本文為 AI 研習社編譯的技術博客，原標題 ：

Designing Data Products

作者 | Simon O'Regan

翻譯 | YuYuko           

校對 | 呂鑫燦        審核 | 鄧普斯·杰弗       整理 | 立魚王

原文鏈接：

https://towardsdatascience.com/designing-data-products-b6b93edf3d23

Mountainous time series. Paul Gilmore on Unsplash

什么是數(shù)據(jù)產(chǎn)品，而它又為什么值得你去關心呢？

DJ Patil對數(shù)據(jù)產(chǎn)品的定義是：“通過使用數(shù)據(jù)促進最終目標的產(chǎn)品”，

這一定義乍看起來涵蓋的范圍似乎相當廣泛。畢竟，在大多數(shù)情況下，所有的Web產(chǎn)品都使用數(shù)據(jù)。它們都是使用數(shù)據(jù)來促進最終目標的實現(xiàn)。那現(xiàn)在網(wǎng)絡上的一切都是數(shù)據(jù)產(chǎn)品嗎？

對此，我將指出二者之間存在的一個非常重要的區(qū)別；使用數(shù)據(jù)促進最終目標的產(chǎn)品和主要目標是使用數(shù)據(jù)促進最終目標的產(chǎn)品之間的區(qū)別。

數(shù)據(jù)產(chǎn)品，從某種意義上說是需要有自己的類別，它們是以數(shù)據(jù)為主要目標的產(chǎn)品。

定義數(shù)據(jù)產(chǎn)品

為什么要如此拘泥于細節(jié)---嗯，我個人的觀點是，數(shù)據(jù)產(chǎn)品，無論是面向客戶的完整產(chǎn)品還是部分后端產(chǎn)品，都具有與其他技術產(chǎn)品不同的特性。

雖然許多標準的產(chǎn)品開發(fā)規(guī)則都適用---解決客戶需求、從反饋中汲取經(jīng)雖然許多標準的產(chǎn)品開發(fā)規(guī)則都適用——解決客戶的需求、從反饋中學習、無情地確定優(yōu)先級等等——但有些微妙之處可能會使對數(shù)據(jù)產(chǎn)品的思考有些不同。

上面的定義用于區(qū)分我們是否應該像通常那樣考慮產(chǎn)品，還是我們是否需要考慮更適合數(shù)據(jù)世界的產(chǎn)品開發(fā)方面。

通過這種方法，我們來舉幾個例子。

媒體是數(shù)據(jù)產(chǎn)品嗎？根據(jù)我們的定義判定媒體并不是數(shù)據(jù)產(chǎn)品；它雖然使用數(shù)據(jù)，但它的主要目標是“…建立一個更好的發(fā)布平臺---一個允許任何人向世界提供他們的故事和想法，并幫助偉大的人登上首頁”。雖然數(shù)據(jù)將在這項任務中發(fā)揮關鍵作用，但它不是實現(xiàn)這一目標的主要驅(qū)動力。也不是媒體的目標，對于媒體來說，數(shù)據(jù)是達到目的的手段。

如果我們對媒體平臺進行再深入一點分析，我們會發(fā)現(xiàn)那些通過使用數(shù)據(jù)來定義其目的的產(chǎn)品。媒體的搜索功能是一種數(shù)據(jù)產(chǎn)品。其目標是將相關文章推薦給相關讀者，而數(shù)據(jù)是實現(xiàn)這一目標的關鍵。

媒體的文章訂閱功能怎么樣實現(xiàn)的呢？是的，數(shù)據(jù)，再一次在決定向讀卡器顯示內(nèi)容時起著關鍵作用。

我們再舉一個例子：Gmail是數(shù)據(jù)產(chǎn)品嗎？不，Gmail是一種電子郵件服務，其主要目標是允許個人之間進行異步的書面通信。然而，Gmail將我們的電子郵件分類成重要和不重要的數(shù)據(jù)產(chǎn)品。主要目標是對電子郵件進行分類，這主要集中在自然語言處理上。

