大型集團現在正在轉向業務域一致的數據產品戰略。然而，一個令人擔憂的趨勢仍然存在，公司通常在構建數據產品或制定數據產品策略時沒有涉及業務方面的關鍵利益相關者。對我來說，這與數據產品開發的核心原則和以用戶爲中心的產品思維相矛盾。

數據產品的概念是多方面的，並且根據組織環境和行業的不同可能會有很大差異。一方面，過度簡化的定義忽視了設計、開發和管理數據產品中固有的細微差別的考慮。另一方面，採用嚴格複雜的定義可能會使其難以與技術進步和動態市場格局一起發展。

雖然定義可能有所不同，但其核心是將產品思維應用於數據和分析，彌合了業務價值、IT 和數據工作之間的差距。它體現了將原始數據轉化爲可操作的見解或服務，爲組織帶來切實的價值。數據產品並沒有徹底改變我們設計數據的方式，但它使數據更加廣泛關注和應用，讓業務人員更容易接觸到！

我必須強調這一點——數據產品的核心是使數據成本背後的價值合理化，特別是在當今的經濟和社會背景下。也許我要表達的內容對很多人來說似乎是常識，如果是這樣的話它表明我們在推動邁向數據產品驅動的世界所必需的基本原則上達成一致。

一 爲什麼數據產品對組織越來越重要

讓我們從塑造當今數據和人工智能世界的一些常見挑戰開始：

1.合理化融資和投資——過去，數據和人工智能投資通常被認爲會產生正回報。然而，隨着該領域的成熟度不斷提高，我們意識到這種假設並不總是準確的。我們在沒有明確的商業理性的情況下捕獲和收集數據，導致存儲冗餘和低效的數據管理實踐問題。您的生態系統中有多少種 BI 解決方案？您有多少個儀表板冗餘地顯示相同的信息或解決相同的查詢，每個儀表板都由不同的人制作和維護？您的生態系統甚至可能有多個數據倉庫，從相同的來源獲取數據？因此，在經濟衰退時期，高管們現在要求投資的合理性，這使得高效數據利用的需求比以往任何時候都更加重要。

2.從資本支出轉向運營支出——這是一個重大的轉變，它也影響了數據和人工智能的格局。企業越來越多地轉向運營成本模型。因此，數據團隊還需要轉向運營成本驅動的數據資產管理方式。

3.解決日益增加的監管限制——監管限制正在迅速演變，管理公司如何收集、存儲和使用數據（尤其是個人數據）的規則、法規和政策激增。人們越來越重視數據使用的道德規範。我懷疑未來的法規將擴展到整體環境，促進生態友好的數據實踐。駕馭這些法規提出了重大挑戰，要求組織優先考慮將這些政策、法規和治理整合到其運營模式中，以降低風險並提高透明度。

4.促進數據素養——我們正在走向數據素養成爲一種普遍能力的世界，這對於推動運營和支持關鍵戰略舉措至關重要。促進他們的過渡並確保數據不再被視爲是爲熟練或精通數學的人保留的謎團至關重要。我們如何將數據從一個令人生畏的概念轉變爲一個熟悉的盟友？答案在於培育以用戶爲中心的數據策略，其中用戶是數據設計的核心。

5.建立對數據的信任——由於我們對收到的數據普遍缺乏信任，我們如何才能立志成爲真正的數據驅動型組織？花點時間反思一下：您在自己的組織中認識到這種情況嗎？想象一下個人仔細檢查儀表板或機器學習結果，本能地感覺需要在依賴數據之前仔細檢查和重新校準數據。並考慮一下：您的組織是否真正對其客戶羣有清晰的瞭解，或者不同的單位和部門正在計算自己的客戶數量（1000 萬用於營銷，但只有 800 萬用於財務）？數據產品可以在解決信任赤字方面發揮關鍵作用。

如果我們承認這些確實是我們面臨的關鍵挑戰，那麼數據產品就理所當然地提供了令人信服的解決方案。同樣明顯的是，業務正在成爲任何數據計劃背後的驅動力，並且對於有效應對這些挑戰也是不可或缺的。

二 當業務不參與數據產品開發時會發生什麼

這是我在數據產品開發計劃中缺少業務時觀察到的情況：

1.基於假設的設計：我們經常假設數據團隊知道業務需求什麼，導致數據產品設計可能與實際業務需求不完全一致。

2.通過企業數據模型加速：雖然利用行業或企業數據模型構建數據產品環境很常見，但它可能會忽略獨特的業務需求和細微差別。

3.技術驅動的方法：數據產品的實施變成技術驅動的，優先考慮解決方案而不是價值。我們專注於支持市場、數據目錄或自動化元數據工具。

4.脫節和脫離：企業感覺與數據團隊活動脫節，導致對新數據產品與現有實踐相比的相關性和差異產生疑問。

5.抵制所有權：如果不參與，企業可能會抵制對數據產品的所有權或責任，從而阻礙其成功實施和採用。

6.採用率低：數據產品可能不會被採用，因爲它們不是根據業務需求定製的，需要大量的技能提升，或者未能展示出相對於現有工作流程的明顯優勢。

7.資金挑戰：由於缺乏企業支持和價值證明，爲數據產品計劃爭取資金變得困難。

最終，如果沒有整個過程中業務的積極參與，數據產品計劃就會演變成項目驅動的計劃，缺乏戰略一致性，並且從長遠來看無法爲組織帶來最大價值。

三 當業務參與產品開發時會帶來什麼

您可能會認爲這些僅僅是與前面的觀點相反的論點，但也有微妙的不同。

1.可持續資助——讓業務參與數據產品生命週期，通過調整成本與消耗來確保可持續資助，培養互利的夥伴關係。想象一下，根據用戶的消費情況對用戶應用退款模型，涵蓋研發、勞動力成本、運營和支持/維護成本！

