文|古牧聊數據
先給大家看一張圖。
看到這圖，你是不是還在疑惑，今天講什麼呢？BI報表！
本文主要結構如下：
1，從一個反例入手，討論數據產品的重心，到底該在數據還是在產品？
2，聚焦到BI報表，看看它的現狀和問題
3，從數據產品的角度，解析BI報表需要滿足哪些用戶的哪些需求？
4，在降本提效之上，建議BI報表能肩負起普及數據分析思維的重任
反例：不拿自己當產品的數據產品
BAT中的某家公司，曾舉部門之力做過一個內部的自助機器學習可視化平臺，目標據說是讓人人都能玩兒轉機器學習。我們先簡單看下這個平臺的功能結構：
底層數據倉庫——平臺底層打通了集團龐大的數據倉庫，方便你在線調用數據訓練模型；同時也支持上傳一些外部數據
中層算法組件庫——常見的機器學習算法，甚至深度神經網絡這種程度的，都組件化封裝到平臺上，便於你像搭積木一樣隨意組合搭建出自己的模型
上層可視化交互——你看到的界面就跟office一樣，不用你寫代碼，直接用鼠標點擊拖拉拽就可以。
舉個例子，你可以用鼠標點擊拖動某幾個數據字段到界面中央的畫布區域，然後再拖動一個算法組件到數據字段的旁邊，進一步用鼠標點擊數據字段和算法組件實現兩者的連線，這時就會自動彈出窗口提示你填寫一些必要的參數，點擊確認後模型就將以連線的數據爲輸入，自動運行直到返回結果。
不明覺厲有沒有！？然而，作爲一款廣義的數據產品，這個平臺上線半年後門庭冷落車馬稀......我們來聽聽兩類用戶對這個平臺的看法：
算法、策略崗位的用戶：“這個東西好是好，可還是沒我們自己寫代碼來的靈活。可視化拖拉拽簡化了操作，但有些算法策略細節，平臺還是不支持，希望能在細節層面儘量的豐富下”
產品、運營崗位等非算法背景的用戶：“這個東西看起來好牛逼啊！可我們不敢用也不會用，因爲很多算法我只知道它是分類的或者聚類的，但具體是什麼原理我一概不知。我真的就這麼點幾下出來的模型就能直接用了麼？要真這麼簡單的話，是不是以後就不需要算法和策略的同學了啊？”
總結一下，技術背景的用戶覺得平臺不夠靈活，最好跟寫代碼一樣靈活（那不就是代碼本碼了麼？）；非技術背景的用戶覺得平臺門檻還是比較高，最好能先建立起用戶的自信和信任感
有沒有感覺到，這個自助機器學習可視化平臺，有點兒像是一次技術的自我表達，還有點兒像是純字面意義的“技術驅動產品”。
它給人的感覺就是：“快來用我吧，我技術這麼牛逼，還做了傻瓜化的可視化交互界面，你們肯定會愛不釋手的！”
這是真正的產品麼？真正的產品，不應該是以終爲始的麼？不應該是以解決真實用戶的實際需求爲己任的麼？怎麼就變成自嗨式的閉門造車了呢？
其實這種現象，在現階段的數據產品領域比較常見。因爲還有不少數據產品經理，基於自身的從業背景和經歷，潛意識裏認爲“數據”>“產品經理”。然而，白馬非馬？
BI報表，踏入同一條問題的河流
機器學習平臺不常有，但BI報表常有。不論公司體量大小，不論你是什麼崗位，只要你工作中需要找數據看數據，就會遇到BI報表。
BI是Business Intelligence（商業智能）的縮寫，後來漸漸的常和“報表”倆字綁定在一起，變得越來越接地氣，有時候也被稱爲數據看板。
如果你看一下BI這個關鍵詞，經常一起出現的還有這仨：可視化、可拖拽、自助，分別指向市面上BI常見的三個能力：數據可視化、便捷的鼠標交互、自定義配置報表。一般BI們都長這樣兒：
越是常見的東西，就越容易被我們忽視其本質。看起來如此接地氣的BI報表，往往也具有同樣的命運。
19年4月份左右，某大型互聯網公司，內部某部門打造了一款BI報表，並在內網強勢宣傳。上線大概3個月左右的時候我嘗試體驗了一下，發現創建自己報表的用戶很少，而且即便創建也都是淺嘗輒止。
20年開年後，這款BI報表停止了迭代更新，進入半休眠狀態。坦白說，這類例子在百度和阿里也曾反覆多次出現。相信每個跟BI報表接觸過的朋友，對此都有自己的看法，古牧君就大膽替你們開麥：
設計BI報表的朋友們：“我們做了很多工作，從數據的入庫清洗管理，到每個指標的統計覈算，到豐富的數據可視化組件，以及最終靈活的自定義創建報表功能。
可用戶並不領情，要麼說懶得用不會用，要麼就是抱怨沒法滿足他們那些奇奇怪怪的個性化要求。總之到最後，還是我們自己用的最多......”
