数据产品设计3个方法论(附淘宝系解析).pdfVIP

数据产品设计的3个方法论 （附淘宝系解析 ） 写这篇小文主要是因为这几年 是阴错阳差地与数据打着不大不小的交道 ，也是想 结一下 自己对数据产品的一些思考和认识 ，看看自己是否真的适合在这条路上一直走下去。 何谓数据产品 按照惯例 ，第一次听说数据产品这个词 ，毫不犹豫的百度之 ，搜索出现了三个比较有意思的结果 ： 其一是虎嗅网的老读悟发表的 《数据产品经理的前世今生》 ；其二是 “最新招聘信息6136条_数据产 品经理” ，基本属于杭州某大型互联网公司 ；其三是innovat e511的最新微博显示 ：“做数据挖掘研究 ，如果做应用产品没有话语权 ，且要你承担结果是否上线产生价值的责任 ，那就别做 ，责任和权利 要成正比 ，否则你将面对一次又一次被拒绝开发或被优先级不高拖延 ，最后被拖死。” innovat e511的最新微博 不知道这是不是印证了若不是找工作也不会跟数据产品结梁子呢,呵呵!言归正传 ，数据产品这个词 目前看起来还是来自职位描述 ，至于什么叫数据产品 ，大约业界还没有定论。 姑且引用老读悟的定义 ： 数据产品是可以发挥数据价值去辅助用户更优的做决策(甚至行动)的一种产品形式。它在用 户的决策和行动过程中 ，可以充当信息的分析展示者和价值的使能者。从这个角度讲 ，搜索 引擎、个性化推荐引擎显然也是数据产品。狭义范畴的数据产品 ，比如大家熟知的淘宝数据 魔方、百度指数、电商的CRM平台、各种公司内部的数据决策支持系统等都是数据产品。 搜索引擎、推荐引擎代表了当今数据挖掘领域最成功的商业案例 ，而魔方、指数、CRM等产品也是 数据分析和决策的典型应用 ，因此老读悟的这个定义我还是相当认同的 ，或者更简单的说 ，凡是以 数据价值驱动为核心的产品形式都是数据产品 ，说得更艺术一点 ， t he art of t urning dat a int o product 。 方法论 这里主要探讨一下 ，如何设计或者评价数据产品?也就是方法论的问题。说到数据产品 ，不能不提一 下数据分析和数据挖掘。常碰到某牛人对着报表鄙视的说这叫数据分析 ，根本算不上数据挖掘 ，但 是在我的理解里 ，数据分析其实也是数据挖掘 ，只是一种浅层次但是非常简洁有效的数据挖掘形式 而已 ，因此后文不再使用数据分析这个词 ，而是围绕数据挖掘来思考数据产品的本质。 《 at a Mining Techniques》这本书里对数据挖掘的定义是 ：数据挖掘是一项探测大量数据以发现 有意义的模式和规则的业务流程。“发现有意义的模式和规则”也就是我理解的价值驱动与业务目标 ，进一步的这些任务又可归纳为分类和预测、评估、关联规则、聚类、孤立点等 ，而为了解决上述 任务所需要的方式方法则包括各种统计学模型、决策树、聚类算法、人工智能等等数学和计算机 技术。 数据挖掘的方法论有很多种定义 ，有 MA IC模型 ，CRISP- M模型 ，SEMMA模型等等 ，虽然细节 不一 ，但是大体流程并无差异。我个人比较喜欢简洁的 MA IC模型 ，一个是因为Kaushik的经 典 《Web A nalyt ics2.0》里遵循的思想便是这个 ，更重要的是它引入了循环控制的理念 ，而不是简 单的线性流程。 MA IC模型包括 ： 1. ef ine定义需求 ，即把业务问题转化为数据挖掘问题 2. Measure 测量数据 ，即理解、收集并加工数据 ，做好准备 3. A nalyze 分析建模 ，即构建模型、评估模型的过程 4 . Improve 解决问题 ，即部署模型来解决目标问题 5. Co nt ro l反馈控制 ，即评估结果重新开始循环 ，不断改进 MA IC模型 基于数据挖掘的方法论 ，回头来理清产品设计的方法论。通常对于互联网产品设计 ，比较一致的观 点是 《用户体验要素》里面的五层模型 ，战略层→范围层→结构层→框架层→表现层。我相信对于 产品经理来说五层模型属于入门 ，但是对于不同类型的产品必然有不同的解读 ，比如SNS产品和电 商产品的五层模型关注的问题肯定有差异 ，因此这里还是以淘宝魔方为例赘述一遍自己对于数据产 品的五层模型理解。 1. 战略层 ，用户需求和产品目标 ，比如淘宝魔方的目标用户是品牌卖家 ，那么它到底帮助品牌卖家 用户解决什么问题?对于 MA IC来说 ，相当于解决 ef ine的问题 ，即数据要实现什么价值。 2. 范围层 ，功能规格和内容需要 ，