数据产品建设指南

短命女 2023-07-08 02:48 14阅读 0赞

> 大数据时代，数据的价值越来越大。数据产品经理成为扩大数据赋能范围的关键人，如何用数据驱动业务发展，是数据产品经理思考的问题。本文由起点学院《数据产品经理实战训练营》导师撰写，总结六年来的工作所得，介绍了数据产品的进阶，按流程阐述如何进行数据产品的建设。

“产品千万种，数据第一条，建设不规范，公司两行泪”。

作为一名在美团、摩拜等互联网公司工作多年的数据产品经理，深知数据的重要性，也一直在思考数据产品如何赋能业务，如何去建设一款好的数据产品，以及如何让数据产品发挥更大的价值。

本文分别从数据产品的价值、愿景、设计思路、建设方法及案例等方面，结合这些来的工作经验和心得，为你全方位介绍数据产品，帮你梳理数据产品建设方案，相信会对你有所帮助。

# #

## **一、数据产品的价值与定位是什么？** ##

我们为什么需要数据产品？数据产品可以为公司带来什么？

我想，这是每个数据产品经理都会思考的问题。

在大数据时代，数据的价值越来重要，更多的企业希望能够**通过数据驱动业务发展**。

在这个大背景下，数据产品的作用也越来越大，它会**让每个想基于数据做决策的人能够更高效的获取自己想要的数据，并且让决策更正确和科学，促进业务不断发展**，这也是数据产品的价值与定位。

## **二、数据产品应该达到怎样的要求？** ##

一款数据产品要达到什么水平才算是合格的？数据产品要实现的产品愿景又是怎样的？

我认为，要实现一款好的数据产品，应该满足如下几点要求：

*  数据产品提供的数据必须是**准确**的：数据要质量高，数据要准确，指标口径要一致，即使数据出现故障，也能够尽快的定位到问题，高效解决。
 *  数据产品提供的服务必须是**安全**的：数据是公司的核心资产，因此数据产品要建立一个完整的安全体系，能够控制数据权限，做到没有权限的人不能访问，即便数据出现泄漏，也能够通过系统快速追查，及时补救，把损失降到最小。
 *  数据产品覆盖的业务数据必须是**全面**的：数据产品应该覆盖到公司各个数据生态环节，尽量整合公司所有相关业务数据，充分发挥大数据应有的价值。
 *  数据产品要让数据获取更加**高效**：这是数据产品的核心价值，工具类的产品一般都是为了提高效率而存在的，数据产品要提高公司人员的取数效率，并把分析师从帮助业务人员出数、取数的重复工作中释放出来。
 *  数据产品要为业务提供更**智能**的洞察：数据产品不应该只提供数据及报表的展示，还应该更智能的为业务提供指导，例如可以把人工智能、机器学习等领域的模型整合进来，形成业务大脑，让业务人员更聪明快速的工作。

# #

## **三、数据产品建设方法论** ##

明确了数据产品的价值和愿景，如何去设计一款数据产品呢？

通过多年的数据产品工作经验总结，并结合5W2H分析法，在做一款数据产品前，我总结了下面四个步骤来回答如何做的问题：

**第一步**

思考数据产品要解决什么问题（Why），为用户或者公司带来什么价值（How Much）？产品的开发周期要多久（When）？

一款数据产品的核心是要解决某种问题的，那么它到底解决了什么问题，是否给公司或者用户带来了足够的价值。

**第二步**

要想清楚产品的目标用户是谁（Who），用户在什么场景下使用这款产品（Where），要站在用户的角度和使用场景下来设计数据产品。

**第三步**

要解决的问题分析思路是什么（How）？由于是一款数据产品，那么必然是要用数据说话，针对解决的问题，我们应该以什么样的思路来分析，需要整理出一套全面的分析框架，并且制定产品的实现路径。

**第四步**

对于问题需要用到哪些指标来核量（What），可以把指标组合为哪些模块？应该以何种方式展现？这一步主要思考产品具体的展现内容和形式。

# #

## **四、数据产品的分类与建设方法** ##

讲完了数据产品的价值、愿景和设计思路，接下来让看一下数据产品的具体建设方法。

在企业中，对于数据产品，一般分为：数据管理、数据工具、数据应用三个方向。

1.  通过数据管理，可以解决数据质量产品的**问题**；
2.  通过数据工具产品，可以提升获取数据的**效率**；
3.  通过数据应用产品，可以通过数据赋能企业或者用户，充分发挥数据驱动的**价值**。

下面分别介绍针对这三个方向做具体介绍：

## ##

### **1. 关于数据管理** ###

随着业务发展，数据量呈爆炸式增加，数据发挥的价值越来越大，数据质量问题也变得越来越严重。低质量的数据不仅使用不便，还会误导决策，甚至灾难性的结果，数据质量的好坏，决定了数据是否能够真正发挥价值。

如何判断数据质量的高低呢？什么样的数据是高质量的呢？

引用美国著名的质量管理学家朱兰博士(J.M.Juran)的一句话：

If they are fit for their intended in operations, decision making and planning.

