亚洲女同成aV人片在线观看|亚洲www啪成人一区二区麻豆|亚洲国产中日韩精品综合|亚洲国产成人精品一级片|亚洲无码在线视频免费

筆者從企業(yè)信息化的樣寫(xiě)發(fā)展歷程??開(kāi)始盤(pán)點(diǎn)，從決策支持系(xi)統講到商業(yè)智能，數據再講到數據產(chǎn)品是產(chǎn)品如何誕生的。

這篇文章第一次外發(fā)是寫(xiě)數在2???017年左右，當時(shí)這個(gè)系(xi)列確實(shí)寫(xiě)完了，據產(chǎn)因為受到某些影響這個(gè)系列只發(fā)了一篇文章后續的個(gè)步都沒(méi)有對分享過(guò)。這次計劃這段把這個(gè)文章重新整理完(°o°)并分享出來(lái)。樣寫(xiě)

作者開(kāi)始搞數據產(chǎn)品是數據從09年開(kāi)始搞數據產(chǎn)品，這些年七七八八的產(chǎn)品搞了一堆含內部工具類(lèi)型、偏用戶(hù)性質(zhì)數據產(chǎn)品、寫(xiě)數還有平臺級數據產(chǎn)品。據產(chǎn) 這次分享這個(gè)文章是個(gè)步按照面向內部視角的數據產(chǎn)品維度去寫(xiě)的。

一、樣寫(xiě)數據價(jià)值的數據傳承

自1954年計算機用于工資處理以后，一直到2016年的產(chǎn)品今天，企業(yè)在信息化處理上得到了長(cháng)足的發(fā)展。

在這個(gè)發(fā)展中經(jīng)歷過(guò)了數據處理系(xi)統、Mis管理系統、決策支持、商業(yè)智能。企業(yè)的信息化程度隨著(zhù)時(shí)??代的變遷已經(jīng)發(fā)生(sheng)了猶如阿波羅登月般的翻天覆地變化。

1. 決策支持系統

Dss決策支持系統是建立在對傳統企業(yè)歷史數據集成基礎上的數據探索應用，（備注決策支持系統發(fā)展此處不再敘述，感興趣的讀者可以自行查詢(xún)）自從數??據倉庫的出現給對企業(yè)的決策支持注入了新的活力，發(fā)展到現在的互聯(lián)網(wǎng)、移動(dòng)互聯(lián)??網(wǎng)對數據的應用(′▽?zhuān)?又是一個(gè)嶄新(xin)階段。

不管是在哪個(gè)時(shí)代的企業(yè)高層都要做一項決策，其困難度也是不同的——

在20世紀60年到70年，決策中往往是需要查詢(xún)多種異(???)構數據源的業(yè)務(wù)系統、參考外部的數據，進(jìn)行大量的數據分析后才能做出相關(guān)的決策來(lái)。

而進(jìn)入到20世紀80年代后，隨著(zhù)計算機技術(shù)發(fā)展、各類(lèi)數據統計分析的工具逐步健全，(′▽?zhuān)?)尤其是數據倉庫的技術(shù)發(fā)展給傳統企業(yè)的決策支持系統帶來(lái)了更大的便利性。

2. 商業(yè)智能

傳統企業(yè)更多地是圍繞著(zhù)日常經(jīng)營(yíng)去做經(jīng)(jing)營(yíng)分析，比如財務(wù)績(jì)效狀況、資產(chǎn)運營(yíng)狀況、償債能力狀況、發(fā)展能力狀況等。

像前系列文章“我所經(jīng)歷的大數據平臺史”提到數據平臺的發(fā)展史與用戶(hù)的演進(jìn)，在傳統企業(yè)前幾代數據平臺上支撐的是商業(yè)智能，輔助業(yè)務(wù)經(jīng)營(yíng)決策，ヽ(′ー｀)ノ為公司高層提供決策。其主要是??支持企業(yè)的分析人員、管理人員、從多個(gè)維度進(jìn)行信息的快速分析。

商業(yè)智能（Business?? Intelligence，簡(jiǎn)稱(chēng)BI）的概念最早是Gartner Group 的 Howard Dresner在1996 年提出來(lái)，傳到國內有將之翻譯為”商業(yè)智能”或”商(′?｀)務(wù)智能(′?_?`)”。

