數(shù)據(jù)驅(qū)動,本來就不應(yīng)該這么簡單
數(shù)據(jù)驅(qū)動,拆開來看就是“數(shù)據(jù)+驅(qū)動”。所以大多數(shù)人把數(shù)據(jù)驅(qū)動理解為以數(shù)據(jù)作為一種證實/證偽的依據(jù),然后由人(比如產(chǎn)品經(jīng)理,運營人員)去做決策。但實際上數(shù)據(jù)驅(qū)動遠(yuǎn)沒有那么簡單。
不知道什么時候,數(shù)據(jù)驅(qū)動就火起來了。
查了查“數(shù)據(jù)驅(qū)動”的百度指數(shù),沒有收錄,于是順道查了一下“大數(shù)據(jù)”的指數(shù),如下圖所示:
大概2013年開始,大數(shù)據(jù)開始逐漸受到關(guān)注。數(shù)據(jù)驅(qū)動也應(yīng)該是伴隨著大數(shù)據(jù)的興起,才誕生的又一新領(lǐng)域。如今,小到各行業(yè)的從業(yè)者,大到各大公司、企業(yè),數(shù)據(jù)驅(qū)動成了繼技術(shù)驅(qū)動,產(chǎn)品驅(qū)動,運營驅(qū)動之后的標(biāo)配。
數(shù)據(jù)驅(qū)動,拆開來看就是“數(shù)據(jù)+驅(qū)動”,這么可能好理解一點,但是也會帶來很多問題。只要使用數(shù)據(jù)做了點事情,可能都認(rèn)為是數(shù)據(jù)驅(qū)動了。
數(shù)據(jù)驅(qū)動最常見的理解,包括在實際工作中的踐行:就是把數(shù)據(jù)作為一種證實/證偽的依據(jù),然后由人(比如產(chǎn)品經(jīng)理,運營人員)去做決策。
我一直覺得數(shù)據(jù)驅(qū)動的終點是數(shù)據(jù)做決策,即從用戶開始進來,到用戶離開,數(shù)據(jù)決定給用戶展示什么內(nèi)容,提供什么服務(wù)。
最近新做了幾個項目,對“數(shù)據(jù)驅(qū)動”又有了一些新的理解,簡單的聊聊。
鏈路而非模塊
這段時間,給我感受最深的就是數(shù)據(jù)驅(qū)動是一個全鏈路的工程,而不僅僅是一個小模塊。拆開來看,數(shù)據(jù)驅(qū)動應(yīng)該包括了數(shù)據(jù)采集,數(shù)據(jù)建模,數(shù)據(jù)分析和數(shù)據(jù)決策四大鏈路,每一個鏈路都是數(shù)據(jù)驅(qū)動的一部分。
1. 數(shù)據(jù)采集
通過一定的數(shù)據(jù)采集手段,把線上、線下各端各渠道的數(shù)據(jù)進行記錄,并且設(shè)計科學(xué)的表結(jié)構(gòu)進行結(jié)構(gòu)化存儲。
最常見的行為數(shù)據(jù)采集手段就是埋點,通過埋點把最原始數(shù)據(jù)通過日志的方式記錄下來,形成底層數(shù)據(jù)源。
這些數(shù)據(jù)通常包括:用戶行為數(shù)據(jù)、訂單數(shù)據(jù)、曝光數(shù)據(jù)、性能數(shù)據(jù)、內(nèi)容數(shù)據(jù)等等。
主要介紹常用的三種數(shù)據(jù):
- 用戶行為數(shù)據(jù):通常是指用戶的點擊瀏覽數(shù)據(jù),用戶在應(yīng)用內(nèi)的每個點擊行為都會會被當(dāng)成一次event來記錄,每個event對應(yīng)一個eventid。一般用來統(tǒng)計點擊量,PV,UV等指標(biāo);
- 訂單數(shù)據(jù):是指用戶下單的數(shù)據(jù)。每一個數(shù)據(jù)行一般包括時間,skuid,下單價格,品類,用戶pin,uuid等基本信息。一般用來統(tǒng)計訂單轉(zhuǎn)化率,訂單金額,GMV等指標(biāo);
- 曝光數(shù)據(jù):這個比較特殊,主要是為了衡量一個頁面內(nèi)的某個模塊被用戶看到的次數(shù)。一般用來分析轉(zhuǎn)化率的指標(biāo),比如:CTR,CVR等等。
數(shù)據(jù)采集的過程需要關(guān)注點包括兩個:
- 一個是數(shù)據(jù)要采集全面,細(xì)致;
- 另一個就是要進行科學(xué)的存儲。結(jié)構(gòu)化的數(shù)據(jù)才有利用價值。
結(jié)構(gòu)化數(shù)據(jù)也稱作行數(shù)據(jù),是由二維表結(jié)構(gòu)來邏輯表達(dá)和實現(xiàn)的數(shù)據(jù),嚴(yán)格地遵循數(shù)據(jù)格式與長度規(guī)范,主要通過關(guān)系型數(shù)據(jù)庫進行存儲和管理。
這個階段好比是采集社會,人類依靠最原始的大自然資源進行營養(yǎng)攝取和生存,大自然有什么,人類就能得到什么,只能滿足生存的基本需求。
2. 數(shù)據(jù)建模
