數(shù)據(jù)驅(qū)動(dòng)，拆開(kāi)來(lái)看就是“數(shù)據(jù)+驅(qū)動(dòng)”。所以大多數(shù)人把數(shù)據(jù)驅(qū)動(dòng)理解為以數(shù)據(jù)作為一種證實(shí)/證偽的依據(jù)，然后由人（比如產(chǎn)品經(jīng)理，運(yùn)營(yíng)人員）去做決策。但實(shí)際上數(shù)據(jù)驅(qū)動(dòng)遠(yuǎn)沒(méi)有那么簡(jiǎn)單。

不知道什么時(shí)候，數(shù)據(jù)驅(qū)動(dòng)就火起來(lái)了。

查了查“數(shù)據(jù)驅(qū)動(dòng)”的百度指數(shù)，沒(méi)有收錄，于是順道查了一下“大數(shù)據(jù)”的指數(shù)，如下圖所示：

大概2013年開(kāi)始，大數(shù)據(jù)開(kāi)始逐漸受到關(guān)注。數(shù)據(jù)驅(qū)動(dòng)也應(yīng)該是伴隨著大數(shù)據(jù)的興起，才誕生的又一新領(lǐng)域。如今，小到各行業(yè)的從業(yè)者，大到各大公司、企業(yè)，數(shù)據(jù)驅(qū)動(dòng)成了繼技術(shù)驅(qū)動(dòng)，產(chǎn)品驅(qū)動(dòng)，運(yùn)營(yíng)驅(qū)動(dòng)之后的標(biāo)配。

數(shù)據(jù)驅(qū)動(dòng)，拆開(kāi)來(lái)看就是“數(shù)據(jù)+驅(qū)動(dòng)”，這么可能好理解一點(diǎn)，但是也會(huì)帶來(lái)很多問(wèn)題。只要使用數(shù)據(jù)做了點(diǎn)事情，可能都認(rèn)為是數(shù)據(jù)驅(qū)動(dòng)了。

數(shù)據(jù)驅(qū)動(dòng)最常見(jiàn)的理解，包括在實(shí)際工作中的踐行：就是把數(shù)據(jù)作為一種證實(shí)/證偽的依據(jù)，然后由人（比如產(chǎn)品經(jīng)理，運(yùn)營(yíng)人員）去做決策。

我一直覺(jué)得數(shù)據(jù)驅(qū)動(dòng)的終點(diǎn)是數(shù)據(jù)做決策，即從用戶開(kāi)始進(jìn)來(lái)，到用戶離開(kāi)，數(shù)據(jù)決定給用戶展示什么內(nèi)容，提供什么服務(wù)。

最近新做了幾個(gè)項(xiàng)目，對(duì)“數(shù)據(jù)驅(qū)動(dòng)”又有了一些新的理解，簡(jiǎn)單的聊聊。

鏈路而非模塊

這段時(shí)間，給我感受最深的就是數(shù)據(jù)驅(qū)動(dòng)是一個(gè)全鏈路的工程，而不僅僅是一個(gè)小模塊。拆開(kāi)來(lái)看，數(shù)據(jù)驅(qū)動(dòng)應(yīng)該包括了數(shù)據(jù)采集，數(shù)據(jù)建模，數(shù)據(jù)分析和數(shù)據(jù)決策四大鏈路，每一個(gè)鏈路都是數(shù)據(jù)驅(qū)動(dòng)的一部分。

1. 數(shù)據(jù)采集

通過(guò)一定的數(shù)據(jù)采集手段，把線上、線下各端各渠道的數(shù)據(jù)進(jìn)行記錄，并且設(shè)計(jì)科學(xué)的表結(jié)構(gòu)進(jìn)行結(jié)構(gòu)化存儲(chǔ)。

最常見(jiàn)的行為數(shù)據(jù)采集手段就是埋點(diǎn)，通過(guò)埋點(diǎn)把最原始數(shù)據(jù)通過(guò)日志的方式記錄下來(lái)，形成底層數(shù)據(jù)源。

這些數(shù)據(jù)通常包括：用戶行為數(shù)據(jù)、訂單數(shù)據(jù)、曝光數(shù)據(jù)、性能數(shù)據(jù)、內(nèi)容數(shù)據(jù)等等。

