一 概述

数据产品这一主题在整个行业中持续受到关注，一些行业引领潮流，而一些行业则退后一步，从他人的失误中吸取教训。“数据产品”已成为一个无处不在的术语，但其定义在行业中却存在很大差异。

尽管对于数据产品的构成存在多种观点，但本文提出了一个实用的框架，用于从基础方法到分析方法范围内查看数据产品。

根据我作为顾问的经验，我的目标是构建数据产品的概念及其衡量方式，以将价值转化为一个简单的结构，然后可以进一步应用和扩展。

重要的是要记住，数据产品组织的目标不仅是构建数据产品，还要衡量、管理和理解……

如何使用他们的数据产品组合来实现战略业务目标。

二 数据产品范围

1.基础数据产品

数据产品系列的底层是基础数据产品——企业数据架构的基石。这些面向领域的产品是主数据和参考数据的权威来源。

想象一下金融机构的客户主数据产品包含客户信息的黄金来源或维护明确产品规格和层次结构的产品主数据。

这些基础产品通过数据市场，即能够在整个组织内控制发现、访问和分发数据产品的内部平台提供，从而实现广泛的企业消费，同时保持数据治理标准。即用作数据管理的组织规则和流程的政策和程序。

基础产品通常是最先被创建的，因为它们比较离散，许多其他产品和服务都将它们用作干净、可信的数据源。

注意：虽然我使用了“基础数据产品”这个术语，但其他社区贡献者也引用了行业内的类似术语，例如“源数据产品”或“实体数据产品”

2.综合数据产品

沿着这一维度，下一组数据产品可以被描述为集成的，并结合跨领域的数据来满足特定的业务需求。

例如，“客户 360”数据产品可能会将客户主数据与交易历史、产品持有量和交互数据合并。

这些产品是专门设计的，但保持了针对各种用例的灵活性。它们可作为更复杂的分析解决方案的构建块，同时通过跨域数据集的集成视图提供即时价值。

注意：与引用基础数据产品的多个术语类似，“集成数据产品”在行业内也被使用类似术语来引用，例如其他社区贡献者所引用的“聚合数据产品”，“衍生数据产品”或“业务数据产品”。

3.分析数据产品

最后是分析数据产品。这些产品不是“数据即产品”类型的数据集产品，而是纯粹的可消耗资产，旨在通过特定见解推动行动、回答问题或使用其他数据产品解决用例。它们有多种形式：

• 为特定业务目的而设计的仪表板和报告工具

• 预测模型（例如信用风险评分引擎）

• 自动决策系统（例如交易执行算法）

• AI/ML 解决方案（例如欺诈检测系统）

通过对数据产品范围的了解，组织需要以保持高价值和相关性的方式系统地评估和改进其数据产品。

为了拥有数据产品而拥有数据产品是一种失败的策略。以下建议的测量框架提供了评估和增强各个层面的数据产品所需的结构。

三 测量数据产品的全面框架

“我们是否有一致的方法来衡量和识别有形的商业价值？”

盘点数据产品、按领域或业务对其进行分类，并了解数量和分布情况，这是开始管理投资组合的良好开端，但衡量数据产品不仅仅是跟踪指标，还在于推动和理解价值。虽然组织在构建数据产品方面继续获得关注，特别是在分析方面，但许多组织往往难以系统地衡量其有效性。

在我参与或担任顾问的几乎每个组织中，都有无数的仪表板和精选数据集，它们处于不同的成熟度、使用和年龄阶段。指数级增长是将数据解决方案视为“项目”而不是“产品”的结果，这些解决方案不断发展以满足新需求并保持相关性。

这一挑战源于跟踪不同类型产品的技术性能、业务价值和用户满意度的复杂性。必须采取一致的措施来监控和改进您的数据产品组合。

综合的测量框架有多种用途。

1. 提供产品性能和价值交付的透明度。

2. 使数据产品团队能够识别改进机会并确定改进的优先顺序。

3. 帮助组织对产品生命周期管理做出明智的决策，从新功能的投资到过时产品的淘汰。

为了创建有效的测量系统，组织需要全面考虑其数据产品。这意味着要超越简单的使用统计数据，要全面了解产品的健康状况、采用情况和性能。

通过将这些测量结果整合到综合记分卡中，组织可以从单个产品到特定领域的集合，再到企业范围的分析，从多个层面评估其数据产品组合。

记分卡方法使团队能够快速识别表现不佳的产品、庆祝成功并做出有关产品投资的数据驱动决策。

例如，数据域所有者可能会发现，虽然他们的基础数据产品的质量分数很高，但由于文档不全或可访问性问题，采用率很低。同样，企业视图可能会显示跨域重叠的产品，这为整合和节省成本提供了机会。

1.数据产品健康

“该产品是否值得信赖且描述正确？”

