價值為要：精益思想打造數據要素產品

數字化時代，數據已經成為業務的存在形式：一切數據業務化，一切皆數據產品。精益數據方法提倡以終為始，即從最終目標出發制定路線，以用戶價值為目標，以業務場景為抓手，打造持續迭代的精益數據產品

數據產品是數據要素價值的最終呈現形式，是數字化企業服務客戶的價值載體。數據產品從傳統的統計查詢類產品發展為數字化時代數據驅動的智能產品，從在業務部門背后提供決策支持走到“臺前”，直接參與業務、創造價值，逐漸成為數字化企業的收入引擎。

數字化時代，數據已經成為業務的存在形式：一切數據業務化，一切皆數據產品。

數據要素市場的價值載體

數字化背景下，數據產品作為數據要素市場的核心價值載體的重要性日益顯著。美國《國家數據戰略行動綱要（2021—2025年）》指出，數據是現代生產的基礎要素之一，數據產品和服務是實現數據價值和促進數據流通的重要手段。同時，多個全球著名咨詢研究公司發布的研究報告也強調了數據產品化對于激發數據經濟潛力的重要性。

整體來看，數據產品成為數據要素市場的核心價值載體主要體現在以下三方面：

數據產品轉化原始數據為直接商業價值。數據本身在沒有經B9rbRt/AL+VzEeOfbgITJKWC1fu7oWvuS2j3wqnHrLc=過加工和分析之前，往往無法直接應用。數據產品通過系統化處理和智能分析，轉化原始數據為有用的信息和知識，為企業提供決策支持和商業洞察。這種轉化過程極大地增加了數據的應用價值，使其成為推動業務增長和創新的關鍵因素。

數據產品增強數據的可獲取性和可用性。數據產品不僅是數據集合，還包括數據集、數據應用程序和數據服務等多種形態。這些產品通過友好的用戶界面和訪問方式，使得非專業用戶也能輕松獲取和使用數據，極大地擴展了數據的使用范圍和影響力。

數據產品促進數據要素市場的形成和發展。數據產品的創建和流通為數據市場的形成提供了基礎。通過標準化、產品化的數據服務，數據的購買和銷售變得更加規范和便捷，進而促進整個數據經濟的繁榮。此外，數據產品的交易和使用也推動了數據隱私和安全標準的制定和改進。

數據產品作為數據要素市場的核心價值載體，不僅轉化和提升了數據的商業價值，還是促進數據市場發展和數據經濟增長的關鍵驅動力。通過打造高價值的數據產品策略，組織可以利用數據解鎖新的價值，實現可持續的商業優勢。

數據產品的八大升維優勢

與傳統的實物產品相比，數據產品在生產過程和使用過程中有著超越實體產品的八個升維優勢，如圖1所示：

沒有時空約束。傳統實物產品有重量、有體積，產品本身和生產產品的環境在很大程度上都受空間的約束，如果沒有足夠的、合適的空間，生產工作就無法開展。數據產品則天然超越時間和空間約束，不具有傳統實物產品的重量和體積，海量的數據存儲所占據的實際空間遠遠小于傳統實物產品存儲所需空間。

實時溝通協作。異地協作是傳統實物產品生產的重大挑戰。而數據產品借助互聯網和數據的支持，可以做到實時溝通協作。一個數據立方體構建完成后，可以為眾多數據模型提供數據源。產品的開發生產過程可以分散在全球各地，各分工團隊的數據可以在整個開發過程中實時共享、傳輸、協作。

在線監控管理。在數據類產品的生產過程中，工作人員能夠實時地對產品進行監控管理，從而掌握詳細的生產情況，實現生產自動化。很多傳統實物產品的生產過程已經能夠通過物聯網技術實現無人車間，對所有的數據進行實時采集。

高速試錯迭代。傳統實物產品的設計、研發、生產周期長且成本高，通常一款規模化產品的一次迭代需要一年以上。而數據產品的生產元素是數據本身，生產工具是軟件。與實物產品相比，數據產品的測試、修改、再測試、再修改等過程，更簡單、成本更低。理論上，數據產品團隊可以做出成千上萬種版本，讓不同的用戶來測試，獲得他們的反饋，從而決定最終產品。高速的試錯、測試、迭代，是數據產品相比于傳統實物產品的一大升維優勢。

傳播快。數據的傳播速度與介質有關，電信號和光信號的傳播速度遠遠大于傳統實物產品的運輸速度，所以數據傳播具有絕對的優勢。比如一條抖音視頻可以在1秒內傳遍全球，推送到幾億人的手機App上。

實時在線。實物產品在銷售給用戶以后，生產者無法了解用戶對該產品的使用體驗，產品是否需要維修，用戶還有沒有更多的需求。而數據產品則完全不同，數據產品在銷售給用戶以后，用戶的所有動作、行為都可以被記錄，并且可以被傳遞回來，以供分析。用戶對產品的使用頻率、操作習慣，以及產品是否出現故障等信息，都可以被生產者實時、全面地掌握，并且還可以為用戶提供在線升級。所有這些信息都有利于生產者留存用戶、促進用戶的再購買、再消費。