Instagram是數(shù)據(jù)產(chǎn)品嗎？并不是，但如果將其視為離散產(chǎn)品，則其大部分功能都是數(shù)據(jù)產(chǎn)品-，例如：標記、搜索、發(fā)現(xiàn)。

谷歌分析是一種數(shù)據(jù)產(chǎn)品嗎？是的，它的主要目標是給用戶帶來對在線行為的定量理解。這里的數(shù)據(jù)是與用戶交互的中心，與目前提到的其他產(chǎn)品不同，它的使用是明確的。

原始數(shù)據(jù)。從原始數(shù)據(jù)開始，我們收集并提供可用的數(shù)據(jù)（也許我們正在做一些小的處理或清理步驟）。然后，用戶可以選擇使用適當?shù)臄?shù)據(jù)，但大多數(shù)工作都是在用戶完成的。

導出數(shù)據(jù)。在向用戶提供派生數(shù)據(jù)時，我們在我們這邊做一些處理。對于客戶數(shù)據(jù)，我們可以添加其他屬性，例如為每個客戶分配一個客戶段，或者添加他們單擊廣告或從某個類別購買產(chǎn)品的可能性。

算法。接下來我們有算法，或者算法服務。我們得到了一些數(shù)據(jù)，我們通過算法運行它-無論是機器學習還是其他-并返回信息或見解。谷歌圖片就是一個很好的例子：用戶上傳圖片，并接收一組與上傳圖片相同或相似的圖片。在后臺，該產(chǎn)品提取功能，對圖像進行分類，并將其與存儲的圖像進行匹配，返回最相似的圖像。

決策支持。在這里，我們希望向用戶提供信息，幫助他們做出決策，但我們自己并沒有做決定。分析儀表盤（如Google Analytics、Flurry或WGSN）將屬于此類。我們做的大部分工作都是在我們這邊進行的；我們的目的是以易于消化的格式向用戶提供相關信息，以便他們做出更好的決策。在谷歌分析的案例中，這可能改變編輯策略，解決轉(zhuǎn)換漏斗中的漏洞，或者雙倍降低給定產(chǎn)品策略。這里要記住的重要一點是：雖然我們在數(shù)據(jù)收集、新數(shù)據(jù)的派生、選擇要顯示的數(shù)據(jù)以及如何顯示這些數(shù)據(jù)等方面做出了設計決策，但是用戶仍然有責任，自己解釋這些數(shù)據(jù)。他們控制著對該數(shù)據(jù)采?。ɑ虿徊扇。┬袆拥臎Q定。

自動化決策。在這里，我們將給定領域內(nèi)的所有智能外包出去。Netflix的產(chǎn)品推薦或Spotify的每周發(fā)現(xiàn)就是常見的例子。自動駕駛汽車或無人駕駛飛機更是這種閉環(huán)決策循環(huán)的物理表現(xiàn)。

我們允許算法完成這項工作，并向用戶提供最終的輸出（有時會解釋為什么人工智能選擇了該選項，而其他時候則完全不透明）。

API。對于API，我們假設一個技術用戶。我們?nèi)匀粦撟裱己玫漠a(chǎn)品實踐，并確保API的使用直觀，有良好的文檔記錄，能夠滿足用戶的需求，并且值得我們使用。

儀表盤和可視化。對于儀表盤和可視化，我們假設在處理數(shù)字方面具有一定的統(tǒng)計知識或能力。在最極端的情況下，我們可以為用戶做很多繁重的工作，并努力確保我們只以易于理解的格式呈現(xiàn)最相關的信息。通過選擇要顯示的信息，我們正在影響決策，但它仍然將解釋和決策留在用戶的手中（或頭腦中）。

