“數據產品”設計指南

2019-03-08 來源：raincent

Mountainous time series. Paul Gilmore on Unsplash

什么是數據產品，而它又為什么值得你去關心呢?

DJ Patil對數據產品的定義是：“通過使用數據促進最終目標的產品”，

這一定義乍看起來涵蓋的范圍似乎相當廣泛。畢竟，在大多數情況下，所有的Web產品都使用數據。它們都是使用數據來促進最終目標的實現(xiàn)。那現(xiàn)在網絡上的一切都是數據產品嗎?

對此，我將指出二者之間存在的一個非常重要的區(qū)別;使用數據促進最終目標的產品和主要目標是使用數據促進最終目標的產品之間的區(qū)別。

數據產品，從某種意義上說是需要有自己的類別，它們是以數據為主要目標的產品。

定義數據產品

為什么要如此拘泥于細節(jié)---嗯，我個人的觀點是，數據產品，無論是面向客戶的完整產品還是部分后端產品，都具有與其他技術產品不同的特性。

雖然許多標準的產品開發(fā)規(guī)則都適用---解決客戶需求、從反饋中汲取經雖然許多標準的產品開發(fā)規(guī)則都適用——解決客戶的需求、從反饋中學習、無情地確定優(yōu)先級等等——但有些微妙之處可能會使對數據產品的思考有些不同。

上面的定義用于區(qū)分我們是否應該像通常那樣考慮產品，還是我們是否需要考慮更適合數據世界的產品開發(fā)方面。

一些實例

通過這種方法，我們來舉幾個例子。

媒體是數據產品嗎?根據我們的定義判定媒體并不是數據產品;它雖然使用數據，但它的主要目標是“…建立一個更好的發(fā)布平臺---一個允許任何人向世界提供他們的故事和想法，并幫助偉大的人登上首頁”。雖然數據將在這項任務中發(fā)揮關鍵作用，但它不是實現(xiàn)這一目標的主要驅動力。也不是媒體的目標，對于媒體來說，數據是達到目的的手段。

如果我們對媒體平臺進行再深入一點分析，我們會發(fā)現(xiàn)那些通過使用數據來定義其目的的產品。媒體的搜索功能是一種數據產品。其目標是將相關文章推薦給相關讀者，而數據是實現(xiàn)這一目標的關鍵。

媒體的文章訂閱功能怎么樣實現(xiàn)的呢?是的，數據，再一次在決定向讀卡器顯示內容時起著關鍵作用。

我們再舉一個例子：Gmail是數據產品嗎?不，Gmail是一種電子郵件服務，其主要目標是允許個人之間進行異步的書面通信。然而，Gmail將我們的電子郵件分類成重要和不重要的數據產品。主要目標是對電子郵件進行分類，這主要集中在自然語言處理上。

Instagram是數據產品嗎?并不是，但如果將其視為離散產品，則其大部分功能都是數據產品-，例如：標記、搜索、發(fā)現(xiàn)。

谷歌分析是一種數據產品嗎?是的，它的主要目標是給用戶帶來對在線行為的定量理解。這里的數據是與用戶交互的中心，與目前提到的其他產品不同，它的使用是明確的。

數據產品的類型

顯然，存在各種不同類型的數據產品。即使將可能的產品領域縮小到符合我們定義的范圍之內，這些產品之間仍然存在相當大的差異性。隨著這種差異性在產品開發(fā)中進一步微妙化。

我們可以將這些數據產品分為5大類：原始數據、派生數據、算法、決策支持和自動化決策。

一般來說，這些產品類型是根據日益增加的復雜性列出的。更具體一點來說，它們是根據不斷增加的內部復雜性列出的，并且(應該)用戶方面的復雜性較低。

換句話說，數據產品本身的計算、決策或“思考”越多，則用戶需要的思考就越少。

通常(但不完全)原始數據、派生數據和算法都有技術使用者。大多數情況下，他們往往是一個組織的內部產品，但反例將包括廣告交流，或API套件。決策支持和自動化決策產品往往具有更均衡的技術和非技術用戶組合;盡管對于任何給定的產品，用戶組往往是其中之一。

原始數據。從原始數據開始，我們收集并提供可用的數據(也許我們正在做一些小的處理或清理步驟)。然后，用戶可以選擇使用適當的數據，但大多數工作都是在用戶完成的。

導出數據。在向用戶提供派生數據時，我們在我們這邊做一些處理。對于客戶數據，我們可以添加其他屬性，例如為每個客戶分配一個客戶段，或者添加他們單擊廣告或從某個類別購買產品的可能性。