使用BI報表的朋友們：“要不是老闆經常找我要數據，我肯定不會想用這個，我就是想有個地方能快速找到數據。結果他們跟我說讓我學一下自己創建報表，以後就能一勞永逸了。
但問題是，我一個純數據小白，我也不知道該用哪些數據、該怎麼把我關心的問題定義成指標、該用什麼圖表來呈現數據啊？其實給配幾個數據分析師，每週定期給我拍下數據，簡單畫好圖表郵件發給我就好了，關鍵是快速及時就好！”
像不像自助機器學習可視化平臺的原音重現？不過現在我們應該知道問題出在哪兒了：BI報表，同樣沒拿自己當數據產品。把這種BI報表直接交付給業務方，恕在下直言，宛如拿ipad去搪塞小孩兒：
進擊吧BI報表，做回真正的數據產品
想做回真正的數據產品，就要先想清楚，到底解決誰的什麼問題。盤點下，公司內部對數據的需求，不外乎這麼四類：
找數據——我們得承認，雖然高喊數據驅動業務很多年，但很多公司內部對數據的高頻使用場景，仍然停留在向上彙報階段。平時大家很少有愛看數據的，要不是老闆追着彙報用，大家還是更喜歡造輪子開發新功能，畢竟這個對晉升幫助最大。
當然到了年底，還是會集中的想要看數據的，因爲做了一年事情，需要用數字來說話，彰顯自己的貢獻和價值。
看數據——很多老闆因爲被洗腦，已經接受了數據的重要性，但其實他們並不知道怎麼解讀數據、應用數據。不過老闆嘛，都是有掌控欲的，他們需要看到數據，而且數據越多、樣式越炫酷就越好。所以每一塊數據大屏、每一個BI報表，或多或少都是在增強老闆們的安全感。
讀數據——好在還是有些人想要解讀數據的，他們或許是某個盡職盡責的產品經理、或許是某個揹負KPI的運營、或許是某個求知慾強的交互設計師。總之，他們希望看到的不僅僅是堆砌的數據和眩暈的圖表，他們想通過數據知道更多。
用數據——要麼是通過抽絲剝繭的分析，提出並解決一個有價值的業務問題；要麼是通過打造自動化平臺，直接從數據中挖掘價值、並作用於業務場景。
雖然上面的需求分析，已經涵蓋了一些用戶羣體，但爲了明確一些功能的優先級，還可以進一步將用戶劃分爲專家和小白。兩者最大的差異，就在於是否具備獨立獲取數據、分析數據、解讀數據的能力。
最後，我們把用戶和需求簡單交叉一下，就大概知道該做什麼了：
對上圖稍微擴展解讀一下：
不僅如此，還應以“教育”爲己任
說回到數據產品上，如果整個部門甚至整個公司，只有數據團隊是懂數據的，其他部門對數據的認知理解普遍都不及格，你覺得這個數據團隊會是鶴立雞羣呢、還是舉步維艱呢？
實踐表明，其他團隊對數據的理解，決定了他們日常會怎麼對待數據團隊、給數據團隊提什麼層次的需求。只有當你的隊友水平提升上來，你纔有機會去處理更有挑戰性的問題，否則日常那些雞毛蒜皮就會把你消耗殆盡。
所以，BI報表類的數據產品，作爲公司裏員工接觸頻率最高的數據產品之一，也可以肩負起科普教育的重任，“讓先富的人帶動後富人”，而不是放任“貧富差距”越來越大。
而我們做數據產品的，也可以重點打磨下數據產品中“產品”的部分，在其中滲透更多經典的分析思路，降低閱讀門檻，培養大家看數據的習慣、讀數據的思路。