大型集团现在正在转向业务域一致的数据产品战略。然而，一个令人担忧的趋势仍然存在，公司通常在构建数据产品或制定数据产品策略时没有涉及业务方面的关键利益相关者。对我来说，这与数据产品开发的核心原则和以用户为中心的产品思维相矛盾。

数据产品的概念是多方面的，并且根据组织环境和行业的不同可能会有很大差异。一方面，过度简化的定义忽视了设计、开发和管理数据产品中固有的细微差别的考虑。另一方面，采用严格复杂的定义可能会使其难以与技术进步和动态市场格局一起发展。

虽然定义可能有所不同，但其核心是将产品思维应用于数据和分析，弥合了业务价值、IT 和数据工作之间的差距。它体现了将原始数据转化为可操作的见解或服务，为组织带来切实的价值。数据产品并没有彻底改变我们设计数据的方式，但它使数据更加广泛关注和应用，让业务人员更容易接触到！

我必须强调这一点——数据产品的核心是使数据成本背后的价值合理化，特别是在当今的经济和社会背景下。也许我要表达的内容对很多人来说似乎是常识，如果是这样的话它表明我们在推动迈向数据产品驱动的世界所必需的基本原则上达成一致。

一 为什么数据产品对组织越来越重要

让我们从塑造当今数据和人工智能世界的一些常见挑战开始：

1.合理化融资和投资——过去，数据和人工智能投资通常被认为会产生正回报。然而，随着该领域的成熟度不断提高，我们意识到这种假设并不总是准确的。我们在没有明确的商业理性的情况下捕获和收集数据，导致存储冗余和低效的数据管理实践问题。您的生态系统中有多少种 BI 解决方案？您有多少个仪表板冗余地显示相同的信息或解决相同的查询，每个仪表板都由不同的人制作和维护？您的生态系统甚至可能有多个数据仓库，从相同的来源获取数据？因此，在经济衰退时期，高管们现在要求投资的合理性，这使得高效数据利用的需求比以往任何时候都更加重要。

2.从资本支出转向运营支出——这是一个重大的转变，它也影响了数据和人工智能的格局。企业越来越多地转向运营成本模型。因此，数据团队还需要转向运营成本驱动的数据资产管理方式。

3.解决日益增加的监管限制——监管限制正在迅速演变，管理公司如何收集、存储和使用数据（尤其是个人数据）的规则、法规和政策激增。人们越来越重视数据使用的道德规范。我怀疑未来的法规将扩展到整体环境，促进生态友好的数据实践。驾驭这些法规提出了重大挑战，要求组织优先考虑将这些政策、法规和治理整合到其运营模式中，以降低风险并提高透明度。

4.促进数据素养——我们正在走向数据素养成为一种普遍能力的世界，这对于推动运营和支持关键战略举措至关重要。促进他们的过渡并确保数据不再被视为是为熟练或精通数学的人保留的谜团至关重要。我们如何将数据从一个令人生畏的概念转变为一个熟悉的盟友？答案在于培育以用户为中心的数据策略，其中用户是数据设计的核心。

5.建立对数据的信任——由于我们对收到的数据普遍缺乏信任，我们如何才能立志成为真正的数据驱动型组织？花点时间反思一下：您在自己的组织中认识到这种情况吗？想象一下个人仔细检查仪表板或机器学习结果，本能地感觉需要在依赖数据之前仔细检查和重新校准数据。并考虑一下：您的组织是否真正对其客户群有清晰的了解，或者不同的单位和部门正在计算自己的客户数量（1000 万用于营销，但只有 800 万用于财务）？数据产品可以在解决信任赤字方面发挥关键作用。

如果我们承认这些确实是我们面临的关键挑战，那么数据产品就理所当然地提供了令人信服的解决方案。同样明显的是，业务正在成为任何数据计划背后的驱动力，并且对于有效应对这些挑战也是不可或缺的。

二 当业务不参与数据产品开发时会发生什么

这是我在数据产品开发计划中缺少业务时观察到的情况：

1.基于假设的设计：我们经常假设数据团队知道业务需求什么，导致数据产品设计可能与实际业务需求不完全一致。

2.通过企业数据模型加速：虽然利用行业或企业数据模型构建数据产品环境很常见，但它可能会忽略独特的业务需求和细微差别。

3.技术驱动的方法：数据产品的实施变成技术驱动的，优先考虑解决方案而不是价值。我们专注于支持市场、数据目录或自动化元数据工具。

4.脱节和脱离：企业感觉与数据团队活动脱节，导致对新数据产品与现有实践相比的相关性和差异产生疑问。

5.抵制所有权：如果不参与，企业可能会抵制对数据产品的所有权或责任，从而阻碍其成功实施和采用。

6.采用率低：数据产品可能不会被采用，因为它们不是根据业务需求定制的，需要大量的技能提升，或者未能展示出相对于现有工作流程的明显优势。

7.资金挑战：由于缺乏企业支持和价值证明，为数据产品计划争取资金变得困难。

最终，如果没有整个过程中业务的积极参与，数据产品计划就会演变成项目驱动的计划，缺乏战略一致性，并且从长远来看无法为组织带来最大价值。

三 当业务参与产品开发时会带来什么

您可能会认为这些仅仅是与前面的观点相反的论点，但也有微妙的不同。

1.可持续资助——让业务参与数据产品生命周期，通过调整成本与消耗来确保可持续资助，培养互利的伙伴关系。想象一下，根据用户的消费情况对用户应用退款模型，涵盖研发、劳动力成本、运营和支持/维护成本！

