笔者从自身经历出发，阐述了数据产品如何服务于工作流，应对不同的业务诉求。

一、什么是数据产品？

说到数据产品，那么先做一个简单的认知：什么是产品？

产品是指能够供给市场 ，被人们使用和消费，并能满足人们某种需求的任何东西，包括有形的物品、无形的服务、组织、观念或它们的组合。简单说：产品是以使用为目的有价值物品和服务。——百度百科

从定义看，产品包含实体物品、服务、或两者的组合。

就数据产品而言，产品的核心内容就是数据，数据本身是一种对于现实的世界的结构性描述，不是一种实体物品。

所以，数据产品多数情况下是以服务形态存在。

用一句话来简要描述数据产品：数据产品就是为满足人们某种需求，以数据作为主要的内容的服务。

那么，数据产品服务于谁？

以常见的互联网/互联网+的服务对象，一般会分为：个人（C端）、企业（B端/M端），在数据产品的服务范畴中，这两类对象的特点如下。

组织（B端/M端）

由于企业/组织是多个人为一定目标存在的集合，存在对应的行事体系，其相对于个人，数据的产生、使用、管理的特点总结就是：相对明确但复杂。

• 数据产生：往往有专门的系统或者岗位人员（如记账员、盘库员等），在相对固定的场景下生产出数据。
• 数据使用：会固定应用在部分组织活动场景下，如：决策制定辅助、经营监控等，这些应用数据使用会伴随着与之对应的工作任务发生。企业的经营活动相对有节奏，那对应的数据使用也有对应的固定频率；但是不同的组织/企业，有不同的业务领域和特点，工作任务具备复杂与多样性，对应的数据使用也会复杂与多样。
• 数据管理与组织能力：企业内往往有专门的岗位或人员负责对应的数据管理与相关组织（说明一下：数据组织管理非新概念，在传统作坊内的账房先生，其身份就是账目数据的管理者）。

B端/M端的数据产品较复杂，且有其相对专长的服务领域。如百度统计、GA等专注于站点用户行为的统计分析；Tableau、PowerBI等专注于提供数据分析的可视化、企业报表制作等。

个人（C端）

个人行为是伴随个人的具体需求而来，但需求的内容，会随场景有很大的变化。

对于个人而言，其数据的产生、使用、管理的特点是：同一时间内场景相对单一，但不固定且不易预测。

• 数据产生：个人往往没有很好的数据记录习惯。
• 数据使用：数据使用的场景固定性较差，且需要一些前置场景触发，如：我健身后，需要了解我今天的运动数据，健身数据使用场景不是固定出现，且依赖“我健身了”这个前置条件。
• 数据管理与组织能力：个人很少有相关数据管理与组织能力，需要一定的外界条件辅助。

C端的数据产品目前大多作为整体产品中的某些功能提供给用户，单独形成服务体系的较少。如银行客户端里的交易报告、健身客户端里的运动数据统计等。

以上可见，数据产品在更多的场景是面向企业（B端/M端）的一种服务。

谈到这里，要提出一个概念：好的数据产品，可以贴合企业工作流，很好满足对应数据需求。

二、何为工作流？

工作流（WorkFlow）的传统定义是一个软件系统定义：

工作流（狭义）：指“业务过程的部分或整体在计算机应用环境下的自动化”。简单说工作流就是“工作流程”的线上系统实现。——百度百科

企业的日常运作，基本都是在一个行事规程下开展，通常我们会称为工作流程。

这个流程如果具备规范性，在相关SOP约束下有节奏的开展，就变成了一个类似系统化的作业流程。如采购员的采购流程、营销运营人员活动流程等，在日常业务运转中很普遍，那工作流其实就有了一个广义定义：

工作流（广义）：指业务过程的部分或整体在工作任务的规范实施流程。简单说工作流是工作任务的流程与规范化。

如何描述一个业务中的工作流？

企业管理中，通常会按照工作任务的不同和一定的组织架构，拆解出不同的角色、岗位。通过之间的互相协作，达成最后的业务目标。

企业有整体的工作流，在拆分的岗位上，有相对独特的岗位工作流。

图：某销售业务工作流与活动运营岗位子工作流拆解示例

具体的工作任务被放置于流程节点中，每一个节点自然就需要感知前后的节点的相关信息，自然就会形成数据/信息的相互传递。

同时，每一个节点也会具有独特的特性与诉求，需要适应其特定的数据服务，才能满足需求。

三、数据产品如何服务于工作流？

通常认知下，服务好大致等于很好解决对应诉求，但现实中业务工作流中节点众多，诉求纷繁复杂。如何高效、合理地做到解决诉求，就需要结合业务实际与数据的层级，对数据产品与服务场景做对应分层。

