摘要

幾乎每個企業(yè)都期望建立自己的完善的合體的數(shù)據(jù)體系，但成功的例子并不多。本文希望用一些實踐闡述以下幾個觀點：

• 數(shù)據(jù)產(chǎn)品應該樸實無華

• 浮躁的認知會有大麻煩

• 如何正確認識自己，如何敏捷

前言

最近讀到一篇文章"SQL足以解決你的問題，別動不動就是機器學習"，教我們落地之法，在這個浮躁的世界中，猶如一股清流，實在大快人心。就像皇帝的新衣一樣，終于有人說了出來。

有位做供應鏈數(shù)據(jù)分析的朋友很開心的說正在創(chuàng)業(yè)中，打算在供應鏈金融方面有一番作為，用神經(jīng)網(wǎng)絡的方法做用戶畫像，然后進行市場精準營銷。作者工科數(shù)學博士一枚，每每看到有人探討這么實際應用的東西，都覺得汗顏(自己不懂)與欣慰(越來越多人參與)并存，以至于給我已經(jīng)是博導的師姐說，“好好鼓勵你的弟子，數(shù)學系的春天來了!”

但是，要潑一下冷水，想必每個投身于大數(shù)據(jù)、人工智能的人士都碰到過某個瓶頸階段，就是想要更深入了解原理的時候，那些公式算法實在是看不懂啊。每次我只能勸慰說，就當那是個黑盒，你只要知道輸入輸出，就能得到想要的結果。難道我要告訴實情其實是，最快你得花費半年到一年時間惡補數(shù)學知識，才能知道什么時候用模式識別，什么時候用小波分形，什么時候那個東西是動態(tài)規(guī)劃。。。

這篇文章，繼續(xù)潑冷水，“如果所有人都去做人工智能了，落地的事情誰來做?”，好比燒飯師傅都去研究自動炒菜機，在“懶人創(chuàng)造新的世界”之前，世界上的人都已經(jīng)餓死了。認清自己手頭要做的事情，比展望未來更關鍵，至少你能先存活下來。

為什么要做數(shù)據(jù)產(chǎn)品

不論是初創(chuàng)、上升期、轉型還是平臺期的企業(yè)，回答好自己是誰，為誰服務，服務得如何，怎樣更好的獲利這幾個問題，離不開數(shù)據(jù)。

從產(chǎn)品的角度看數(shù)據(jù)產(chǎn)品：

• Why?很明顯，企業(yè)需要看數(shù)據(jù)，用戶需要看數(shù)據(jù)。不管你是做戰(zhàn)略計劃、公司愿景、企業(yè)架構、運維治理、擴張市場、客戶流失、目標營銷，甚至做OKR、KSF、KPI、威士忌分析，或者告訴你的老板或下屬做得有多成功或，，，多失敗，你需要數(shù)據(jù)，這是你的價值。

• What?When?Who?這是你的內(nèi)容(范圍和服務)，你的視野(過程和效率)，你的上帝(細分)。

到底怎樣做?一個笨手笨腳的人(Klutz)都告訴你可以這樣做：

• KNOW 找準自己的定位，企業(yè)用戶尚在起步階段，是沒有能力去索取更多的數(shù)據(jù)的。此外，還需要精通業(yè)務流程，數(shù)據(jù)流離不開業(yè)務流，不論你是To B還是To C，把握好用戶痛點和需求，是首要的。

• LIGHT 不用再介紹一次KISS原則了吧。保持輕裝上陣吧，那樣就算死，也死得輕松。

• USE 動手吧，"想總是問題，做才是答案"。試錯是如此的關鍵，一個企業(yè)是否有這個價值觀，甚至影響了是否最終的成敗。后面會提到完美主義者，是如何總是在關鍵時候觸礁的。

• TELL 告訴你的用戶或老板，這個產(chǎn)品現(xiàn)在該有多糟糕，雖然你和它已經(jīng)竭盡全力在工作。奇跡是，他們總會站在你這邊。

• ZANY 莎士比亞造了這個詞“滑稽”，是讓我們輕松點，數(shù)據(jù)人已經(jīng)很累了。“數(shù)據(jù)科學家”，這個稱號顯然已經(jīng)違背了這個原則，背負了太多。我更傾向于數(shù)據(jù)分析師，人人皆可當之。

數(shù)據(jù)產(chǎn)品的各種"圈錢"模式

讓我們先來看看領英2017的一個崗位增長報告，誰說大數(shù)據(jù)已死的?