翻译一下，大意如下：

**如果根据这些数据做出的操作、决策和规划，符合之前的预期，那么这些数据就是高质量的**。换个角度来理解，高质量的数据可以真实反映它们所代表的主体信息。

结合大数据与业务经验，从定性的角度来看，影响数据质量的因素包括数据完整性、数据正确性、数据一致性、数据的可获取性以及数据的时效性等方面。

*  数据的**完整性**是指业务涉及到数据是完整的，能够对业务使用影响很大的数据都要保持一定的完整性；
 *  数据的**正确性**要满足准确性和精准性两方面，即数据要是准确无误的，数据要在精度上满足业务需求；
 *  数据的**一致性**要满足同一个指标的口径要一致，数据不要有二义性；
 *  数据的**可获取性**是指使用数据的时候，数据是被有效组织的，并且能够被高效获取；
 *  数据的**时效性**指使用的业务数据都是最新的，而不是无效的过期数据。

之所以强调数据质量的重要性，因为它是数据产品的基础，它会影响到数据仓库、商业智能、数据分析平台、数据应用等各个方面。

同时，影响数据质量的因素又有很多，包括数据埋点质量、数据传输过程中出现的问题，数据口径是否一致等等。因此，为了保证数据质量，有资源和精力的公司会搭建自己的数据管理系统。

图1为数据管理中心产品架构，主要包含指标体系管理、全局数据管理、元数据管理等。另外，在数据安全性的前提下，还可以通过全局数据接口对外输出高质量的数据。

![format_png][]

图1 数据管理中心产品架构

以数据管理系统为例，它侧重于从**时效性**和**数据一致性**这两大质量方向保证数据的可读性。

**1）数据仓库的数据时效性检查**

明确每天的每一个层级、每一个数据表的最早和最晚生成时间，发现影响当天数据生成延误的数据表，并能够通过数据管理系统回答以下问题：

*  当天 MySQL 表和 Hive 表中的核心指标是何时生成的？
 *  有哪些表的产出时间比预期时间延迟了？
 *  任务延迟的原因是由哪几张表造成的？
 *  瓶颈在哪里？
 *  优化哪几层？
 *  哪几张表可以提高核心指标等的生成时间？

**2）数据仓库的数据一致性检查**

通过数据一致性检查，在数据质量视图的展现下，我们可以快速了解存在依赖关系的数据表的分维度数据变化情况。

为了对数据一致性进行检查，大数据管理系统项目需要做的事情主要分为以下几步:

**第一步，建立数据依赖引擎，实现依赖图谱。**

依赖图谱用于构建数据仓库表之间的分层级依赖关系，然后存入MySQL表并能支持可视化展现，如图2所示。

**第二步，计算数据准备情况。**

各个表、各个分区的数据准备就绪时间按天、小时级进行汇总。根据Hive仓库的Meta信息可以获取Hive表各个分区的创建时间，根据创建时间确定数据的实效性，用来分析展现每天、每小时的状态和瓶颈。如果需要对MySQL进行验证，则通过SQL语句查询的方式获取对应时间在MySQL中是否存在。

**第三步，建立数据计算引擎。**

根据定义的小时级指标、天级别指标规则，结合数据表各个分区的准备就绪时间，调用Spark SQL计算核心指标。

**第四步，数据比较引擎。**

根据表和表之间核心指标的关系、表和表之间的规则进行比较验证。例如，A = B，A + B = C，B/A < 0.95等逻辑判断。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3_size_16_color_FFFFFF_t_70][]

![format_png 1][]

### **2. 关于数据工具产品** ###

数据工具产品主要在数据的角度通过工具产品来为公司赋能，为业务提供数据工具平台，提升获取数据的效率和决策速度，通过数据驱动公司精细化运营，主要包含数据分析平台、用户行为分析平台、用户画像工具等工具产品。

让我们先看一下数据分析平台的建设。

在这个竞争白热化的大数据时代，每个公司对数据的重视程度都提高到了前所未有的程度。无论是考虑数据的安全性，还是数据的使用效率，拥有为企业自己量身定制的数据分析平台，是实现精细化运营、数据驱动业务增长的利器。

因此，掌握大数据分析平台的思路和方法，是数据产品经理必备的一项能力。

如图3所示，为数据分析平台的产品架构图，数据分析平台一般包括可视化分析模块、数据查询模块、权限及资源管理模块等。其中，数据分析模块还包括可视化模块、自助式分析模块、分析工具、智能分析等模块。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3_size_16_color_FFFFFF_t_70 1][]