算法。接下來我們有算法，或者算法服務。我們得到了一些數據，我們通過算法運行它-無論是機器學習還是其他-并返回信息或見解。谷歌圖片就是一個很好的例子：用戶上傳圖片，并接收一組與上傳圖片相同或相似的圖片。在后臺，該產品提取功能，對圖像進行分類，并將其與存儲的圖像進行匹配，返回最相似的圖像。

決策支持。在這里，我們希望向用戶提供信息，幫助他們做出決策，但我們自己并沒有做決定。分析儀表盤(如Google Analytics、Flurry或WGSN)將屬于此類。我們做的大部分工作都是在我們這邊進行的;我們的目的是以易于消化的格式向用戶提供相關信息，以便他們做出更好的決策。在谷歌分析的案例中，這可能改變編輯策略，解決轉換漏斗中的漏洞，或者雙倍降低給定產品策略。這里要記住的重要一點是：雖然我們在數據收集、新數據的派生、選擇要顯示的數據以及如何顯示這些數據等方面做出了設計決策，但是用戶仍然有責任，自己解釋這些數據。他們控制著對該數據采取(或不采取)行動的決定。

自動化決策。在這里，我們將給定領域內的所有智能外包出去。Netflix的產品推薦或Spotify的每周發(fā)現(xiàn)就是常見的例子。自動駕駛汽車或無人駕駛飛機更是這種閉環(huán)決策循環(huán)的物理表現(xiàn)。

我們允許算法完成這項工作，并向用戶提供最終的輸出(有時會解釋為什么人工智能選擇了該選項，而其他時候則完全不透明)。

數據的交互

到目前為止，我們已經討論了功能數據產品的類型。

這些數據產品中的每一種都可以以各種方式呈現(xiàn)給我們的用戶，對他們的設計有明確的影響。這些接口或交互是什么?

API。對于API，我們假設一個技術用戶。我們仍然應該遵循良好的產品實踐，并確保API的使用直觀，有良好的文檔記錄，能夠滿足用戶的需求，并且值得我們使用。

儀表盤和可視化。對于儀表盤和可視化，我們假設在處理數字方面具有一定的統(tǒng)計知識或能力。在最極端的情況下，我們可以為用戶做很多繁重的工作，并努力確保我們只以易于理解的格式呈現(xiàn)最相關的信息。通過選擇要顯示的信息，我們正在影響決策，但它仍然將解釋和決策留在用戶的手中(或頭腦中)。

網絡元素。在過去5年左右的時間里，用戶最不常見的數據產品的技術接口就是網絡元素。最近，這些接口的應用被廣泛擴展，包括語音、機器人和增強現(xiàn)實等。雖然這些新接口的設計細節(jié)都是明顯不同的，但其中有相當大的重疊，因為它們都圍繞著向用戶展示決策結果，也許還傳達了人工智能實現(xiàn)決策的原因或方式。

了解我們正在建設什么

根據可能的接口繪制數據產品的類型，我們得到一個橙色點矩陣，每個點代表不同數據產品矩陣-不同的產品需要不同的方法。

數據產品矩陣——不同的產品需要不同的方法

矩陣中的每一個元素都要求設計注意事項，無論是在用戶需要什么方面，還是在我們用于實現(xiàn)目標的設計過程方面，都會有很大的不同。

從左上角的圓圈(原始數據API)斜向右下角的圓圈(自動決策Web元素)是指從技術、工程驅動的產品轉向更典型的軟件產品(即產品經理和設計師更直觀的產品，往往出現(xiàn)在書中的產品、雜志和文章)

困難&方法

根據我的經驗，當團隊將人性化設計方法應用于更多的數據產品時，他們就會遇到大問題。當然，這并不是說工程師不是人。大多數是，而那些不經常有一個不可思議的相似性。但是，HCD是一種整體的產品開發(fā)方法，當設計師理解用戶的動機和行為時，它是一種很好的方法。對于技術數據產品，產品邊界通常被功能組織考慮人為地限制，并且產品和用戶體驗團隊通常不具備以下技術：a)了解技術用戶行為的復雜性;b)不具備探索這些復雜性的能力。

那么，假設我們一直在閱讀的開箱即用設計思想或精益方法論是幼稚的。

然而，這并不是恐慌的原因。

盡管用戶研究的輸出可能與面向消費者的產品或真正典型的SaaS產品有很大的不同，而且關鍵績效指標的定義可能在技術方面出錯，但設計思維和精益都具有足夠的可塑性，使我們能夠針對這個新領域調整我們的方法。

我的建議是，在將這些方法應用于數據產品時，要確保問題空間是根據最終用戶而不是直接數據輸出的用戶來定義的。很可能，這就意味著要擴大團隊，將相鄰的產品及其經理包括在內。

同樣，如果用戶是一個技術性的用戶，那么我們就應該適應這種環(huán)境。要同情遇到工程問題的用戶，可能意味著我們必須打開一個IDE并進行編碼。