導(dǎo)讀：?在數(shù)據(jù)化管理的過程中，數(shù)據(jù)產(chǎn)品的價值是讓數(shù)據(jù)獲取和分析效率更高效，用數(shù)據(jù)產(chǎn)品賦能數(shù)據(jù)決策。決策方向的數(shù)據(jù)產(chǎn)品在發(fā)展過程中出現(xiàn)了定制化的數(shù)據(jù)分析平臺、用戶行為分析系統(tǒng)、BI產(chǎn)品等多種產(chǎn)品形態(tài)，這些產(chǎn)品各自的定位，以及相互之間的邊界是什么呢？本文作者從產(chǎn)品發(fā)展史，看可視化分析類數(shù)據(jù)產(chǎn)品的邊界，一起來看看吧。

數(shù)據(jù)驅(qū)動決策是數(shù)據(jù)的重要價值之一，數(shù)據(jù)化管理、數(shù)字化轉(zhuǎn)型要求從過去拍腦袋的定性決策向一切用數(shù)據(jù)說話的定量決策轉(zhuǎn)變。

在數(shù)據(jù)化管理的過程中，數(shù)據(jù)產(chǎn)品的價值是讓數(shù)據(jù)獲取和分析效率更高效，用數(shù)據(jù)產(chǎn)品賦能數(shù)據(jù)決策。決策方向的數(shù)據(jù)產(chǎn)品在發(fā)展過程中出現(xiàn)了定制化的數(shù)據(jù)分析平臺、用戶行為分析系統(tǒng)、BI產(chǎn)品等多種產(chǎn)品形態(tài)，這些產(chǎn)品各自的定位，以及相互之間的邊界是什么呢？

搞清楚這些問題，可以幫助我們更好地規(guī)劃數(shù)據(jù)分析產(chǎn)品體系。

一、分析類數(shù)據(jù)產(chǎn)品發(fā)展史

雖然大數(shù)據(jù)的元年是2013年，但是數(shù)據(jù)統(tǒng)計、分析需求在各種互聯(lián)網(wǎng)模式誕生之前，甚至更早的IT時代就已經(jīng)存在了。做過PC網(wǎng)站的人應(yīng)該對aleax都不陌生，aleax誕生于1996年，主要是統(tǒng)計網(wǎng)站訪問用戶在全球網(wǎng)站中的排名，用以指導(dǎo)網(wǎng)站內(nèi)容或收錄策略優(yōu)化。而一些企業(yè)內(nèi)部的IT系統(tǒng)，也具備數(shù)據(jù)統(tǒng)計類的頁面的功能，那個時候可能都沒有數(shù)據(jù)倉庫的概念，直接基于業(yè)務(wù)的關(guān)系型數(shù)據(jù)庫進行簡單的統(tǒng)計分析。

隨著互聯(lián)網(wǎng)的發(fā)展以及企業(yè)分析場景的日益增加，誕生了以Tableau(2004年)為代表的商業(yè)智能分析類產(chǎn)品，即BI產(chǎn)品。為了解決企業(yè)數(shù)據(jù)分析成本過高的問題，Tableau以拖拽、自助化的思想提供數(shù)據(jù)分析能力，并且提供比Excel可視化圖表配置更加靈活、豐富的圖表可視化能力。國內(nèi)傳統(tǒng)的BI產(chǎn)品(2006)以帆軟為代表，結(jié)合國內(nèi)企業(yè)特點，進行BI分析能力的本土化。

2010年，智能手機的發(fā)展帶動了移動互聯(lián)網(wǎng)的崛起，當(dāng)時的塞班操作系統(tǒng)讓飛信、人人網(wǎng)等各類App在手機端的應(yīng)用成為可能。各種移動應(yīng)用如雨后春筍般誕生。于是，一些用來統(tǒng)計App用戶數(shù)據(jù)、渠道數(shù)據(jù)、頁面訪問數(shù)據(jù)的產(chǎn)品應(yīng)運而生，給沒有數(shù)據(jù)處理能力的公司提供數(shù)據(jù)化運營的能力。其中一些代表產(chǎn)品包括：友盟、talkingData、百度移動統(tǒng)計等。

2016年7月，王興提出了互聯(lián)網(wǎng)下半場的概念，而在這之前互聯(lián)網(wǎng)的流量紅利就已經(jīng)逐步消失殆盡，互聯(lián)網(wǎng)從過去靠跑馬圈地式地粗放式運營向精細(xì)化運營轉(zhuǎn)變。增長黑客的書籍和理論在2015年誕生后廣受追捧，增量瓶頸的公司似乎看到了新的救命稻草，甚至成立專門的用戶增長部門，期望通過數(shù)據(jù)分析挖掘新的業(yè)務(wù)增長點。主打用戶行為精細(xì)化分析和增長理論的數(shù)據(jù)產(chǎn)品順勢而生，例如GrowingIO，神策數(shù)據(jù)等。