響應快。傳統的實物產品一旦銷售出去，企業就無法及時響應用戶的需求。數據產品的交互是實時在線的，用戶信息可以被實時采集及檢測，企業能夠提前發現問題，并提醒用戶。當判斷這個需求很重要的時候，研發團隊就可以快速開發出新版本，通過OTA（On The Air）升級的方式，提供新的功能給用戶。數據產品擁有比實物產品更高的響應市場和用戶需求的能力。

預測優化。數據產品被用戶使用一段時間后，會獲取和積累大量的用戶購買及使用的數據。企業因此具備了挖掘、分析數據的基礎，能夠通過數據預測用戶可能的行為，對產品進行優化。

精益數據方法認為，所有的數據都是業務的本質呈現。數據要素時代，企業數字化轉型的核心工作就是將傳統的實物產品進行智能化升級，讓產品數據化，提高企業的產品能力。

數據產品的八種類型

基于數據要素創造價值的屬性，可以將數據產品分成以下三類、八種，如圖2所示：

數據增強類產品

數據增強類產品是指利用數據智能技術來提升競爭力的實體結合數據的產品。現在所有的產品都在努力成為數據增強類產品，以便獲得數據產品的8個升維優勢。

智能應用。智能應用是利用軟件應用對數據進行加工處理，生成新的數據，同時提供客戶需要的軟件、應用系統和工具。傳統的流程類業務應用，例如客戶管理系統，通過整合更多的社交媒體、第三方以及其他多渠道數據，形成360度客戶畫像的數據產品。

智能硬件。隨著物聯網的發展，硬件也被賦予了數據的能力，成了智能硬件。這類硬件能夠采集數據、加工數據，最后根據數據來形成自己的動作行為指令，從而完成某一項業務動作和任務，比如掃地機器人。

自動規則。隨著業務的復雜程度越來越高，外部環境變化越來越快，自動規則類數據產品應運而生。以RPA（機器人流程自動化）產品為例，通過錄制自動化腳本，把原本人工的數據處理過程批量復制到業務系統中，提升處理效率。當然，自動規則類產品主要是自動識別業務流程中的控制節點，并掌握相應的判斷規則，比如風控模型、調度模型等。通過這類數據產品，業務部門可以簡化原來需要人工審核、分析的過程，縮短時間，提升流程的運轉效率。

數據洞見類產品

數據洞見類產品的典型代表是商業智能工具以及輔助決策的報表類產品。當前，大部分企業應用最多的是決策支持類數據產品、商業智能工具、管理駕駛艙、數據大屏以及可以給出決策建議的對話機器人等。這類產品是針對某些業務問題，將業務數據加工成支持業務決策的報表，以語音、文字、圖表等形式展示出來。例如，數據洞見類產品在助力銷售目標的拆解時，可以進行大數據分析，并把復雜的分析計算邏輯隱藏起來，把簡單可執行的建議和洞見通過可視化的方式醒目地呈現出來。

數據即服務類產品

數據即服務，指將數據直接當作一種服務提供給用戶。這是數據作為生產要素的主要應用形式，典型代表為大數據交易所提供的各類數據集和算法。數據即服務類產品主要有數據 API、數據訂閱、數據庫同步、文件、數據終端等5種服務方式。

數據即服務類產品主要以數據集和算法這兩種形式提供給客戶。

數據集形式指企業直接把數據本身當作產品提供給用戶。比如，數據倉庫、采用文件、表格或者其他存儲形式，將原始數據提供給用戶。這是最直接的數據產品。如果企業對這些數據進行匯總、轉換、抽象等加工處理，把二次加工后的數據提供給用戶，就是另一種數據即服務類產品的形式。在如今各個國家先后出臺數據保護制度的趨勢下，直接交易原始數據的情況會逐漸減少。

算法形式指企業的系統通過對數據樣本的學習、訓練，最后形成一個算法模型提供給用戶，幫助用戶解決某一類業務問題。例如，企業系統通過訓練得出一個路徑優化算法，將這個優化算法作為產品銷售給用戶，用戶輸入自己的業務數據，通過這一算法得出一個適合自己情況的最優路徑規劃。

總之，企業在生產數據產品之初，要對數據產品的類型有清晰的了解，并根據不同的特點來選擇和設計適合自己的數據產品。

精益數據產品價值評估模型

世界領先的數據智能研究機構NewVantage每年都會圍繞數據和人工智能，對全球的頭部企業高管進行調研。它發現，數據智能投資的價值很難被度量，例如，一個數據報表的業務價值是什么？不同的用戶看到同樣的數據報表，產生對的業務決策可能完全不同，由此帶來的價值并不清晰。所以很多企業在描述數據倉庫類項目的價值時，總是用產出量替代業務價值，比如開發了多少張報表等，此類項目往往被管理層所詬病。

為了從價值視角清晰地度量數據產品的效益，精益數據方法論在將數據數據產品分為5個層級的基礎上，原創設計了從業務機制視角出發的數據產品價值評估模型，如圖4所示。

初級的數據產品能力。精益數據方法認為，只能輔助企業內部決策和管理而不能直接帶來客戶價值的數據產品應歸于初級的數據產品能力，該層次數據產品能力具體的評價體系如表1所示。