构建服务体系：流程节点的拆解和通用化抽象

有了基本的工作流认知，但这样匆匆去构建产品，其问题就是繁杂，凌乱且不易于管理。

这就需要在数据产品中，通过对流程节点上的数据需求的拆解和通用化抽象，去构建一套相对完整的数据服务体系，去满足工作流上的数据多样化需求。换句话说，就是要形成数据的工作流体系。

再次利用之前提到的的角色、岗位、任务的概念，来抽象业务中对于数据的诉求。

诉求有了分层，服务对应也就产生了分层，这时再看数据的分层。

图：数据在业务中的认知层级

在不同的数据认知层面上，数据产品或者说数据服务也在不断进化，来应对相关的业务诉求。

• 应用层面-展示和表达：数据需要通过适当的处理后，通过适当展示和表达方式，协助我们感知工作流中对应节点的状态与问题。比如业务报表、各类监控仪表盘、业务分析诊断监控等。
• 通用的业务描述语言-对业务流程的服务和数据标准化：在这个层面上，数据通过更深层的服务承担起更多工作流任务，或者说数据通过标准与结构化的信息组织，串接起工作流上的各个节点，使数据变成了业务流转的血液和组织驱动力。如精准推荐、智能流程规划、营销策略仿真等。
• 虚拟资产-针对数据本身的管理和跨业务线的数据流转：当数据本身的价值密度提升且成为业务工作流依赖的生产资料，不再仅仅是业务工作流的辅助对象，自己也可以成为一条全新的工作流，因此诞生了为数据服务的数据服务，来帮助数据这种虚拟资产可管理、可流通、可使用。在这个层面上出现数据采集质控、数据加工平台、指标维度管理等为数据服务的数据产品。

结合对于业务的工作流中任务拆解的通用化化抽象，不难得出一个数据服务的体系结构：

• 应用层：通过多样化的形式，保证数据的展示与具体应用，如具备嵌入式能力的报表，业务大盘、接口服务、开放式数据源，保证各类的数据应用诉求；
• 应用管理层：保障数据应用与对应的需求的对接，保证管理层就绪的数据；
• 数据管理层：采集与供给与应用层的数据，保证供给质量，使得待供给的数据标准化，质量可靠性，内容满足需求；
• 辅助工具层：辅助以上各层数据服务，如服务监控，数据权限等。

这样的一个体系化的数据工作流，具备了贴合企业工作流，可以满足对应各类数据需求的能力。

一个案例

由于截至Q3，当年的订单量任务完成进度不理想，且业务已经处于成熟期，新客的增长空间有限。

因此，Q4需要增大对老客户的运营，提升老客户的留存率、复购率以及用户在APP端的访购率等，从而达成剩余的30%订单量的总体目标。

那运营岗位人员在具体目标的引导下，工作流包含的关键流程节点和任务如下：

• 策略设计：需要按照目前的总体任务目标，拆解设计出需要哪些活动，每个活动策略的具体构成。如了解业务总体订单完成进度和之前各Q数据，需要Q4拉升老客次月复购率5%，提升APP端访购率2-5%，且用户的每单优惠率需控制在15%下，APRU要维持去年同期水平。目前可用的大型营销时间窗口只剩余5个，如何分配相关的商品、折扣预算资源至每个窗口，达成具体目标等。
• 活动组织：按照已确立的策略，协调组织人员，物料，商品，展示流量等相关资源。如活动用商品的供应情况，采购价格是否符合预期，对应的活动展示位流量利用率在产品层面是否合格，是否还可以获取到更多的流量资源用于营销等。
• 投放执行：按照组织确认后的策略执行方案，具体执行活动，且保证活动的顺利完成。如流量是否平稳，各商品的访购率是否符合期望，是否有异常的缺货、商品质量、客诉等。
• 效果复盘：在相应活动完成，需要及时汇总各活动相关数据与信息，确认活动是否达到期望，有什么问题和亮点，迭代下一次活动策略。

图：业务工作流、数据服务、数据管理关系示意

从示意图可以看到，不同层级的数据产品是如何贴合业务工作流的。且数据管理层，通过自身对于数据的采集，组织，管理，保障数据在应用层相关的服务质量。

写在最后

这个文章，是我在美团零售业务中，对于数据服务构建的一些认知与思考。

当然，不同的业务形式在数据产品理解也会有比较大的差别，也欢迎大家分享自己的认知，共同讨论与进步。

本文由 @蓝狐狸 原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议