二、數(shù)據(jù)產(chǎn)品定位與邊界分析

1. 定制化開發(fā)數(shù)據(jù)平臺

定制化的數(shù)據(jù)可視化頁面是最早的數(shù)據(jù)產(chǎn)品的雛形，將數(shù)據(jù)查看、獲取、分析的過程產(chǎn)品化，用戶直接基于產(chǎn)品頁面進行交互式的分析。畢業(yè)第一份工作就是在外賣數(shù)據(jù)部門做C端數(shù)據(jù)統(tǒng)計類數(shù)據(jù)產(chǎn)品，當(dāng)時負(fù)責(zé)的是流量模塊，其他的還有經(jīng)營主題、商品主題、銷售主題等。按照產(chǎn)品經(jīng)理、分析師看App版本數(shù)據(jù)、流量入口及轉(zhuǎn)化漏斗數(shù)據(jù)等指標(biāo)及分析維度的需求，形成數(shù)據(jù)可視產(chǎn)品解決方案。

定制化開發(fā)的數(shù)據(jù)平臺，旨在將數(shù)據(jù)分析思路產(chǎn)品化，數(shù)據(jù)指標(biāo)與分析維度可視化，讓用戶基于產(chǎn)品進行交互式分析。有句話叫做“數(shù)據(jù)分析寫作業(yè)，數(shù)據(jù)產(chǎn)品抄作業(yè)”，這種說法的正確性仁者見仁，但對于定制化開發(fā)的數(shù)據(jù)產(chǎn)品，最重要的是要先解決業(yè)務(wù)有數(shù)據(jù)可看的問題。當(dāng)時判斷需求優(yōu)先級的時候，往往是先看下當(dāng)前需求是否已經(jīng)有數(shù)據(jù)可以使用(郵件形式、SQL查詢等)，新增的需求連數(shù)據(jù)都沒有肯定是高優(yōu)去做的，其次才是可視化頁面的呈現(xiàn)。

優(yōu)點：基于產(chǎn)品需求進行定制化開發(fā)，可視化效果及交互實現(xiàn)方面更加靈活，容易出效果，比如數(shù)據(jù)可視化大屏各種炫酷效果的實現(xiàn)。

缺點：人力成本高，一個頁面上線，需要數(shù)據(jù)開發(fā)進行ETL模型建設(shè)、指標(biāo)開發(fā)，接口開發(fā)將數(shù)據(jù)封裝成可即席查詢響應(yīng)的接口，前端開發(fā)基于Echart等可視化組件進行頁面封裝。開發(fā)周期以周為單位。

開發(fā)周期長，每個需求都要CaseByCase的處理，需求多時，極容易積壓，影響數(shù)據(jù)決策的時效性。舉個例子，節(jié)假日前夕，業(yè)務(wù)提了數(shù)據(jù)報表需求重點關(guān)注節(jié)日期間某新上產(chǎn)品功能的數(shù)據(jù)效果，數(shù)據(jù)產(chǎn)品對了需求進行排期，為了不影響業(yè)務(wù)決策，先用excel郵件報表的方式把數(shù)據(jù)輸出了，產(chǎn)品頁面因排期和開發(fā)周期的限制，節(jié)后一周才可以上線。當(dāng)產(chǎn)品上線了，業(yè)務(wù)對該產(chǎn)品的依賴程度就大大降低了。

適用場景：

• 指標(biāo)及分析維度相對固定，通過定制化開發(fā)可以覆蓋大部分常規(guī)的取數(shù)及分析需求。
• 分析需求量少，定制化開發(fā)的人力和響應(yīng)周期可以Cover住常規(guī)需求

2. 用戶行為分析

用戶行為分析產(chǎn)品最大的價值是在于為企業(yè)數(shù)據(jù)化運營提供了比較完善的數(shù)據(jù)解決方案，過去很多產(chǎn)品甚至都不知道數(shù)據(jù)分析要先埋點。神策等第三方的數(shù)據(jù)服務(wù)公司，將用戶行為分析數(shù)據(jù)采集的SDK高度集成，客戶接入后，即可按照既定的標(biāo)準(zhǔn)化的事件模型、用戶模型進行處理。用產(chǎn)品功能和客戶銷售服務(wù)能力，賦能中小企業(yè)的數(shù)字化轉(zhuǎn)型。

用戶行為分析類產(chǎn)品主要思路是，把用戶訪問數(shù)據(jù)模型進行高度抽象，并將采集到的的數(shù)據(jù)集成到分析平臺內(nèi)，業(yè)務(wù)只需要關(guān)注行為事件、用戶留存、漏斗轉(zhuǎn)化等業(yè)務(wù)場景即可，不需要再去找需要的數(shù)據(jù)在哪里，誰來清洗，誰去加工，怎么可視化的問題。

優(yōu)點：屏蔽數(shù)據(jù)采集和清洗流程，對專業(yè)的大數(shù)據(jù)人才依賴度低，產(chǎn)品或運營可以基于通用的行為數(shù)據(jù)模型和產(chǎn)品功能進行精細(xì)化的數(shù)據(jù)分析，發(fā)現(xiàn)產(chǎn)品問題，找到優(yōu)化改進點。自研產(chǎn)品主要是投入產(chǎn)品研發(fā)成本，分析過程業(yè)務(wù)自助。如果外采第三方產(chǎn)品，人力成本就更低了。

