很多人談?wù)摂?shù)據(jù)的未來將以產(chǎn)品為中心。
這意味著將數(shù)據(jù)視為產(chǎn)品——使其與業(yè)務(wù)價值保持一致,使其可訪問,提高可用性,確保安全性以及人們在談?wù)摦a(chǎn)品管理時提到的所有其他事項。
無論你將數(shù)據(jù)產(chǎn)品定義為分析解決方案(經(jīng)典定義)還是可訪問數(shù)據(jù)集(數(shù)據(jù)網(wǎng)格方法),你都會關(guān)注這些維度。但問題是數(shù)據(jù)產(chǎn)品交付很難。以最近的人工智能熱潮為例。每個有一定預(yù)算的大型組織都成立了一個團隊來交付人工智能產(chǎn)品,以為他們會成為下一個 OpenAI。一年后,許多團隊解散了,大量項目結(jié)束,大多數(shù)產(chǎn)品沒有展現(xiàn)出承諾或預(yù)期的價值。
問題并不局限于人工智能。作為一名顧問,我公司很大一部分收入來自為無法自己做數(shù)據(jù)產(chǎn)品的客戶構(gòu)建數(shù)據(jù)產(chǎn)品。這些產(chǎn)品包括儀表板、報告工具、機器學習算法和其他分析解決方案。
無法內(nèi)部交付的原因是什么?
公司尚未找到正確的交付運營模式。他們的瀑布式流程不符合業(yè)務(wù)需求,一遍又一遍地喊著敏捷卻沒有正確實施,這是行不通的。此外,他們?nèi)狈?gòu)建數(shù)據(jù)產(chǎn)品所需的基礎(chǔ)要素。
因此,今天我們將對此進行分解,并解釋如何通過正確的運營模式和交付流程構(gòu)建可用于生產(chǎn)的數(shù)據(jù)產(chǎn)品。
什么是數(shù)據(jù)產(chǎn)品在深入研究之前,我們必須簡單解釋一下我們正在構(gòu)建什么。
正如我所提到的,數(shù)據(jù)是一個動態(tài)的生態(tài)系統(tǒng),其中每個領(lǐng)域都對整體做出貢獻,并受到整體的影響。這個生態(tài)系統(tǒng)包含不同類型的參與者和利益相關(guān)者,以與數(shù)據(jù)和彼此之間的復(fù)雜關(guān)系為標志。
因此,您必須采取一種涵蓋數(shù)據(jù)格局和更大業(yè)務(wù)環(huán)境的整體方法。因此,從最純粹的意義上講,數(shù)據(jù)產(chǎn)品必須是一種工具或解決方案,最終業(yè)務(wù)用戶可以從中獲取見解并做出決策。
為了解釋這一點,我定義了六種最受歡迎的數(shù)據(jù)產(chǎn)品類別:
您可以將不同的數(shù)據(jù)產(chǎn)品映射到四個分析級別。
儀表板
可視化界面,實時整合并顯示關(guān)鍵績效指標 (KPI)、指標和數(shù)據(jù)趨勢。
報告工具
生成結(jié)構(gòu)化報告的技術(shù),通常總結(jié)歷史數(shù)據(jù)并根據(jù)業(yè)務(wù)需求提供分析。
自助分析平臺
使非技術(shù)用戶能夠獨立探索、分析、可視化和使用數(shù)據(jù)的工具。
預(yù)測模型
使用歷史數(shù)據(jù)和機器學習算法來預(yù)測未來結(jié)果、趨勢或行為的分析工具。
自動決策引擎
這些自動化算法解決方案通常利用預(yù)測模型,并與技術(shù)相結(jié)合,無需依賴人工干預(yù)即可做出決策。
人工智能產(chǎn)品
基于機器學習/人工智能技術(shù)(例如自然語言處理、計算機視覺、大型語言模型等)構(gòu)建的應(yīng)用程序或系統(tǒng),用于解決復(fù)雜問題、增強用戶體驗或自動執(zhí)行任務(wù)。這些產(chǎn)品從數(shù)據(jù)中學習并適應(yīng)新信息,從而為用戶提供更好的結(jié)果。
與數(shù)據(jù)即產(chǎn)品的觀點相反,我將這些解決方案視為產(chǎn)品,將為這些解決方案提供數(shù)據(jù)視為原材料。這些原材料經(jīng)過加工和整理,可提高業(yè)務(wù)利益相關(guān)者使用的最終產(chǎn)品的價值。
分享到微信 ×
打開微信,點擊底部的“發(fā)現(xiàn)”,
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。