? ?

 

曾幾何時，作為數(shù)據(jù)庫管理員或者java工程師的你也動心想深入了解下何為數(shù)據(jù)科學，何為機器學習，何為大數(shù)據(jù)?別猶豫，其他人早就開始了(來自領英2018的行業(yè)報告)：

 

? ?

 

動輒“大”

一個很有趣的討論，來自我和一位BAT數(shù)據(jù)分析師：

• “大”代表，首先，很fasion了。

• “大”代表平臺很大，數(shù)據(jù)很多。

• “大”代表業(yè)務應用很廣，至少傳統(tǒng)方式做不了了。

• “大”代表0到1已經(jīng)平安度過，深挖廣種是時候了。

• “大”代表，有很多錢做事，需要你也很“貴”才行。

自然，我們在每一個評價后面，跟了一個“?”。但不管，就像項目競標最好有個博士牽頭一樣，“大”代表著，新來的老板很喜歡。

動輒“智能”

同樣，新來的老板更喜歡另外一個詞“智能”，毋庸置疑的Top One。作為數(shù)學專業(yè)出身的我，從來沒想到過會有那么多人來問“神經(jīng)網(wǎng)絡”的算法怎樣才能實現(xiàn)。他們都，瘋了么?還是世上本無路，走的人多了，就有路了。每次我都用這個來安慰自己，這是一條光明之路，需要越來越多的人前仆后繼，不管你扛著的是步槍還是大炮。

• 圖像處理，落地了。

• 語音處理，落地了。

• 還有?

我們是如何失敗的

失敗案例一：零售行業(yè)中的零庫存

在本世紀初期，新零售流行“一單到底”和“零庫存”這兩個東西，愿望是美好的。我“不幸”也參與了其中對庫存優(yōu)化的計劃中，那是一個零售業(yè)的IT供應商，為打造這個美好的愿景老板給了我一個艱巨的任務，3個月拿出一個算法實現(xiàn)先進的補貨策略。

于是，加班加點，帶著一群人搜索學習了各種算法對進貨渠道、缺貨周期、日銷售情況進行了分析，最終開發(fā)出一個幾千行代碼幾十個輸入變量的程序，準備上馬。

這時，老板問了一句，“這算法準么? 某便利店商品A今天銷售20件，庫存只有5件，你算出來要補進30件，我排不過來貨運啊?而且這兩天賣得好是因為天熱，過幾天下雨咋辦?”

最后，老板決定，還是按照老辦法，盤點時由店長決定，快斷貨的時候補一周的貨，靈活處理。

失敗案例二：倉儲行業(yè)中的自動化監(jiān)控

2005年，作為方案架構師，“有幸”參與了某大型跨國物流集團倉儲中心產(chǎn)能監(jiān)控系統(tǒng)設計。系統(tǒng)要求很簡單，監(jiān)控每個節(jié)點的容量、吞吐、以及排隊情況，提供優(yōu)化方案改善效率。

不知道誰頭腦一熱，前期要做一個非常漂亮的3D效果的模擬系統(tǒng)，還能顯示每個熱點并進行預警。于是乎，一個加大伯克利的博士(現(xiàn)不知所蹤)，一個清華的博士(現(xiàn)某外資銀行做算法)，一個人大的碩士(現(xiàn)某金融系統(tǒng)分析員)，一個交大博士(現(xiàn)某行業(yè)產(chǎn)品經(jīng)理)，開始學習Photoshop和AutoCAD。悲慘的一幕隨著數(shù)據(jù)從客戶傳來而開始，2000多個線程并發(fā)跑，還是B/S的3D效果，性能可想而知。

