价值为要：精益思想打造数据要素产品

数字化时代，数据已经成为业务的存在形式：一切数据业务化，一切皆数据产品。精益数据方法提倡以终为始，即从最终目标出发制定路线，以用户价值为目标，以业务场景为抓手，打造持续迭代的精益数据产品

数据产品是数据要素价值的最终呈现形式，是数字化企业服务客户的价值载体。数据产品从传统的统计查询类产品发展为数字化时代数据驱动的智能产品，从在业务部门背后提供决策支持走到“台前”，直接参与业务、创造价值，逐渐成为数字化企业的收入引擎。

数字化时代，数据已经成为业务的存在形式：一切数据业务化，一切皆数据产品。

数据要素市场的价值载体

数字化背景下，数据产品作为数据要素市场的核心价值载体的重要性日益显著。美国《国家数据战略行动纲要（2021—2025年）》指出，数据是现代生产的基础要素之一，数据产品和服务是实现数据价值和促进数据流通的重要手段。同时，多个全球著名咨询研究公司发布的研究报告也强调了数据产品化对于激发数据经济潜力的重要性。

整体来看，数据产品成为数据要素市场的核心价值载体主要体现在以下三方面：

数据产品转化原始数据为直接商业价值。数据本身在没有经B9rbRt/AL+VzEeOfbgITJKWC1fu7oWvuS2j3wqnHrLc=过加工和分析之前，往往无法直接应用。数据产品通过系统化处理和智能分析，转化原始数据为有用的信息和知识，为企业提供决策支持和商业洞察。这种转化过程极大地增加了数据的应用价值，使其成为推动业务增长和创新的关键因素。

数据产品增强数据的可获取性和可用性。数据产品不仅是数据集合，还包括数据集、数据应用程序和数据服务等多种形态。这些产品通过友好的用户界面和访问方式，使得非专业用户也能轻松获取和使用数据，极大地扩展了数据的使用范围和影响力。

数据产品促进数据要素市场的形成和发展。数据产品的创建和流通为数据市场的形成提供了基础。通过标准化、产品化的数据服务，数据的购买和销售变得更加规范和便捷，进而促进整个数据经济的繁荣。此外，数据产品的交易和使用也推动了数据隐私和安全标准的制定和改进。

数据产品作为数据要素市场的核心价值载体，不仅转化和提升了数据的商业价值，还是促进数据市场发展和数据经济增长的关键驱动力。通过打造高价值的数据产品策略，组织可以利用数据解锁新的价值，实现可持续的商业优势。

数据产品的八大升维优势

与传统的实物产品相比，数据产品在生产过程和使用过程中有着超越实体产品的八个升维优势，如图1所示：

没有时空约束。传统实物产品有重量、有体积，产品本身和生产产品的环境在很大程度上都受空间的约束，如果没有足够的、合适的空间，生产工作就无法开展。数据产品则天然超越时间和空间约束，不具有传统实物产品的重量和体积，海量的数据存储所占据的实际空间远远小于传统实物产品存储所需空间。

实时沟通协作。异地协作是传统实物产品生产的重大挑战。而数据产品借助互联网和数据的支持，可以做到实时沟通协作。一个数据立方体构建完成后，可以为众多数据模型提供数据源。产品的开发生产过程可以分散在全球各地，各分工团队的数据可以在整个开发过程中实时共享、传输、协作。

在线监控管理。在数据类产品的生产过程中，工作人员能够实时地对产品进行监控管理，从而掌握详细的生产情况，实现生产自动化。很多传统实物产品的生产过程已经能够通过物联网技术实现无人车间，对所有的数据进行实时采集。

高速试错迭代。传统实物产品的设计、研发、生产周期长且成本高，通常一款规模化产品的一次迭代需要一年以上。而数据产品的生产元素是数据本身，生产工具是软件。与实物产品相比，数据产品的测试、修改、再测试、再修改等过程，更简单、成本更低。理论上，数据产品团队可以做出成千上万种版本，让不同的用户来测试，获得他们的反馈，从而决定最终产品。高速的试错、测试、迭代，是数据产品相比于传统实物产品的一大升维优势。

传播快。数据的传播速度与介质有关，电信号和光信号的传播速度远远大于传统实物产品的运输速度，所以数据传播具有绝对的优势。比如一条抖音视频可以在1秒内传遍全球，推送到几亿人的手机App上。

实时在线。实物产品在销售给用户以后，生产者无法了解用户对该产品的使用体验，产品是否需要维修，用户还有没有更多的需求。而数据产品则完全不同，数据产品在销售给用户以后，用户的所有动作、行为都可以被记录，并且可以被传递回来，以供分析。用户对产品的使用频率、操作习惯，以及产品是否出现故障等信息，都可以被生产者实时、全面地掌握，并且还可以为用户提供在线升级。所有这些信息都有利于生产者留存用户、促进用户的再购买、再消费。

