诊断|数据产品的实践方法论与思考( 二 )

文章插图
3. 分析决策我们建设的中间灰色部分就是整个决策中心，决策中心再细分就可以分成两部分，一部分是业务在很多那年里沉淀下来的一些规则、思路、生意经。我们会把这些生意已经变成角色引擎，形成规则化的东西来帮助大家更高效的全业务运转起来。
另一部分是我们利用了大量的算法解决更好的场景并给到业务，结合算法利用数据把这些算法形成模型，然后经过训练，把它形成一些业务规则，并且通过数据不断地去迭代。
把数据模型和方法论沉淀在决策中心里，这时我们的决策中心可能就是整个公司的一个核心经营思路，然后把一些重复的思路以及一些人不擅长的东西全部交给我们的决策中心去完成。
4. 动作执行在决策中心建设成型之后，经过测试，如果测试效果不错，那下一步就会指导模型，做大量的执行动作。
比如说我是一个负责商品的运营人员，以前我管理着很多商品，要靠自己的经验去做事；现在我只要把规则制定并选择好，在这些规则的基础上，让业务系统去做联动，而我就可以自动托管去完成多件事，最终形成一个完整的数据闭环。
值得一讲的是，一些知道我们数据产品情况的合作伙伴也想去用这个数据产品，所以我们会把整个数据产品去做SaaS化，这就是我们整个的建设过程。
三、数据产品未来的思考我们一直在思考数据产品的未来应该是怎么样的？

文章插图
给大家先举个例子，以前我们的数据产品可能就是一些工具。那什么叫做工具？
类比到人的生病体检过程，最初级的数据产品相当于人的血压计或者血糖仪，这些产品的特点是自己使用以及自己检查，依赖你自己的主动检测才会得知具体数据。
在这个基础上，我们向前探了一步，在下一阶段把它变成了一个体检中心。比如说你得知你身体的一个指标，可能是血压、血糖等，通过这个指标，能够检测出身体的一个异常报告，你可以看到身体各方面的情况，但是体检中心不负责治病。
那下一阶段呢，就希望我们的数据产品变成一个三甲医院，它可以给你治病，也就是能够帮助你解决身体上的问题。
那具体数据数据产品会变成什么样的？
也就是说我们在不同的场景下，我们会出不同的诊断入口。拿店铺诊断举个例子，比如说，我的一个店铺销量下滑，它会主动告诉你销量下滑以及销量下滑的各种因素，它可能会告诉你这些因素的严重程度，这样子就变成了一份诊断清单。

文章插图
而在医院里会有分诊台，分诊之后会形成分诊结论，接着形成一个诊断清单，在诊断清单里形成一个综合的诊断报告。
那为什么要分诊呢？就是每个组织都有自己的架构，每一部分可能都负责比较专业的部门，因为数据部门是一个横向的组织，它要利用起各个专业部门的一些经验。
这是我们对未来数据产品的一些思考，我们也希望在这里面通过数据把整个串联起来，把整个策略去做回收，然后再开发新的策略。
四、数据产品的能力模型

文章插图
大家可以思考一下数据产品需要一些什么样的能力？
1. 懂产品只有完善的产品基础知识体系，才能创造出体验好的产品。
2. 懂数据也就是如果数据产品不懂数据，这个数据产品的价值就发挥不出来。所以我们一般要大家去了解数据分析模型以及很多常用的方法论，让数据产品的价值不断去提高。
3. 懂技术因为在整个技术数据产品的方案设计过程大部分需要产品来参与，比如我的数据要达到这个时效可能性多大，这个需要产品的一些前置判断以及利用各种技术，如果你不知道这些要点的话，你就不能把数据产品的整个价值最大化，也限制了整个数据产品的可能。
4. 懂业务如果不懂业务，整个数据产品完全没法使用，所以在整个数据团队建设过程中，我们会把数据产品经理以各种形式跟各个业务部门深度地去了解业务，然后参加业务部门的各种战略会，站在数据的角度去帮业务解决问题。
所以这就是我们的数据产品的一个能力模型。
五、微信十年的产品思考

文章插图
张小龙在微信十年的时候讲了一句话，微信十年，如果非要用两个词来描述微信，我想，一个是连接，一个是简单。连接，是很美的。因为世界的运行就是靠万事万物的连接而进行的。对于产品来说，做连接，意味着做服务的底层设施，因为基于连接可以演变出来的结果是丰富的。我用简单来作为美观，实用，合理，优雅的代名词。