商業(yè)智能的應用領(lǐng)域典型電信、銀行、保險、零售等，所有建立了數據倉庫的企業(yè)其商業(yè)智能建設的主要目標是企業(yè)決策支持。

商業(yè)智能通過(guò)對信息技術(shù)的運用在不同層面為戰??略、決策提供新的支持：提升決策者洞察力以及支持信息獲取與分析。

在傳統企業(yè)的商業(yè)智能時(shí)代，我個(gè)人對其的認識是商業(yè)智能本來(lái)是把數據分析和統計運算的結果以多角度的方式存儲，然后在OLAP、Report平??臺(╯°□°）╯︵ ┻━┻上形成一個(gè)個(gè)面向不同業(yè)務(wù)需要的ヽ(′▽?zhuān)?ノ數據集市以可視化(hua)的展現，讓公司的管理層可以通過(guò)看及時(shí)和合適方式展示出來(lái)的信息來(lái)決策，讓基層可以用統計運算后的數據進(jìn)行經(jīng)營(yíng)分析與企業(yè)日常運作。

這種方式的核心是Bill Inmon 、Ralph Kimball的數據倉庫Data Warehouse與Codd創(chuàng )造OLAP一詞，E.F.Codd發(fā)明了在線(xiàn)分析處理（OLAP）一詞，來(lái)表示多維分所結合的模式，為客戶(hù)提供OLAP 平臺??，通( ?ω?)過(guò)開(kāi)發(fā)一些Repo( ?▽?)r??t、Dashbo??ard，后臺通過(guò)ETL 自動(dòng)刷新數據。

其中ETL工具在(╯‵□′)╯當時(shí)使用的是Datastage、Informati?ca、微軟Dts或自己開(kāi)發(fā)的腳??本等系列來(lái)做數據的清洗、轉(zhuan)換、加載；而OLAP 平臺基本上為BO、Congos、Or??ヽ(′ー｀)ノacle(?Д?) 等幾家的OLAP引擎與報表設計平臺。

在數據倉庫 Data warehouse 中大家可以看到DW層為存儲、管理數據設計的模型、數據集市中為 OLAP 而設計的模型。

其中數據集市的數據就是數據倉庫各層的數據Join與Aggregate的數據集合。

傳統的數據團隊的困惑在盲目地跟著(zhù)需求開(kāi)發(fā)(╯°□°）╯︵ ┻━┻，導致開(kāi)發(fā)成果無(wú)法確認是否有用、夠用，也無(wú)法?????避免無(wú)休止的需求變更，導致系統開(kāi)發(fā)成本高、周期長(cháng)、失敗率居高不下。

這樣的數據平臺最大的特點(diǎn)是龐大，初次??使用感覺(jué)功能非常新鮮，但是在面對具體需┐(′д｀)┌求時(shí)使用起來(lái)難用，無(wú)法真正的解決問(wèn)題。根ヽ(′ー｀)ノ本沒(méi)有系統化、??產(chǎn)品化，只是一堆數據的堆砌，僵死的報表或cube 開(kāi)發(fā)、設計與(yu)開(kāi)發(fā)與業(yè)務(wù)脫節非常嚴重，沒(méi)有任何銜接可言。

隨著(zhù)時(shí)間的發(fā)展，業(yè)界聽(tīng)到的BI的聲音越來(lái)越少了，??反而是對探索數據的價(jià)值的數據分析、數據挖掘獨立(li)的聲音出現——因為早期傳統企業(yè)的BI??在這件上非常吃力，在過(guò)去只是簡(jiǎn)單從不同角度的堆積數據看統計指標已經(jīng)不適應決策要看原因，要看影響??的程度，執行層面??要根據數據分析、挖掘精確來(lái)執行。

當初到BI剛進(jìn)入企業(yè)眼前的時(shí)候，認為BI可以做很多厲害的事情，各種智能化。

隨著(zhù)時(shí)間推移，BI從天上掉到了地下，90%多的企業(yè)只剩下數據集成和報表生成部門(mén)。目前一般企業(yè)普遍采用的辦法是由業(yè)務(wù)部門(mén)提出分析需求，讓BI部門(mén)統計和分析數據出結果，這樣的組合看似合(he)理，卻有很(′?_?`)多隱患。

記得有家公(gong)司組建自己的BI團隊前，曾經(jīng)去尋找多家第三方企業(yè)來(lái)實(shí)BI，建立了數據模型和數據處理，交??付物開(kāi)發(fā)(fa)出各個(gè)業(yè)務(wù)線(xiàn)的需求報表，按照會(huì )員維度的日報、周報、月報，商戶(hù)維度的日報、周報、月報。