被客戶拿掉后，大家回顧說，還不如老老實實用Excel做幾個表格和圖形，能反映性能狀態(tài)，發(fā)送問題原因，再研究下優(yōu)化算法其實并不難。

失敗案例三：教育行業(yè)中進度控制

這是一個CRM體系再造項目，用Salesforce替換原有老系統(tǒng)，作者參與的是其中Business Intelligence系統(tǒng)的再造，也就是俗稱的企業(yè)報表系統(tǒng)。背景如下：

• 老板是完美主義者，需要漂亮的結果向投資人證明自己的成功。

• 用戶對新產(chǎn)品信心不足，抗拒心很強，并不太配合前期需求調(diào)研和后期產(chǎn)品驗收。

• 產(chǎn)品經(jīng)理以及技術經(jīng)理都是新人，并且有遠大的做好事情的抱負。

• 開發(fā)人員80%都是新人，技術力量參差不齊;老員工屬于內(nèi)向型。

其實，它最終沒有失敗，只是所有人都累垮了：

• Salesforce平臺作為數(shù)據(jù)源，初期系統(tǒng)尚在開發(fā)中，技術經(jīng)理考慮不想將來重復工作(rework)，決定暫緩啟動開發(fā)計劃。這個決定直接導致中期項目進度確認時一無所有，于是被老板和項目高層標識為危險而責難，而后期用戶伸手要數(shù)據(jù)時，各種沒有準備也導致整個項目被推遲上線。分析：敏捷之一大忌就是怕重復工作，那是設計分析能力問題，不是延遲工作的借口，誰說數(shù)據(jù)產(chǎn)品就不能敏捷?

• 到底是完全拷貝原來的系統(tǒng)KPI，還是重新定義，以及是否要設計全新的前端展示?這個問題從一開始到結束，困擾了整個團隊的每個人。老板嚴要求+產(chǎn)品新人+業(yè)務不配合+老員工的惰性，導致舉步維艱。最后，一套七零八落的半成品系統(tǒng)展示在用戶面前，正確率和使用率很低。分析：從上往下剝離，老板要求的不一定就是對的(這往往無解)，產(chǎn)品和業(yè)務必須在目標和方向上達成一致，以及技術決定生產(chǎn)力，這幾點缺一不可，要突破卻難上加難。

• 需求要考量教育平臺學生成績，一個學生某次考試會有各種技能的不同分數(shù)。問題來了，是需要數(shù)據(jù)準備到最細粒度，還是匯總聚合?愛好完美和細節(jié)的技術經(jīng)理又出現(xiàn)了，一定要到最低粒度。不幸的是，由于項目進度緊迫，出現(xiàn)了各種設計和需求脫節(jié)以及數(shù)據(jù)不一致問題出現(xiàn)，各種會議討論甚至互相指責隨之而來。分析：還是敏捷問題，數(shù)據(jù)倉庫權威 Ralph Kimabll 是一個典型的細節(jié)專家，他所追求的細節(jié)是數(shù)據(jù)架構設計以及企業(yè)數(shù)據(jù)平臺建設的愿景。但是，這個項目是一個典型的CRM系統(tǒng)切換，業(yè)務再造是基本目標，這時追求極致的細節(jié)變成了不切實際的要求，帶來的后果就是本末倒置，所有人疲于其實不那么重要的問題上。

遠離斜視

有位獵頭顧問對我說，目前大數(shù)據(jù)分析師的崗位不多，我近乎驚訝的回答到，''怎么會，這個時代，你招人不說和大數(shù)據(jù)相關，都會覺得不夠檔次啊'。事實總是證明我們是錯的，拿開障目的那片葉子，正視真實需求，是多么難能可貴的企業(yè)家精神。