基礎的數據產品能力。企業的數據產品開始直接服務于客戶價值，但是并不能直接創造收入，精益數據方法將之評價為基礎的數據產品能力。具體的評價體系如表2所示。

試點的數據產品能力。企業的數據產品不僅間接服務于客戶，還開始直接創造收入。在該層次，企業通過數據產品在一些試點領域和部分客戶群體中進行收費，能夠獲得一定的收入，這部分收入應該占企業總收入的20%以下，具體評價體系如表3所示。

局部的數據產品能力。數據產品直接帶來的企業收入能夠占企業總收入的20%—50%時，該企業就擁有了局部的數據產品能力，基本上已經建立起了從產品的創新設計到閉環迭代的全域能力體系。具體的評價體系如表4所示。

領先的數據產品能力。當數字化企業50%以上的收入都來自數據產品時，它就擁有了行業領先的數據產品能力。具體的評價體系如表5所示。

打造精益數據產品的七個步驟

精益數據方法設計了打造價值為先的數據產品的七個步驟：

定義價值場景

首先對業務場景進行深入分析和設計，形成精益數據場景畫布，從而對業務場景有全面、深刻的理解，確定對企業有價值的、能夠解決用戶痛點的業務場景。這個過程必須由業務、數據和技術三方面團隊全程參與，讓各方充分表達意見、對齊思路，保證每一個團隊成員都能夠理解并認同精益數據場景畫布的每一個要素，以便開展后續工作。

設計數據用戶旅程

圍繞業務場景的用戶需求設計用戶旅程。一般來說，先描繪用戶畫像，再進行用戶旅程設計，最后形成可以指導產品設計的數據產品需求設計文檔。

識別數據資產

數據產品需求設計文檔詳細描述了產品要解決的問題和要實現的業務需求，接下來要從數據資產的視角來分析數據產品設計需要哪些數據資產的支持。這一環節需要利用精益數據戰略中的數據資產藍圖。

一般來說，數據產品開發所需要的數據資產分為以下四類：

第一類是已經產生并存儲在企業數據倉庫中的數據資產。對于此類數據資產，首先需要通過數據資產藍圖來識別這些數據資產在哪些系統中，然后識別出其中哪些是數據產品需要的，再將其集成到數據產品中。

第二類是已經在業務過程中產生，但是并沒有被采集和存儲的數據資產。此類數據資產需要通過改造原有系統來存儲。

第三類是沒有產生，但是可以通過企業新建應用去采集和生產的數據資產。此類數據資產需要構建新的應用去采集和生產。

第四類是沒有產生，并且企業自身無法生產的數據資產，比如用戶在其他平臺的行為數據。這類數據需要考慮從外部獲取。

數據資產識別的步驟對于數據產品的開發來說非常關鍵，直接決定了數據產品能否按預期上線。有時產品功能已經開發出來，但在測試時發現企業不具備相應的數據條件，這時就會產生開發上的浪費。

數據驗證

數據資產識別清楚之后，就進入了產品的開發過程。數據產品區別于傳統應用軟件開發的一個重要步驟是，數據產品的關鍵功能一定要用真實的數據提前做仿真驗證。例如，核心算法模型的提前仿真驗證，一定要提前利用真實的生產數據，甚至可以刻意準備一些雜亂無章的數據來驗證算法模型的健壯性，從而盡可能避免因數據測試不全導致的算法模型上線后出現結果不準確。

最小可行產品上線

精益數據方法提倡采用最小可行產品（MVP）的方法盡早上線產品，而不是等所有的功能都開發測試完畢再上線。當然，MVP要能夠提供給客戶完整的功能，實現關鍵的業務價值。MVP盡早上線的好處在于能夠盡早獲取客戶的真實使用數據，從而盡早發現問題并調整策略。

運營增長

數據產品的上線并不是終點，而是起點。從上線這一刻開始，數據產品才具備了生命。數據產品的生命周期取決于上線后的運營動作，基于數據的運營才能夠帶來產品銷量的增長。

持續迭代

企業數據產品的能力大小還取決于是否建立了持續集成、持續發布、快速迭代的DataOps體系，以及是否擁有自下而上的分布式創新能力，能否不斷發現新的用戶需求，設計新的商業模式，并將這些想法通過數據創新平臺來加以實現。

精益數據方法提倡以終為始，即從最終目標出發制定路線，以用戶價值為目標，以業務場景為抓手，打造持續迭代的精益數據產品。精益數據方法提供了精益數據產品的定義、價值、典型業務場景，以及精益數據價值評估模型，讓企業在數字化轉型過程中建立自己的數據產品能力。

（作者系中國特色數字化轉型方法論創始人。暢銷書《精益數據方法論——數據驅動的數字化轉型》唯一作者，中國計算機學會數字化轉型與企業架構SIG主席、數字產業創新研究中心副主席、公眾號《凱哥講數字化》作者，為企業提供數字化轉型咨詢培訓輔導教練服務。）