场景积累去考虑应用方向，如何应用？如何连接用户解决他们的痛点？而数据应用不是拍脑袋就可以想出来的，要结合自身数据使用的经历和注意目前用户及环境的现状来考虑融合。根据上面所说：如果不懂技术，很难去理解数据管理和信息流（数据流）的规划处置。而数据管理需要，基于你监督管理对技术的理解和管理知识、经验（经验除了自身积累，也可通过用户诉求来总结）的结合。当数字产品的生命周期度过开发周期初级阶段，后面就可能需要和业务强关联。而想要拓展更多的应用和投资业务场景，那就需要有你丰富的视野和知识体系。因此，当时我的回答是：“不懂业务，产品无法落地。不懂技术，何为“数据”产品？偏向的话还的确得看产品所在的生命周期，目前欧美的环境来说，还处在产品打磨阶段，所以可能更偏向技术。”文章至此，或许你也就明白了数据驱动为什么要基于数据产品了。