也可以稱之為數(shù)據(jù)加工。通常是為了滿足一定的目的對原始數(shù)據(jù)源進行清洗,加工,計算,最終生成我們需要的數(shù)據(jù)。原始數(shù)據(jù)是沒有添加任何邏輯在里面的,利用價值比較低。
比如對于一張訂單表,每個數(shù)據(jù)行是記錄的基本信息是某個sku在某時間以某個價格被某個用戶下單,但是單個的sku的表現(xiàn)通常沒有分析價值和利用價值的。更有價值的是某一類sku,某一段時間,某一批用戶的下單行為,這樣更有利于后續(xù)的決策,這其中就是一個加工建模的過程。
數(shù)據(jù)建模一般來說包括以下四種建模分類:
- 業(yè)務(wù)建模,生成業(yè)務(wù)模型,主要解決業(yè)務(wù)層面的分解和程序化。
- 領(lǐng)域建模,生成領(lǐng)域模型,主要是對業(yè)務(wù)模型進行抽象處理,生成領(lǐng)域概念模型。
- 邏輯建模,生成邏輯模型,主要是將領(lǐng)域模型的概念實體以及實體之間的關(guān)系進行數(shù)據(jù)庫層次的邏輯化。
- 物理建模,生成物理模型,主要解決,邏輯模型針對不同關(guān)系型數(shù)據(jù)庫的物理化以及性能等一些具體的技術(shù)問題。
以上四種模型即相輔相成,又可以相互獨立。主要看模型的應(yīng)用場景。
這個時候好比進入了農(nóng)業(yè)社會,原始生產(chǎn)資源經(jīng)過初步的加工變得更有營養(yǎng)價值和實用價值。
3. 數(shù)據(jù)分析
數(shù)據(jù)分析階段可以說是一個數(shù)據(jù)真正發(fā)揮其價值的初級階段,也是目前大多數(shù)人多數(shù)據(jù)驅(qū)動理解的終極階段。
這塊通常包括:對數(shù)據(jù)進行可視化呈現(xiàn),對數(shù)據(jù)進行指標(biāo)計算,數(shù)據(jù)用于訓(xùn)練模型算法,數(shù)據(jù)用于刻畫用戶畫像等等,其實都可以稱之為數(shù)據(jù)分析階段。
數(shù)據(jù)分析的結(jié)果就是讓決策有所依據(jù)。比如:產(chǎn)品上線后表現(xiàn)怎么樣?什么樣的用戶會購買此類商品?
大多數(shù)的數(shù)據(jù)驅(qū)動會在這里停止。接下來的迭代會按照分析的結(jié)果,然后去決策該優(yōu)化哪些功能,該推出哪些品類,該上什么樣的運營活動。
數(shù)據(jù)驅(qū)動目前大多還是在這個階段。
4. 數(shù)據(jù)決策
真正的數(shù)據(jù)驅(qū)動應(yīng)該是更智能,更自動化的驅(qū)動,也就是用戶進來的那一刻,整個數(shù)據(jù)鏈路開始運作,來決定給用戶展示什么內(nèi)容,提供什么服務(wù)。
以電商類業(yè)務(wù)淘寶和京東為例:之前的老版本都是以固定的入口和人工配置的運營頻道來搭建首頁,看上去就是一個大賣場,里面有各種運營人員開的小商鋪。
但是最近的改版,兩家都不約而同的朝一個方向演進了。首頁除了固定的icon之外,其他區(qū)域全部都是基于個性化推薦算法搭建的場景,sku。淘寶是你的淘寶,京東是你的京東。
能夠做到這樣,后臺有無數(shù)的數(shù)據(jù)從采集,到處理,再到分析建模,最后進行決策支撐。當(dāng)你理解了其背后的工作原理,你就可以操縱一下屬于你的淘寶和京東。比如我為了減少自己的篩選操作,會通過在線上故意做一些操作去影響推薦結(jié)果,進而讓系統(tǒng)幫我篩選出品質(zhì)比較好,銷量比較多,性價比高的商品。
每當(dāng)在首頁成功看到自己中意的、想買的物品,瞬間感覺變成了一個偽黑客。當(dāng)然有時候并不是很奏效,畢竟黑客也有失誤的時候。
實際工作中,每個數(shù)據(jù)/策略產(chǎn)品經(jīng)理在做的事情可能就只是整個鏈路中的一個部分。不過這種全鏈路,全流程的數(shù)據(jù)驅(qū)動觀念還是要有。
隨著產(chǎn)品經(jīng)理市場的飽和,功能型和體驗型產(chǎn)品經(jīng)理競爭會越來越大。我記得知乎之前有一個提問,什么樣的產(chǎn)品經(jīng)理會在未來贏得更多的機會。
我當(dāng)時贊同了“有數(shù)據(jù)意識,會用數(shù)據(jù)驅(qū)動業(yè)務(wù)增長的產(chǎn)品經(jīng)理會更有前景”。
#專欄作家#
夏唬人,公眾號:夏唬人,人人都是產(chǎn)品經(jīng)理專欄作家。某廠策略產(chǎn)品經(jīng)理,關(guān)注推薦,搜索,AI策略方向,用數(shù)據(jù)來賦能業(yè)務(wù)。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash,基于 CC0 協(xié)議
- 目前還沒評論,等你發(fā)揮!