2.衡量的价值——业务最有能力评估数据产品在推动业务流程方面的价值。他们量化收益并在整个组织内进行沟通的能力对于确保支持和投资非常宝贵。

3.领域专业知识——业务利益相关者通常拥有对塑造数据产品至关重要的宝贵领域专业知识。虽然经常听到对企业要求质量的抱怨，但通过适当的教育，他们对客户行为、活动动态、市场趋势和行业趋势的深刻理解可以提供宝贵的见解。这些对于确定数据产品如何支持业务流程、确定所需结果、定义关键性能指标以及确定最佳使用方法至关重要。我们真的可以确保这一切都可以在没有业务的积极参与和支持的情况下实现吗？

4.提高数据质量——利用业务的专业知识和直觉，他们可以迅速识别数据中的差距、差异和其他问题。他们对该领域的深刻理解使他们能够建立有效的数据质量护栏，确保准确性和可靠性。

5.推动采用和集成——业务参与对于将数据产品集成到现有工作流程并推动整个组织的采用至关重要，确保数据驱动的见解转化为切实的业务成果。

6.持续反馈——在客户行为快速变化、运营流程不断完善的动态业务环境中，数据也需要保持相关性并响应那些不断变化的业务需求。数据操作中的反馈循环对于作为评估数据产品性能和效用的主要贡献者的业务至关重要。

四 采用数据产品的合适时机

数据产品旨在解决的基本问题是：如果很难阐明数据如何为业务运营增加价值以及如何将数据投资转化为组织的财务利益，那么采用数据产品模式可能是解决方案。

鉴于上述情况，时机对我们来说似乎是不言而喻的：发起有关数据产品的讨论是否存在错误的时机？这与公司数据成熟度的阶段是相关的，无论是刚刚踏上数据和人工智能之旅，还是拥有复杂的联合数据和人工智能能力。

开始推动思维方式的改变：开始思维方式的转变至关重要。过渡到数据产品方法涉及在团队（业务、IT、数据）中培育和促进产品思维。一方面，数据团队必须与业务互动，协作理解需求。另一方面，培养一种文化也可以从企业主动考虑其用例的数据方面开始。在执行层面，战略和目标应整合数据的组成部分，强调利用数据进行明智决策和未来创新的重要性。如果没有这种思维转变，就会存在领导传统数据项目而不是培育以产品为导向的方法的风险。

主动数据管理和治理：一旦产品思维获得关注，焦点就会转移到主动管理数据。分配适当的所有权不仅可以培养责任感，还可以鼓励个人更深入地参与数据。个人可以深入了解有效数据管理的影响，从而有可能识别出那些在数据“产品”的技术和功能方面都表现出熟练程度的人。这会是未来数据产品所有者的诞生吗？此外，考虑在此阶段加入游戏化可以增强参与度并培育持续改进的文化。

协调组织、应用程序和数据域：许多组织目前在不同的组织、应用程序或软件域中运营，有些甚至可能拥有数据域。然而，一旦建立了强大的数据治理框架并且具备了坚实的数据素养基础，调整这些不同的领域就可以作为数据产品的构建块。它促进 IT、业务和数据之间的协作。这种协调可以帮助解决与数据孤岛相关的问题，有可能减少数据重复，并使某些企业可能拥有的复杂平台生态系统合理化。此外，它有助于完善所有权和治理模型，促进整个组织的沟通渠道。

了解源数据：当重组并授权员工变得更加产品驱动时，可以开始发现数据。目前，许多组织缺乏对现有数据的全面了解。在数据源建立索引为构建原始数据层奠定了基础。它允许您评估哪些数据与业务相关以及哪些数据可能已过时。正如您可能已经猜到的，此过程为您识别潜在的源对齐数据产品铺平了道路。

了解企业或核心数据资产：您可以将类似的策略应用于关键数据资产，例如对日常业务运营至关重要的客户、产品。识别这些资产并确定其优先级，找出那些表现出复杂性、导致混乱或引发对数据质量怀疑的资产。此评估使您能够辨别最初应将精力分配到哪里，重点关注最有改进潜力和对业务成果影响最大的领域。

创建数据底座：数据并不是孤立运行的。了解不同数据实体和域之间的关系非常重要。因此，一旦了解了上游的核心数据资产，就应该考虑如何连接和加入数据，识别用于加入这些数据集的主键和外键，并定义将来管理这些键的策略。

建立清晰的指导文件：清晰的文档对于可访问性是必不可少的。正如其他领域的产品都会附带说明书一样，数据产品也不例外。虽然我一直喜欢直观的设计（UI/UX），但对于不懂技术的用户来说，全面的指导是必不可少的。

建立产品指标：开始构建指标以更好地了解数据。衡量它的消耗方式、谁在使用它以及每天使用多少次？它要多少钱？数据质量问题？！如果使这些指标可见，就会激发用户的关注，从而进一步在组织内培育数据驱动的文化。