科學家是嚴謹?shù)拇�名詞，而大數(shù)據(jù)不需要嚴謹。是這樣么?責任不同，視角也應該不同：

• 老板，720度看數(shù)據(jù)，3-5年規(guī)劃中打算帶著企業(yè)到什么樣的數(shù)據(jù)成熟度 -- 這個成熟度一定和企業(yè)規(guī)模，組織管理，業(yè)務流程的成熟度成正比。

• 用戶，360度看數(shù)據(jù)，這里把用戶擺到很高的視角，因為他們不是傻子，是最知道怎么看和用數(shù)據(jù)的人。

• 產(chǎn)品經(jīng)理，30-180度看數(shù)據(jù)，首要近視看眼前問題，不然會被用戶罵死。也要遠視看路線圖，不然會被老板下崗。

• 技術經(jīng)理，60-120度看數(shù)據(jù)，短期+長期規(guī)劃，切忌操之過急，切忌漫無目的。

• 前后端程序員，90度看數(shù)據(jù)，那是你的兩大支柱之一(算法+數(shù)據(jù))，多快好省是你的職責。

• 數(shù)據(jù)分析師，??度看數(shù)據(jù)，你在哪兒，你去哪兒，你是誰，誰是你?想清楚。

?

?

 

圖：不同視角看Score Card

落地是如此的簡單 -- 80/20原則

傳統(tǒng)與自動化的糾纏，從古至今一直存在。再一次提及這篇令人愛恨交加的"SQL足以解決你的問題，別動不動就是機器學習"，如果傳統(tǒng)方式能達到95%的精確度，夠了么?

當我們在所有的算法中，對于圓周率的使用僅僅是3.14就已經(jīng)足矣，又有多少人知道并在乎3.1415926后面的一位是5呢?

最后那5%的精準度，是紅海最后的利潤。這是收到最多的一個反駁的論點。但是當我們的企業(yè)，有超過80%的用戶對數(shù)據(jù)的認知，還停留在填鴨階段;當我們的運維還相當大程度依賴于半自動化，是不是該多花點心思寫個SQL之類的。搭建數(shù)據(jù)產(chǎn)品的過程和企業(yè)以及用戶的認知息息相關：

• 積累業(yè)務數(shù)據(jù)，重點在采集。Excel，SQL夠了。

• 推送信息到用戶，重點在快速提供。Excel，SQL夠了。

• 自助式體驗，重點在提升。Excel，SQL夠么?

• 平臺，重點在交互。Excel，SQL不夠了。

認知的過程是相當漫長的，每一步都要踏踏實實落地，跑之前要學會走。

結束語

有客戶問我何為敏捷?我的答復如下，不僅僅只針對數(shù)據(jù)產(chǎn)品：

• 我竭力面對任何一個需求，可能優(yōu)先級上會有區(qū)別，可能個人能力上會理所不能及，或者讓自己無法權衡處理好每一個事情。但我仍然愿意告訴每一個希望我?guī)椭�的人，我會竭力幫助他�?哪怕其實我答應的實情超出了我的能力。

• 敏捷，本質就是靠近用戶，有效溝通，快速迭代產(chǎn)品，不追求完美，要求腳踏實地。做產(chǎn)品就是要滿足領導要求，要滿足用戶需求，而這兩者常常會有沖突，就會很心累，這點在很多公司特別突出。這種情況，任何一個有豐富經(jīng)驗的項目管理者或者產(chǎn)品經(jīng)理，都不能很好的協(xié)調(diào)。所以，搭建好領導，產(chǎn)品，用戶幾方之間的相互理解的橋梁，用用戶導向的工作方式，盡量讓你的方案能落地，盡量讓目標達成一致而不是沖突，是每個做數(shù)據(jù)產(chǎn)品的人士應該牢記的工作原則。

標簽： 大數(shù)據(jù) 大數(shù)據(jù)分析 代碼 何為大數(shù)據(jù) 金融 數(shù)據(jù)分析 數(shù)據(jù)庫 搜索 網(wǎng)絡 轉型

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。