图3 数据分析平台产品架构图

提起数据分析平台，很多人还停留在后端接口查询数据库数据、前端页面展现数据这种传统的定制化报表分析平台上。确实，公司在业务规模不大和人力不足的情况下，可以实现这种原始的报表分析平台，更准确地说应该是指标展现页面。

可是，这种方式太定制化了，没有任何的可拓展性，如果增加一个指标，前端和后端代码修改的成本都比较高。毫不夸张地说，前者就像还停留在冷兵器时代的军队，只能招兵买马、堆积人力，辛苦和艰难程度可想而知。

然而，随着业务的增长，报表的需求越来越多，天天深受写业务报表之苦的程序员和数据产品经理，决定研制一个更先进的工具，来摆脱这种拼体力的工作。

为了提高数据分析平台的可扩展性，终于找到了QueryAdapter的方式解决问题。具体的方式就是，通过前端配置 JSON数据，在API层下添加QueryAdapter层把API的接口翻译成相应的SQL，然后通过SQL查询具体的数据库，进一步提高前端的扩展性和报表的灵活性。

上面的这一过程可以用如图4所示的架构实现，就这样，“冷兵器”时代的大数据团队终于有了自己的“大炮”，他们只需更换“子弹”就可以快速解决不同的业务问题。

于是，数据分析平台迭代到了V1版本——可拓展的报表分析平台。

![format_png 2][]

图4 可拓展的报表平台架构

人类科技的进步从来都不会止步不前，拥有了“大炮”和“步枪”，能不能再造出“飞机”与“坦克”，进一步提高“作战”效率？

虽然 V1版本解放了研发的生产力，但是随着业务人员的需求的多样性不断增加，数据分析师和产品经理的业务需求应接不暇，而且还有很大的沟通成本。

面对上面的痛点，就需要为业务人员实现一个他们自己**能够快速、方便搭建报表**的平台。

于是，就需要为业务人员提供创建数据源、创建单图以及创建看板功能，让他们自己去创建报表自助分析，也就是所谓的自助分析三步曲，如图5所示。实现了这些功能，也就完成了数据分析平台V2版本——自助式分析平台。

![format_png 3][]

图5 自助分析三步曲

一个完善的大数据分析平台，不仅仅是单纯展现数据的，更不是一些业务常用报表的罗列，还要能够为数据分析师、业务人员提供更多对数据的洞察，让数据更加智能化。

例如：可以支持维度下钻数据、单图之间数据联动、对数据异常点进行标注、指标异常检测等功能，可以让使用人员方便、快捷地分析更精细的业务场景，实现从更多维度去了解业务，让数据发挥更立体的价值。**实现一个智能的数据分析平台，是大数据分析平台V3版本的迭代目标**。

大数据分析平台要更方便地服务于不同的业务场景进行数据分析，整理数据报告是数据分析师必不可少的工作。无论是周报、月报，还是新版本表现的分析报告，都需要在围绕报告目标的基础上，对数据整理、分析并提炼要点，最后形成一份有指导意义、易读且美观的数据报告。

而这些报告，就是每个业务场景都会沉淀下来的一套固定的分析思路和分析架构，这套固定的分析架构可以放在平台上实现，例如可以实现业务大脑、渠道分析、用户留存分析、用户活跃分析及日常的周月报等。

通过更贴近业务场景的数据分析平台，我们可以方便、智能地查看分析数据，提高效率，通过数据驱动业务高效发展，完成了这个阶段，便实现了大数据分析平台V4版本——**业务场景分析平台**。

总结一下，如果一个公司要自己研发数据分析平台，一般会经过可拓展的报表分析平台，自助式分析平台，智能化分析平台，业务场景分析平台等四个大版本的迭代，演进路线可以用下图6表示。

![format_png 4][]

图6 数据分析平台演进路线

## ##

### **3. 关于数据应用型产品** ###

数据应用向产品是更贴合业务的一些数据产品和数据变现类项目，会基于业务产生的数据做整合或者加工，输出可以为业务提供指导、对用户产生价值或者对其他公司、商家产生决策支持的数据产品。

对于应用型数据产品，可以是2B的，也可以是2C的，还可以是面向公司各类业务同学的。下面分别以2B数据产品、2C数据产品为例，来看一下数据应用型产品在各领域的情况。

**1）2C数据产品**

2C的数据产品主要是面向普通用户提供的数据服务，是直接服务于个人的，它主要为用户提供描述性分析、预测性分析或者指导性分析应用，为用户的决策提供更多的数据支持，用来解决用户的某个“痛点”。