主要介紹常用的三種數(shù)據(jù)：

• 用戶行為數(shù)據(jù)：通常是指用戶的點(diǎn)擊瀏覽數(shù)據(jù)，用戶在應(yīng)用內(nèi)的每個(gè)點(diǎn)擊行為都會(huì)會(huì)被當(dāng)成一次event來(lái)記錄，每個(gè)event對(duì)應(yīng)一個(gè)eventid。一般用來(lái)統(tǒng)計(jì)點(diǎn)擊量，PV，UV等指標(biāo)；
• 訂單數(shù)據(jù)：是指用戶下單的數(shù)據(jù)。每一個(gè)數(shù)據(jù)行一般包括時(shí)間，skuid，下單價(jià)格，品類，用戶pin，uuid等基本信息。一般用來(lái)統(tǒng)計(jì)訂單轉(zhuǎn)化率，訂單金額，GMV等指標(biāo)；
• 曝光數(shù)據(jù)：這個(gè)比較特殊，主要是為了衡量一個(gè)頁(yè)面內(nèi)的某個(gè)模塊被用戶看到的次數(shù)。一般用來(lái)分析轉(zhuǎn)化率的指標(biāo)，比如：CTR，CVR等等。

數(shù)據(jù)采集的過(guò)程需要關(guān)注點(diǎn)包括兩個(gè)：

• 一個(gè)是數(shù)據(jù)要采集全面，細(xì)致；
• 另一個(gè)就是要進(jìn)行科學(xué)的存儲(chǔ)。結(jié)構(gòu)化的數(shù)據(jù)才有利用價(jià)值。

結(jié)構(gòu)化數(shù)據(jù)也稱作行數(shù)據(jù)，是由二維表結(jié)構(gòu)來(lái)邏輯表達(dá)和實(shí)現(xiàn)的數(shù)據(jù)，嚴(yán)格地遵循數(shù)據(jù)格式與長(zhǎng)度規(guī)范，主要通過(guò)關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)和管理。

這個(gè)階段好比是采集社會(huì)，人類依靠最原始的大自然資源進(jìn)行營(yíng)養(yǎng)攝取和生存，大自然有什么，人類就能得到什么，只能滿足生存的基本需求。

2. 數(shù)據(jù)建模

也可以稱之為數(shù)據(jù)加工。通常是為了滿足一定的目的對(duì)原始數(shù)據(jù)源進(jìn)行清洗，加工，計(jì)算，最終生成我們需要的數(shù)據(jù)。原始數(shù)據(jù)是沒(méi)有添加任何邏輯在里面的，利用價(jià)值比較低。

比如對(duì)于一張訂單表，每個(gè)數(shù)據(jù)行是記錄的基本信息是某個(gè)sku在某時(shí)間以某個(gè)價(jià)格被某個(gè)用戶下單，但是單個(gè)的sku的表現(xiàn)通常沒(méi)有分析價(jià)值和利用價(jià)值的。更有價(jià)值的是某一類sku，某一段時(shí)間，某一批用戶的下單行為，這樣更有利于后續(xù)的決策，這其中就是一個(gè)加工建模的過(guò)程。

數(shù)據(jù)建模一般來(lái)說(shuō)包括以下四種建模分類：

1. 業(yè)務(wù)建模，生成業(yè)務(wù)模型，主要解決業(yè)務(wù)層面的分解和程序化。
2. 領(lǐng)域建模，生成領(lǐng)域模型，主要是對(duì)業(yè)務(wù)模型進(jìn)行抽象處理，生成領(lǐng)域概念模型。
3. 邏輯建模，生成邏輯模型，主要是將領(lǐng)域模型的概念實(shí)體以及實(shí)體之間的關(guān)系進(jìn)行數(shù)據(jù)庫(kù)層次的邏輯化。
4. 物理建模，生成物理模型，主要解決，邏輯模型針對(duì)不同關(guān)系型數(shù)據(jù)庫(kù)的物理化以及性能等一些具體的技術(shù)問(wèn)題。

以上四種模型即相輔相成，又可以相互獨(dú)立。主要看模型的應(yīng)用場(chǎng)景。

這個(gè)時(shí)候好比進(jìn)入了農(nóng)業(yè)社會(huì)，原始生產(chǎn)資源經(jīng)過(guò)初步的加工變得更有營(yíng)養(yǎng)價(jià)值和實(shí)用價(jià)值。