分析時效快：行為類分析，業(yè)務(wù)自助分析，并可將結(jié)果進行可視化圖表的保存并共享。

缺點：數(shù)據(jù)模型局限于埋點SDK能夠采集到的數(shù)據(jù)，更深層次的業(yè)務(wù)系統(tǒng)之間的數(shù)據(jù)無法進行交叉關(guān)聯(lián)分析。

適用場景：業(yè)務(wù)發(fā)展初期，或內(nèi)容、工具類產(chǎn)品，以用戶行為為主，業(yè)務(wù)數(shù)據(jù)較少的場景。對于需要做更多的業(yè)務(wù)數(shù)據(jù)的關(guān)聯(lián)分析場景支撐度低。

3. 自助BI分析產(chǎn)品

自助BI分析產(chǎn)品的定位是“人人都可數(shù)據(jù)分析”，過去業(yè)務(wù)取數(shù)要自己會寫SQL或者依賴數(shù)據(jù)團隊，數(shù)據(jù)可視化頁面要前后端多工種協(xié)同。BI產(chǎn)品將數(shù)據(jù)模型化，取數(shù)分析拖拽式操作、并可以將結(jié)果可視化展示。BI產(chǎn)品的誕生早于用戶行為分析產(chǎn)品近10年，為什么用戶行為分析類產(chǎn)品會成為后期之秀，而BI產(chǎn)品則看起來一直不溫不火呢?主要的原因包括：

BI產(chǎn)品是純工具，即使有了BI產(chǎn)品，還需要數(shù)據(jù)模型開發(fā)、數(shù)據(jù)分析、數(shù)據(jù)產(chǎn)品等不同的角色協(xié)同，對于處在數(shù)字化轉(zhuǎn)型初期數(shù)據(jù)人才和數(shù)據(jù)決策知識都比較匱乏的人來說，使用門檻仍然很高。

用戶行為分析類產(chǎn)品提供精細(xì)化運營和用戶增長的解決方案，并對客戶進行完善的產(chǎn)品和數(shù)據(jù)運營思路的培訓(xùn)。

BI作為工具類產(chǎn)品，工具的通用性和需求的個性化之間的迭代，需要投入大量的開發(fā)資源和開發(fā)周期。

優(yōu)點：BI產(chǎn)品兼具數(shù)據(jù)建模的能力，可以作為統(tǒng)一的數(shù)據(jù)匯聚和集散中心，可以包括行為數(shù)據(jù)、營銷數(shù)據(jù)、會員數(shù)據(jù)等更豐富的數(shù)據(jù)源，覆蓋的分析場景更多。拖拽式的分析形式，大大降低數(shù)據(jù)分析門檻，并且可以直接將分析接口用可視化的形式，配置成Dashboard門戶，不需要開發(fā)資源的支持。

缺點：數(shù)據(jù)模型多了后，用戶找到目標(biāo)數(shù)據(jù)集的成本變高，需要先選數(shù)據(jù)源，再進行分析。另外，通用類的工具，對于一些個性化的可視化分析場景無法滿足。此外，平臺本身的建設(shè)周期長，投入成本高。

適用場景：擁有比較完善的數(shù)據(jù)倉庫體系，或者具備數(shù)據(jù)模型建設(shè)的專業(yè)人才，業(yè)務(wù)數(shù)據(jù)類型豐富，且有較多的數(shù)據(jù)可視化產(chǎn)品需求。

三、總結(jié)：數(shù)據(jù)可視化分析類產(chǎn)品如何選擇

隨著數(shù)據(jù)化轉(zhuǎn)型的不斷深入，企業(yè)數(shù)據(jù)化管理流程和人才體系被逐步培養(yǎng)起來。BI產(chǎn)品的不斷迭代和完善，已經(jīng)可以逐步替代定制化開發(fā)，例如一些商業(yè)化的BI推出可視化大屏模式以及PC、移動端可視化門戶的快速搭建能力。從最終業(yè)務(wù)目標(biāo)看，自助BI產(chǎn)品是一勞永逸的方案。

遇到過一些企業(yè)，先是采購了用戶行為分析的產(chǎn)品，業(yè)務(wù)不斷發(fā)展分析場景多元化之后，單一的用戶行為分析能力已經(jīng)無法覆蓋分析需求，還需要再次采購BI工具。

相反，如果選擇自助BI產(chǎn)品，只是數(shù)據(jù)模型的擴展、數(shù)據(jù)分析能力的增強。雖然企業(yè)每個階段的痛點和問題各不相同，但智能BI決策分析產(chǎn)品，才是決策分析類數(shù)據(jù)產(chǎn)品最終的歸宿。

#專欄作家#

數(shù)據(jù)干飯人，微信號公眾號：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺產(chǎn)品領(lǐng)域，覆蓋開發(fā)套件，數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準(zhǔn)營銷平臺等數(shù)據(jù)產(chǎn)品。擅長大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設(shè)計。

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

題圖來自Unsplash，基于CC0協(xié)議