例如：小明想要约女生周末去看电影，可是不知道周末有什么电影上映，也不知道哪个电影好看。这时候，他也可以咨询朋友或者同事，根据他们的建议和观看经历判断明天看什么电影，这相当于由别人提供了咨询服务。

当然，他还可以打开猫眼电影，通过如图7所示的猫眼实时票房功能，查看票房、拍片、上座等数据，发现今天《流浪地球》的实时票房最高。然后，综合产品提供的用户评价等数据情况，决定是否去看这部电影。

![format_png 5][]

图7 猫眼电影实时票房

可见，猫眼电影的实时票房变就是一款2C的数据产品，它把基础数据、数据模型以及分析决策思路尽可能直观的形成一个产品形态，更直观智能的形式展现，充分发挥数据的价值，辅助用户更快地做出更合理的决策。

**2）2B数据产品**

2B的数据产品主要为企业级或者商家提供数据服务，为客户决策提供数据洞察和策略支持。它主要是公司利用自己的数据资产，形成针对某个行业或者某个行业客户制定解决方案，形成数据服务，以辅助客户进行决策，拓展业务。

以某汽车资讯网站实现的面向汽车商家的数据产品为例：

我们来看一个在欧洲杯期间，Jeep自由光的销售商是如何利用数据产品深挖用户痛点，制定请假攻略的应用案例来营销的。

首先，通过该数据产品提供的用户画像功能，来看一下关注Jeep自由光的用户。

在欧洲杯期间的关注焦点，如图8所示，发现用户除了关注球队、球星、赛事、进程等之外，还面临请假、熬夜看球、上班等现实问题。

![format_png 6][]

图8 Jeep自由光用户关注词云

再结合产品的兴趣图谱功能，看一下Jeep自由光这款车型用户在咨询内容中，感兴趣内容类别的兴趣图谱，如图9所示。发现用户对足球、家庭等兴趣显著。

![format_png 7][]

图9 Jeep自由光用户兴趣图谱

另外，通过产品提供的数据了解到Jeep自由光用户中有65%为公司职员，72.9%为已婚人士，并深度剖析了欧洲杯赛事期间的用户行为，发现“请假看球”成为用户最关注的问题之一。

欧洲杯决赛在周一凌晨三点，上班族熬夜看球会影响周一的正常工作，已婚族通宵看球容易影响妻子和孩子的正常休息。对于真球迷来说，他们是请假看球还是忍痛割爱成为世纪难题。

那么，Jeep自由光的销售商是不是可以针对用户的痛点，对这个世纪难题做营销，引起共鸣，提升汽车销量？

## **五、小结** ##

其实，大数据产品在各行各业中的应用还不止于此：

随着2B时代的到来，传统行业会更多地与互联网结合，大数据也会在更多的维度上驱动产业升级；数据产品经理将会成为各家公司的标配，通过数据产品驱动公司业务发展是互联网下半场很多公司的共识。

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc3liMTBxd3lBUGtYeElvTlY1dkZ1SFRjSGdpY3FWekhTU3B2SDlpYk5kdzNPU2d4NTBjcXAzOGVBLzY0MA?x-oss-process=image/format,png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200224195150999.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3,size_16,color_FFFFFF,t_70
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc0hJS1pXM0VjenNpY0FDaWJJcklWQkdpYTdEZVRDekV4czVxVGpuM0MyVzZyUFJMQWtlaWNhWkNIT3cvNjQw?x-oss-process=image/format,png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200224195230793.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2ODExMzc3,size_16,color_FFFFFF,t_70
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJczR4SE5ndmMyRU9VTjMxY3pEUm5zdzU2Y2E5S1lYSW9ackQyRjN4M21EcndMbVNPMURYcUdCZy82NDA?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc3EzRzRBT2hLVWlhSVBRUFVuZDdsQWQ3Smpvem5rdUZCZWVneHc3VGtackthOG1uTTVqa1Fad2cvNjQw?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc1RtbWlhVnowYVZKaWJkdWVYQTdWYjdPMTlzREczRXRxeXNJRDZKOVBzdGJhMXBuenlTbXk5Rnp3LzY0MA?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc3JScUFwY0ZVWGNCOE1yRDVTUEpvNlFrcE44T1pGSFNnVVdFWEFZRFlVVGlhWTA3MWlhZVd5d1V3LzY0MA?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc2oySUpCMHpvdE9pYUptdTZoWjlQclVka29DUkFSOHFwVjd6aWN2UXIzT3NxYWhxMEQyNllCQzdnLzY0MA?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9pY0hPU2I0N2pxcFVUaWJPNzFEYnZVd3o3aWF5anA1ZWVJc3VpY2NjY1pUU21uTzZMZ1BYcUIzeUIwUzBmd0I0RDRubGhYWkhxbDNHWllpYmJTWkVEWnYxOFBnLzY0MA?x-oss-process=image/format,png