3. 數(shù)據(jù)分析

數(shù)據(jù)分析階段可以說(shuō)是一個(gè)數(shù)據(jù)真正發(fā)揮其價(jià)值的初級(jí)階段，也是目前大多數(shù)人多數(shù)據(jù)驅(qū)動(dòng)理解的終極階段。

這塊通常包括：對(duì)數(shù)據(jù)進(jìn)行可視化呈現(xiàn)，對(duì)數(shù)據(jù)進(jìn)行指標(biāo)計(jì)算，數(shù)據(jù)用于訓(xùn)練模型算法，數(shù)據(jù)用于刻畫用戶畫像等等，其實(shí)都可以稱之為數(shù)據(jù)分析階段。

數(shù)據(jù)分析的結(jié)果就是讓決策有所依據(jù)。比如：產(chǎn)品上線后表現(xiàn)怎么樣？什么樣的用戶會(huì)購(gòu)買此類商品？

大多數(shù)的數(shù)據(jù)驅(qū)動(dòng)會(huì)在這里停止。接下來(lái)的迭代會(huì)按照分析的結(jié)果，然后去決策該優(yōu)化哪些功能，該推出哪些品類，該上什么樣的運(yùn)營(yíng)活動(dòng)。

數(shù)據(jù)驅(qū)動(dòng)目前大多還是在這個(gè)階段。

4. 數(shù)據(jù)決策

真正的數(shù)據(jù)驅(qū)動(dòng)應(yīng)該是更智能，更自動(dòng)化的驅(qū)動(dòng)，也就是用戶進(jìn)來(lái)的那一刻，整個(gè)數(shù)據(jù)鏈路開(kāi)始運(yùn)作，來(lái)決定給用戶展示什么內(nèi)容，提供什么服務(wù)。

以電商類業(yè)務(wù)淘寶和京東為例：之前的老版本都是以固定的入口和人工配置的運(yùn)營(yíng)頻道來(lái)搭建首頁(yè)，看上去就是一個(gè)大賣場(chǎng)，里面有各種運(yùn)營(yíng)人員開(kāi)的小商鋪。

但是最近的改版，兩家都不約而同的朝一個(gè)方向演進(jìn)了。首頁(yè)除了固定的icon之外，其他區(qū)域全部都是基于個(gè)性化推薦算法搭建的場(chǎng)景，sku。淘寶是你的淘寶，京東是你的京東。

能夠做到這樣，后臺(tái)有無(wú)數(shù)的數(shù)據(jù)從采集，到處理，再到分析建模，最后進(jìn)行決策支撐。當(dāng)你理解了其背后的工作原理，你就可以操縱一下屬于你的淘寶和京東。比如我為了減少自己的篩選操作，會(huì)通過(guò)在線上故意做一些操作去影響推薦結(jié)果，進(jìn)而讓系統(tǒng)幫我篩選出品質(zhì)比較好，銷量比較多，性價(jià)比高的商品。

每當(dāng)在首頁(yè)成功看到自己中意的、想買的物品，瞬間感覺(jué)變成了一個(gè)偽黑客。當(dāng)然有時(shí)候并不是很奏效，畢竟黑客也有失誤的時(shí)候。

實(shí)際工作中，每個(gè)數(shù)據(jù)/策略產(chǎn)品經(jīng)理在做的事情可能就只是整個(gè)鏈路中的一個(gè)部分。不過(guò)這種全鏈路，全流程的數(shù)據(jù)驅(qū)動(dòng)觀念還是要有。

隨著產(chǎn)品經(jīng)理市場(chǎng)的飽和，功能型和體驗(yàn)型產(chǎn)品經(jīng)理競(jìng)爭(zhēng)會(huì)越來(lái)越大。我記得知乎之前有一個(gè)提問(wèn)，什么樣的產(chǎn)品經(jīng)理會(huì)在未來(lái)贏得更多的機(jī)會(huì)。

我當(dāng)時(shí)贊同了“有數(shù)據(jù)意識(shí)，會(huì)用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)的產(chǎn)品經(jīng)理會(huì)更有前景”。

#專欄作家#

夏唬人，公眾號(hào)：夏唬人，人人都是產(chǎn)品經(jīng)理專欄作家。某廠策略產(chǎn)品經(jīng)理，關(guān)注推薦，搜索，AI策略方向，用數(shù)據(jù)來(lái)賦能業(yè)務(wù)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自 Unsplash，基于 CC0 協(xié)議