2.衡量的價值——業務最有能力評估數據產品在推動業務流程方面的價值。他們量化收益並在整個組織內進行溝通的能力對於確保支持和投資非常寶貴。

3.領域專業知識——業務利益相關者通常擁有對塑造數據產品至關重要的寶貴領域專業知識。雖然經常聽到對企業要求質量的抱怨，但通過適當的教育，他們對客戶行爲、活動動態、市場趨勢和行業趨勢的深刻理解可以提供寶貴的見解。這些對於確定數據產品如何支持業務流程、確定所需結果、定義關鍵性能指標以及確定最佳使用方法至關重要。我們真的可以確保這一切都可以在沒有業務的積極參與和支持的情況下實現嗎？

4.提高數據質量——利用業務的專業知識和直覺，他們可以迅速識別數據中的差距、差異和其他問題。他們對該領域的深刻理解使他們能夠建立有效的數據質量護欄，確保準確性和可靠性。

5.推動採用和集成——業務參與對於將數據產品集成到現有工作流程並推動整個組織的採用至關重要，確保數據驅動的見解轉化爲切實的業務成果。

6.持續反饋——在客戶行爲快速變化、運營流程不斷完善的動態業務環境中，數據也需要保持相關性並響應那些不斷變化的業務需求。數據操作中的反饋循環對於作爲評估數據產品性能和效用的主要貢獻者的業務至關重要。

四 採用數據產品的合適時機

數據產品旨在解決的基本問題是：如果很難闡明數據如何爲業務運營增加價值以及如何將數據投資轉化爲組織的財務利益，那麼採用數據產品模式可能是解決方案。

鑑於上述情況，時機對我們來說似乎是不言而喻的：發起有關數據產品的討論是否存在錯誤的時機？這與公司數據成熟度的階段是相關的，無論是剛剛踏上數據和人工智能之旅，還是擁有複雜的聯合數據和人工智能能力。

開始推動思維方式的改變：開始思維方式的轉變至關重要。過渡到數據產品方法涉及在團隊（業務、IT、數據）中培育和促進產品思維。一方面，數據團隊必須與業務互動，協作理解需求。另一方面，培養一種文化也可以從企業主動考慮其用例的數據方面開始。在執行層面，戰略和目標應整合數據的組成部分，強調利用數據進行明智決策和未來創新的重要性。如果沒有這種思維轉變，就會存在領導傳統數據項目而不是培育以產品爲導向的方法的風險。

主動數據管理和治理：一旦產品思維獲得關注，焦點就會轉移到主動管理數據。分配適當的所有權不僅可以培養責任感，還可以鼓勵個人更深入地參與數據。個人可以深入瞭解有效數據管理的影響，從而有可能識別出那些在數據“產品”的技術和功能方面都表現出熟練程度的人。這會是未來數據產品所有者的誕生嗎？此外，考慮在此階段加入遊戲化可以增強參與度並培育持續改進的文化。

協調組織、應用程序和數據域：許多組織目前在不同的組織、應用程序或軟件域中運營，有些甚至可能擁有數據域。然而，一旦建立了強大的數據治理框架並且具備了堅實的數據素養基礎，調整這些不同的領域就可以作爲數據產品的構建塊。它促進 IT、業務和數據之間的協作。這種協調可以幫助解決與數據孤島相關的問題，有可能減少數據重複，並使某些企業可能擁有的複雜平臺生態系統合理化。此外，它有助於完善所有權和治理模型，促進整個組織的溝通渠道。

瞭解源數據：當重組並授權員工變得更加產品驅動時，可以開始發現數據。目前，許多組織缺乏對現有數據的全面瞭解。在數據源建立索引爲構建原始數據層奠定了基礎。它允許您評估哪些數據與業務相關以及哪些數據可能已過時。正如您可能已經猜到的，此過程爲您識別潛在的源對齊數據產品鋪平了道路。

瞭解企業或核心數據資產：您可以將類似的策略應用於關鍵數據資產，例如對日常業務運營至關重要的客戶、產品。識別這些資產並確定其優先級，找出那些表現出複雜性、導致混亂或引發對數據質量懷疑的資產。此評估使您能夠辨別最初應將精力分配到哪裏，重點關注最有改進潛力和對業務成果影響最大的領域。

創建數據底座：數據並不是孤立運行的。瞭解不同數據實體和域之間的關係非常重要。因此，一旦瞭解了上游的核心數據資產，就應該考慮如何連接和加入數據，識別用於加入這些數據集的主鍵和外鍵，並定義將來管理這些鍵的策略。

建立清晰的指導文件：清晰的文檔對於可訪問性是必不可少的。正如其他領域的產品都會附帶說明書一樣，數據產品也不例外。雖然我一直喜歡直觀的設計（UI/UX），但對於不懂技術的用戶來說，全面的指導是必不可少的。

建立產品指標：開始構建指標以更好地瞭解數據。衡量它的消耗方式、誰在使用它以及每天使用多少次？它要多少錢？數據質量問題？！如果使這些指標可見，就會激發用戶的關注，從而進一步在組織內培育數據驅動的文化。

本文來自微信公衆號“數據驅動智能”（ID：Data_0101），作者：曉曉，36氪經授權發佈。