响应快。传统的实物产品一旦销售出去，企业就无法及时响应用户的需求。数据产品的交互是实时在线的，用户信息可以被实时采集及检测，企业能够提前发现问题，并提醒用户。当判断这个需求很重要的时候，研发团队就可以快速开发出新版本，通过OTA（On The Air）升级的方式，提供新的功能给用户。数据产品拥有比实物产品更高的响应市场和用户需求的能力。

预测优化。数据产品被用户使用一段时间后，会获取和积累大量的用户购买及使用的数据。企业因此具备了挖掘、分析数据的基础，能够通过数据预测用户可能的行为，对产品进行优化。

精益数据方法认为，所有的数据都是业务的本质呈现。数据要素时代，企业数字化转型的核心工作就是将传统的实物产品进行智能化升级，让产品数据化，提高企业的产品能力。

数据产品的八种类型

基于数据要素创造价值的属性，可以将数据产品分成以下三类、八种，如图2所示：

数据增强类产品

数据增强类产品是指利用数据智能技术来提升竞争力的实体结合数据的产品。现在所有的产品都在努力成为数据增强类产品，以便获得数据产品的8个升维优势。

智能应用。智能应用是利用软件应用对数据进行加工处理，生成新的数据，同时提供客户需要的软件、应用系统和工具。传统的流程类业务应用，例如客户管理系统，通过整合更多的社交媒体、第三方以及其他多渠道数据，形成360度客户画像的数据产品。

智能硬件。随着物联网的发展，硬件也被赋予了数据的能力，成了智能硬件。这类硬件能够采集数据、加工数据，最后根据数据来形成自己的动作行为指令，从而完成某一项业务动作和任务，比如扫地机器人。

自动规则。随着业务的复杂程度越来越高，外部环境变化越来越快，自动规则类数据产品应运而生。以RPA（机器人流程自动化）产品为例，通过录制自动化脚本，把原本人工的数据处理过程批量复制到业务系统中，提升处理效率。当然，自动规则类产品主要是自动识别业务流程中的控制节点，并掌握相应的判断规则，比如风控模型、调度模型等。通过这类数据产品，业务部门可以简化原来需要人工审核、分析的过程，缩短时间，提升流程的运转效率。

数据洞见类产品

数据洞见类产品的典型代表是商业智能工具以及辅助决策的报表类产品。当前，大部分企业应用最多的是决策支持类数据产品、商业智能工具、管理驾驶舱、数据大屏以及可以给出决策建议的对话机器人等。这类产品是针对某些业务问题，将业务数据加工成支持业务决策的报表，以语音、文字、图表等形式展示出来。例如，数据洞见类产品在助力销售目标的拆解时，可以进行大数据分析，并把复杂的分析计算逻辑隐藏起来，把简单可执行的建议和洞见通过可视化的方式醒目地呈现出来。

数据即服务类产品

数据即服务，指将数据直接当作一种服务提供给用户。这是数据作为生产要素的主要应用形式，典型代表为大数据交易所提供的各类数据集和算法。数据即服务类产品主要有数据 API、数据订阅、数据库同步、文件、数据终端等5种服务方式。

数据即服务类产品主要以数据集和算法这两种形式提供给客户。

数据集形式指企业直接把数据本身当作产品提供给用户。比如，数据仓库、采用文件、表格或者其他存储形式，将原始数据提供给用户。这是最直接的数据产品。如果企业对这些数据进行汇总、转换、抽象等加工处理，把二次加工后的数据提供给用户，就是另一种数据即服务类产品的形式。在如今各个国家先后出台数据保护制度的趋势下，直接交易原始数据的情况会逐渐减少。

算法形式指企业的系统通过对数据样本的学习、训练，最后形成一个算法模型提供给用户，帮助用户解决某一类业务问题。例如，企业系统通过训练得出一个路径优化算法，将这个优化算法作为产品销售给用户，用户输入自己的业务数据，通过这一算法得出一个适合自己情况的最优路径规划。

总之，企业在生产数据产品之初，要对数据产品的类型有清晰的了解，并根据不同的特点来选择和设计适合自己的数据产品。

精益数据产品价值评估模型

世界领先的数据智能研究机构NewVantage每年都会围绕数据和人工智能，对全球的头部企业高管进行调研。它发现，数据智能投资的价值很难被度量，例如，一个数据报表的业务价值是什么？不同的用户看到同样的数据报表，产生对的业务决策可能完全不同，由此带来的价值并不清晰。所以很多企业在描述数据仓库类项目的价值时，总是用产出量替代业务价值，比如开发了多少张报表等，此类项目往往被管理层所诟病。

为了从价值视角清晰地度量数据产品的效益，精益数据方法论在将数据数据产品分为5个层级的基础上，原创设计了从业务机制视角出发的数据产品价值评估模型，如图4所示。

初级的数据产品能力。精益数据方法认为，只能辅助企业内部决策和管理而不能直接带来客户价值的数据产品应归于初级的数据产品能力，该层次数据产品能力具体的评价体系如表1所示。