網(wǎng)絡元素。在過去5年左右的時間里，用戶最不常見的數(shù)據(jù)產(chǎn)品的技術接口就是網(wǎng)絡元素。最近，這些接口的應用被廣泛擴展，包括語音、機器人和增強現(xiàn)實等。雖然這些新接口的設計細節(jié)都是明顯不同的，但其中有相當大的重疊，因為它們都圍繞著向用戶展示決策結(jié)果，也許還傳達了人工智能實現(xiàn)決策的原因或方式。

數(shù)據(jù)產(chǎn)品矩陣——不同的產(chǎn)品需要不同的方法

矩陣中的每一個元素都要求設計注意事項，無論是在用戶需要什么方面，還是在我們用于實現(xiàn)目標的設計過程方面，都會有很大的不同。

從左上角的圓圈（原始數(shù)據(jù)API）斜向右下角的圓圈（自動決策Web元素）是指從技術、工程驅(qū)動的產(chǎn)品轉(zhuǎn)向更典型的軟件產(chǎn)品（即產(chǎn)品經(jīng)理和設計師更直觀的產(chǎn)品，往往出現(xiàn)在書中的產(chǎn)品、雜志和文章）

根據(jù)我的經(jīng)驗，當團隊將人性化設計方法應用于更多的數(shù)據(jù)產(chǎn)品時，他們就會遇到大問題。當然，這并不是說工程師不是人。大多數(shù)是，而那些不經(jīng)常有一個不可思議的相似性。但是，HCD是一種整體的產(chǎn)品開發(fā)方法，當設計師理解用戶的動機和行為時，它是一種很好的方法。對于技術數(shù)據(jù)產(chǎn)品，產(chǎn)品邊界通常被功能組織考慮人為地限制，并且產(chǎn)品和用戶體驗團隊通常不具備以下技術：a）了解技術用戶行為的復雜性；b）不具備探索這些復雜性的能力。

那么，假設我們一直在閱讀的開箱即用設計思想或精益方法論是幼稚的。

然而，這并不是恐慌的原因。

盡管用戶研究的輸出可能與面向消費者的產(chǎn)品或真正典型的SaaS產(chǎn)品有很大的不同，而且關鍵績效指標的定義可能在技術方面出錯，但設計思維和精益都具有足夠的可塑性，使我們能夠針對這個新領域調(diào)整我們的方法。

我的建議是，在將這些方法應用于數(shù)據(jù)產(chǎn)品時，要確保問題空間是根據(jù)最終用戶而不是直接數(shù)據(jù)輸出的用戶來定義的。很可能，這就意味著要擴大團隊，將相鄰的產(chǎn)品及其經(jīng)理包括在內(nèi)。

同樣，如果用戶是一個技術性的用戶，那么我們就應該適應這種環(huán)境。要同情遇到工程問題的用戶，可能意味著我們必須打開一個IDE并進行編碼。

豆瓣菜，使用HCD瘦肉組合開發(fā)。由馬庫斯·斯皮斯克拍攝

這篇文章形成了我在2017年都柏林的產(chǎn)品罐會議上發(fā)表的一個演講的一些內(nèi)容。

想要繼續(xù)查看該篇文章相關鏈接和參考文獻？

點擊【“數(shù)據(jù)產(chǎn)品”設計指南】或長按下方地址打開：

https://ai.yanxishe.com/page/TextTranslation/1459

AI研習社今日推薦：雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

卡耐基梅隆大學 2019 春季《神經(jīng)網(wǎng)絡自然語言處理》是CMU語言技術學院和計算機學院聯(lián)合開課，主要內(nèi)容是教學生如何用神經(jīng)網(wǎng)絡做自然語言處理。神經(jīng)網(wǎng)絡對于語言建模任務而言，可以稱得上是提供了一種強大的新工具，與此同時，神經(jīng)網(wǎng)絡能夠改進諸多任務中的最新技術，將過去不容易解決的問題變得輕松簡單。

加入小組免費觀看視頻：https://ai.yanxishe.com/page/groupDetail/33