中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：許多公司自研的數據產品投入成本很多，也迭代了一年多，但是在業務上還是有很多欠缺的地方。在投入這么多但卻不見成效的情況下，為什么不購買外部商業數據平臺產品呢？

今天隨便聊一個話題，自研的數據產品迭代了一年多，為什么不買第三方商業數據平臺產品呢？

一、大數據產品研發現狀

多企業在大數據建設中會遇到一個問題， 投入產研經過一年多迭代，做出了一些數據產品，大數據團隊在建設中會結合市面上的工具和業務的需求，迭代了一段時間是能夠滿足企業自身業務發展對數據訴求。

隨著時間公司發展中經常會受到企業組織結構變動、細分，團隊工作交叉以及重復工作等，或者是資源的被調用，企業大數據產品在長時間迭代中受到了數據產品團隊的能力、技術的大數據能力（比如前段資源、后端資源、服務器資源）等影響，在數據產品跌得帶中越來越緩慢。

在數據平臺的某些功能隨著時間流失欠缺更大。此時在盤點中發現投入那么多人力物力為什么這些平臺業務要什么沒有什么的程度（先不談業務要的是否合理）。此時大家都開始聊要不要采買外部的產品。

二、外部數據產品的對比之路

這幾年外部有一些專業的大數據工具平臺公司在研發自己的數據平臺工具，比如元數據工具、報表工具、APP 日志分析工具等。

這些工具會更加專業、通用性更好，但是缺點也會很明顯在切合某些企業業務堵上就欠缺蠻多。

比如在第三方的 BI 功能非常全面完整，圖表庫豐富，展現非常漂亮，一些特色權限很難與公司的組織結構吻合，還有一些業務鏈條特別長，但是只買了日志分析工具，流量數據與交易數據會交叉分析等一些場景，這些第三方工具就會偏差一些。

還有比如業務的精細化各類交叉分析要構建大量的中間層， 一些工具雖說支持數據導入功能，但是也是很難用。

自助研發數據產品的數據產品呢，缺點是在數據儀表盤功能、報表功能、UI 美觀功能以及圖標豐富度都比第三方要差 ，在資源緊張情況下可能報表中的一個行轉列表格功能要排期到幾個 Q 以后，業務團隊使用中經常吐槽這個功能差、那個功能有 bug。優點是吻合業務個性化訴求。

三、自研與采買的 ROI

一個第三方數據產品平臺算下來才幾十萬， 企業要養做這個事情的人可能一年要幾百萬 ，此時是要持續自研呢？還是采買第三方呢？

從本質上來講，這是個自研與采購的沖突問題，算是決策需要考慮的事情，決策點是短、中期、長期的 ROI 對比情況。

從企業規模來講：

• 一般中小型企業是建議采買的（悄悄話：有蠻多的第三方平臺都有一個共性問題， 續簽率都很低， 客戶的流失率很高，咱們不探討這個問題）。
• 中大型企業要看，企業是否在自研上投入成本去做了， 一般的來講組織結構 ReOrg，整合資源后會優先去做商業價值更大的事情，一般的數據產品團隊在這個工具上拿不到壁壘式的產出會優先做出調整。如果在資源過剩情況下，大數據團隊是可以做一些價值類的數據產品。

這個是需要從實施的短、中期、長期的 ROI 綜合來判斷。

• 自身自研：優勢 貼近業務，技術實施大部分可空， 兼容好，業務吻合度 100%。? 內部重要不緊急工具建設，建設周期長，受到前端資源、后端資源的影響。投入產出比中等。
• 采買 ：優勢，周期短，見效快。功能豐富且很快可以使用起來，滿足業務快速發展需要， 業務支撐吻合度達頂到 50%-70%。

四、實施第三方一些潛在可能性

引入新系統會導致整體系統變復雜一段時間（比如自研系統 A，采買系統 B 會并存，這個對團隊、系統層面都不是好事）。?實施中短期（1-3 個月較為痛苦 工作大），中期優勢明顯。長期存在個性化功能定制麻煩，極有可能要做二次開發。

一般的短期內（3 個 Q 內），自研成本大于采買實施成本 ：需要數據團隊做好在一定階段內拿出自研的 Plan 多久只能能夠在人力成本投入下構建好可代替方案。

中長期（12 個月以上），業務發展非常迅速所帶來對數據的需求也會多變，對數據的采集、數據中間層的訴求就是要求快速實施來支撐對業務的訴求，第三方平臺的半封閉性以及自身的存儲格式導致在中間層的擴展上會變得跟不上業務需求節奏，久了矛盾會爆發出來的。需要有相應的方案跟上。

五、數據產品一些優勢的建立

數據產品以及技術在對業務的支撐與實施中是否建立起了對第三方平臺的一個壁壘，當然在內容建設上的壁壘優勢會大于在工具功能優勢。

互聯網企業在大數據建設一般都是遵循短平快的方式， 甚至都是把業務系統的表整合到數倉，很少做設計或者是按照需求的方式做一下簡單整合， 就 export 寬表或匯總數據提供給業務使用。

在互聯網行業的企業很少有發布一些針對行業有沉淀的數據模型。我知道這些年在大數據領域只有阿里巴巴在去年發布了一套電商交易標準數據模型。

數據中臺的建設，可以說互聯網企業數據中臺如果想在數字化轉型進入到不同領域， 需要沉淀大量的行業模型才能進入一些業務很重的行業的數據整合上， 否則很難產出很好的數據模型導航圖。? 比如數據治理現在提的很重要，但是落地有點勉強，數據治理很重要但是很多東西有點本末倒置。

作者：松子（李博源）

本文由 @松子 原創發布于人人都是產品經理，未經許可，禁止轉載

題圖來自 Unsplash，基于 CC0 協議