基础的数据产品能力。企业的数据产品开始直接服务于客户价值，但是并不能直接创造收入，精益数据方法将之评价为基础的数据产品能力。具体的评价体系如表2所示。

试点的数据产品能力。企业的数据产品不仅间接服务于客户，还开始直接创造收入。在该层次，企业通过数据产品在一些试点领域和部分客户群体中进行收费，能够获得一定的收入，这部分收入应该占企业总收入的20%以下，具体评价体系如表3所示。

局部的数据产品能力。数据产品直接带来的企业收入能够占企业总收入的20%—50%时，该企业就拥有了局部的数据产品能力，基本上已经建立起了从产品的创新设计到闭环迭代的全域能力体系。具体的评价体系如表4所示。

领先的数据产品能力。当数字化企业50%以上的收入都来自数据产品时，它就拥有了行业领先的数据产品能力。具体的评价体系如表5所示。

打造精益数据产品的七个步骤

精益数据方法设计了打造价值为先的数据产品的七个步骤：

定义价值场景

首先对业务场景进行深入分析和设计，形成精益数据场景画布，从而对业务场景有全面、深刻的理解，确定对企业有价值的、能够解决用户痛点的业务场景。这个过程必须由业务、数据和技术三方面团队全程参与，让各方充分表达意见、对齐思路，保证每一个团队成员都能够理解并认同精益数据场景画布的每一个要素，以便开展后续工作。

设计数据用户旅程

围绕业务场景的用户需求设计用户旅程。一般来说，先描绘用户画像，再进行用户旅程设计，最后形成可以指导产品设计的数据产品需求设计文档。

识别数据资产

数据产品需求设计文档详细描述了产品要解决的问题和要实现的业务需求，接下来要从数据资产的视角来分析数据产品设计需要哪些数据资产的支持。这一环节需要利用精益数据战略中的数据资产蓝图。

一般来说，数据产品开发所需要的数据资产分为以下四类：

第一类是已经产生并存储在企业数据仓库中的数据资产。对于此类数据资产，首先需要通过数据资产蓝图来识别这些数据资产在哪些系统中，然后识别出其中哪些是数据产品需要的，再将其集成到数据产品中。

第二类是已经在业务过程中产生，但是并没有被采集和存储的数据资产。此类数据资产需要通过改造原有系统来存储。

第三类是没有产生，但是可以通过企业新建应用去采集和生产的数据资产。此类数据资产需要构建新的应用去采集和生产。

第四类是没有产生，并且企业自身无法生产的数据资产，比如用户在其他平台的行为数据。这类数据需要考虑从外部获取。

数据资产识别的步骤对于数据产品的开发来说非常关键，直接决定了数据产品能否按预期上线。有时产品功能已经开发出来，但在测试时发现企业不具备相应的数据条件，这时就会产生开发上的浪费。

数据验证

数据资产识别清楚之后，就进入了产品的开发过程。数据产品区别于传统应用软件开发的一个重要步骤是，数据产品的关键功能一定要用真实的数据提前做仿真验证。例如，核心算法模型的提前仿真验证，一定要提前利用真实的生产数据，甚至可以刻意准备一些杂乱无章的数据来验证算法模型的健壮性，从而尽可能避免因数据测试不全导致的算法模型上线后出现结果不准确。

最小可行产品上线

精益数据方法提倡采用最小可行产品（MVP）的方法尽早上线产品，而不是等所有的功能都开发测试完毕再上线。当然，MVP要能够提供给客户完整的功能，实现关键的业务价值。MVP尽早上线的好处在于能够尽早获取客户的真实使用数据，从而尽早发现问题并调整策略。

运营增长

数据产品的上线并不是终点，而是起点。从上线这一刻开始，数据产品才具备了生命。数据产品的生命周期取决于上线后的运营动作，基于数据的运营才能够带来产品销量的增长。

持续迭代

企业数据产品的能力大小还取决于是否建立了持续集成、持续发布、快速迭代的DataOps体系，以及是否拥有自下而上的分布式创新能力，能否不断发现新的用户需求，设计新的商业模式，并将这些想法通过数据创新平台来加以实现。

精益数据方法提倡以终为始，即从最终目标出发制定路线，以用户价值为目标，以业务场景为抓手，打造持续迭代的精益数据产品。精益数据方法提供了精益数据产品的定义、价值、典型业务场景，以及精益数据价值评估模型，让企业在数字化转型过程中建立自己的数据产品能力。

（作者系中国特色数字化转型方法论创始人。畅销书《精益数据方法论——数据驱动的数字化转型》唯一作者，中国计算机学会数字化转型与企业架构SIG主席、数字产业创新研究中心副主席、公众号《凯哥讲数字化》作者，为企业提供数字化转型咨询培训辅导教练服务。）