任何成功的数据产品或程序的基石在于其可信度和目的明确性。此测量重点关注决定数据产品是否可可靠地用作事实来源的基本质量和文档方面。

通过监控健康指标，组织可以确保其数据产品保持最高的数据完整性和可用性标准。

定量指标

• 数据质量分数：完整性、准确性和及时性的综合衡量标准。
  示例：客户主数据产品根据必填字段填写和地址验证保持 98% 的质量分数。

• 元数据合规率：遵守元数据标准的百分比。
  例如：符合所需业务术语表和数据沿袭文档的比例为 95%。

定性措施

• 主题专家评审：领域专家、产品所有者和活跃消费者的定期评估或证明。

• 文档完整性：对支持材料和指南的评估。

2.采用与使用

“客户是否在使用该产品？它是否具有广泛的相关性？”

虽然拥有健康的数据产品至关重要，但只有通过整个组织的积极使用才能实现其真正价值。想象一下拥有一辆跑车，但将其停在车库里，然后步行上班。如果产品完好无损，但放在货架上，那就毫无用处了。

这个桶检查数据产品的使用范围和效率，帮助团队了解他们的产品是否满足实际的业务需求，并发现扩展或改进的机会。

定量指标

• 活跃用户数：访问产品的唯一用户/应用程序的数量
  示例：支持风险、财务和监管报告领域 15 种不同应用程序的风险数据产品。

• 使用频率：访问和消费模式
  示例：每日访问模式显示工作日使用情况一致，月末结算时使用量达到峰值。

定性措施

• 用例覆盖范围：整个组织所支持的业务流程和用例的文档。

• 用户反馈会议：关于产品实用性和差距的结构化反馈。

3.性能和可靠性

“该产品是否实现了既定的业务目标？”

数据产品的技术卓越性直接影响其提供商业价值的能力。此测量类别评估数据产品的技术性能和业务影响，确保其符合服务水平协议 (SLA)，同时为组织带来切实利益。

定量指标

• 系统性能：响应时间和可用性指标示例：可用性达 99.9%，查询响应时间为亚秒级

• 业务影响指标：产生的收入或节省的成本示例：自动信贷决策每年可节省 200 万美元

定性措施

• 客户满意度评分 (CSAT)

• 净推荐值 (NPS)

四 实施指南和注意事项

1.文化转变：超越技术

虽然数据产品的技术方面至关重要，但同样重要的是要在这个领域取得成功所需的文化转型。许多组织历来都是从纯技术角度来处理数据管理的，专注于特定用例的交付，而不是将数据视为服务于整个企业的多个利益相关者的产品。

数据产品负责人必须像传统产品经理一样思考，考虑用户体验、市场需求和竞争优势。数据工程师需要超越管道，考虑他们的工作如何实现更广泛的商业价值。业务分析师必须将视野从单个报告扩展到了解他们的需求如何融入更大的数据产品生态系统。

挑战不仅在于构建和衡量数据产品，还在于转变组织对数据的看法和与数据交互的方式。虽然许多组织都在谈论将数据视为产品，但很少有组织能够成功实现这种文化转变。真正接受数据产品并从概念转变为现实需要：

• 领导层致力于产品思维和交付

• 对产品管理能力和资源的投资

• 技术团队和业务团队之间的跨职能协作

• 以用户为中心的设计方法

• 与利益相关者就使用情况和价值持续进行反馈

• 明确数据产品的所有权和责任结构，以及有效解决问题的途径

2.数据产品创建和维护风险

数据产品的激增给组织带来了重大挑战。就像仪表板蔓延困扰着 BI 团队一样，不受控制的数据产品增长可能会导致维护开销和价值降低。

主要风险

1. 产品扩散：冗余或重叠的产品

2. 技术债务：技术老化和架构错位

3. 价值下降：相关性和使用率下降

可持续管理的领先实践

• 通过持续的反馈循环、季度审查和证明以及使用模式分析进行定期价值评估。

• 通过识别产品整合机会、明确产品退役标准和流程来实现产品组合合理化。

• 数据产品治理框架，对整个数据产品生命周期具有明确的所有权和责任。

五 数据产品管理的开始

请记住，实现有效的数据产品管理不仅涉及技术实施，还涉及文化转型。通过了解产品在频谱中的位置并保持严格的测量实践，您可以确保您的数据产品组合继续推动业务价值，同时避免不受控制的增长陷阱。

那么，我有一个数据产品，现在该怎么办？
除了我们概述的分类、框架和示例指标外，以下是 3 个可立即采取的后续步骤，可加速您的数据产品之旅并推动持续价值。

1. 沿血缘关系映射当前数据产品

2. 在所有产品类型中实施测量框架，并根据特定业务需求进行定制

3. 建立与端到端生命周期管理相一致的数据产品定期审查周期

通过应用本文概述的原则和测量方法，组织可以开始从传统的数据交付转向真正的产品思维，最终从其数据资产中获取更大的价值。