然后呢，業(yè)務(wù)上嘗鮮幾天時(shí)還挺(′?_?`)爽，隨后越來(lái)越少用直至不用——

因為隨著(zhù)堆積迭代??無(wú)法滿(mǎn)足后來(lái)的業(yè)務(wù)需求，其主要數據質(zhì)量有問(wèn)題，每個(gè)報表數(shu)據經(jīng)常不準(zhun)、報表上根本看不出什么業(yè)務(wù)問(wèn)題來(lái)，需要多張報表數據下載進(jìn)一步??加工，這是典型的不深入了解業(yè)務(wù)而導致數據模型、數據報表堆砌效應引起的。

當時(shí)大多數BI只能發(fā)揮不到1/3的作用，所受限制在于業(yè)務(wù)與數據的反復磨合，還有數據洞察與??整合的客觀(guān)的業(yè)務(wù)需要代溝，所謂的數據驅動(dòng)只是停留在數據與業(yè)務(wù)分開(kāi)干的階段。

二、傳承者的辛勤

1. 數據化的精細運營(yíng)

隨著(zhù)互聯(lián)網(wǎng)企業(yè)的出現與發(fā)展??，大家已經(jīng)從經(jīng)營(yíng)、分析的訴求重點(diǎn)轉為數據化的精細運營(yíng)上。

隨之而來(lái)的面臨創(chuàng )新壓力(′▽?zhuān)?、如何做好精細化運營(yíng)是當今企業(yè)遇到的問(wèn)題。

比如一款產(chǎn)品，想在互聯(lián)網(wǎng)生存下去， 用戶(hù)是基礎，沒(méi)有用戶(hù)的產(chǎn)品或(huo)許可以自?shī)首詷?lè )，否則將會(huì )面臨一個(gè)問(wèn)題——如何拉新、如何研究新用戶(hù)，如何根據不(′?｀)同的用戶(hù)習慣來(lái)調整產(chǎn)品。

對于產(chǎn)品??的新用戶(hù)，使用時(shí)會(huì )遇到各種問(wèn)題，產(chǎn)品運營(yíng)就必須去關(guān)注、去分析、以及去解決，這些過(guò)程都是需要數據來(lái)衡量??ヽ(′▽?zhuān)?ノ與定位的。

如果整個(gè)公司都處在一種由之前簡(jiǎn)單粗暴運營(yíng)向經(jīng)營(yíng)分析乃至數據驅動(dòng)的運營(yíng)，必然會(huì )造成數據需求暴增，我前雇主許多運營(yíng)同事能養成上班先看幾十分鐘的數據來(lái)確認自己運營(yíng)的各(ge)種細節。

數據化運營(yíng)對數??據需求量越來(lái)越大，分析師、數據開(kāi)發(fā)在面對大量的數據需求、海量的臨時(shí)需求疲憊不堪，變成了資源的瓶頸，無(wú)法快速響應日常需求，其表現為——做數??據的已經(jīng)無(wú)法滿(mǎn)足當前業(yè)務(wù)日益增長(cháng)的數據需求。

互聯(lián)網(wǎng)企業(yè)在運營(yíng)上的精細化對數據的粒度要求，由高匯總逐漸轉為過(guò)程化細粒度明細數據。而傳統的各類(lèi)的Report、OLAP 工具都無(wú)法滿(mǎn)足互??聯(lián)網(wǎng)行業(yè)個(gè)性化的數據需求。

分析師、數據開(kāi)發(fā)對于企業(yè)是非常寶貴的資源，每天浪費在各種數據提取、沒(méi)有經(jīng)過(guò)判斷的合理需求、一些無(wú)法證明蛋生雞還是雞生蛋數據證明上，自己造成的異常數據波動(dòng)，或者是因為數據(ju)平臺建設的功能不給力，導致數據分析師費時(shí)費力。

統計過(guò)ヾ(＾-＾)ノ某公司近兩個(gè)月分析師們的工作內容，背景是從3月份-5月份大家在郵件、需求登記管理平臺等內容。(′ω｀*)大約覆蓋分析師3個(gè)月工作85%左右，臨時(shí)需求在69.44%之間，產(chǎn)品發(fā)布評估??占到 8.89%、周期性需求為（新業(yè)務(wù)日報周報）6.11%、專(zhuān)題分析8%、數據類(lèi)項占比為6.67%

分析師70%左右時(shí)間全部在臨時(shí)需求上，。臨(╬?益?)時(shí)需求+周期需求占到總時(shí)間的 70%-73%左右，臨時(shí)需求+固定需求需要0.5天-2天內完成占比了 77%左右，1天內完成零散需(′?｀*)求占比 71.66%。

這個(gè)團隊的分析師平均每月工作天數如果全飽和，單純臨時(shí)需求總共消耗分析師超過(guò)140%時(shí)間，均超過(guò)35%人月，分析師沒(méi)有一點(diǎn)時(shí)間搞其他的，變成了純粹人肉取數??機，更何況分析師還有其它日常工作、專(zhuān)題分析等(╯°□°）╯︵ ┻━┻，更不要說(shuō)讓分析師更有價(jià)值。

2. 數據產(chǎn)品的誕生

當數據平臺、數據分析師想擺脫臨時(shí)需求(′ω｀)的困擾，提高自身的價(jià)值時(shí)，開(kāi)始考慮把需求固定化變?yōu)橐粋€(gè)面向用戶(hù)自助式、半自助的產(chǎn)品來(lái)滿(mǎn)足快速獲取數據&分析的結果??，當總結出的指ˉ\_(ツ)_/ˉ標、分析方法（(°o°)模型）、使用流程與工具有機的結??合在一起時(shí)候，適合互聯(lián)網(wǎng)時(shí)代的一類(lèi)數據產(chǎn)品就誕生了。

那到底什么是數據產(chǎn)品呢？

我覺(jué)得要想把數據產(chǎn)品定義清楚，??要拆分成“數據”(??-)?、“產(chǎn)品”兩個(gè)維度來(lái)看：

（1）產(chǎn)品是什??么？

“產(chǎn)品”這個(gè)詞我相信大家都非常熟悉，我偷個(gè)懶直接借用“人人都是產(chǎn)品經(jīng)理”中一段：

“產(chǎn)品是一組將輸入轉化為輸出的相互關(guān)??聯(lián)或相互作用??的活動(dòng)的結果,即“過(guò)程” 的結果“。

在經(jīng)濟領(lǐng)域中，通常也可理解為組織制造的任何制品或制品的組合。

產(chǎn)品的狹義概念：

被生產(chǎn)出的物品;產(chǎn)品的廣義概念:可以滿(mǎn)足人們需求的載體?！?/p>

互聯(lián)網(wǎng)產(chǎn)品的概念是從傳統意義上的“產(chǎn)(′?ω?`)品”延伸而來(lái)的，是在互聯(lián)網(wǎng)領(lǐng)域中產(chǎn)出而用于經(jīng)營(yíng)的(de)商品，它是滿(mǎn)足互聯(lián)網(wǎng)用戶(hù)需(xu)求和ヽ(′ー｀)ノ欲望的無(wú)形載體。

簡(jiǎn)單來(lái)說(shuō)，互聯(lián)網(wǎng)產(chǎn)(°ロ°) !品就是指網(wǎng)站為滿(mǎn)足用戶(hù)需求而??創(chuàng )建的用于運營(yíng)的功能及┐(′д｀)┌服務(wù)，它是網(wǎng)站功能與服務(wù)的集??成。

大家可以分析??下百度、騰訊、新(′▽?zhuān)?浪、優(yōu)酷、谷歌、facebook 各自的“產(chǎn)品”是什么？

（2）移動(dòng)互聯(lián)(′_ゝ`)網(wǎng)??產(chǎn)品又是什么呢？

我是沒(méi)有找到比較貼切的概念，只好依照自己簡(jiǎn)??單的想象“已移動(dòng)設別、網(wǎng)絡(luò )為基礎，構建滿(mǎn)足人們的需求而創(chuàng )造出來(lái)的功能與服務(wù)”，例如基于手機、平板設備上的各種App，微信、手機百度、ingre??ss手游、網(wǎng)易客戶(hù)端等。

綜上所述所謂的產(chǎn)品，簡(jiǎn)單講就是滿(mǎn)足人們某個(gè)需(xu)求、或解決某個(gè)問(wèn)題ヽ(′ー｀)ノ的東西。

那數據是什么呢？組合成(cheng)的數據產(chǎn)品又是什么呢？互聯(lián)網(wǎng)的數據產(chǎn)品又與傳統數據平臺又是什么關(guān)系呢？我們該如何理解數據產(chǎn)品呢？數據產(chǎn)品的三要素是什么？不懂數據的人如何用好數據產(chǎn)品？數據產(chǎn)品經(jīng)理的天花板又在哪里？如何做好數據產(chǎn)品？