为什么就做不好数据产品的体验？
这是傅一平的第256篇原创
作者：傅一平
个人微信：fuyipingmnb
年底有不少大的数据产品上线，这是针对产品体验这一核心问题的一次思考，如果你不在互联网公司，正好在从事数据产品的相关工作，可以看一下。
从做报表开始，笔者就接触了大量的数据产品，也做过很多次的项目经理，有几次还很接近产品经理的角色，当然没坚持下来，总体的感觉是：无论是自己做的产品，还是合作伙伴的数据产品，大多的体验跟互联网公司是有差距的。
以前似乎也没多大影响，反正能用就用，不好用自然淘汰，直到开始做大数据，发现如果体验问题不解决，将很难让大数据价值运营从1走到N，特别是最近集中发生的一系列数据产品体验问题，突破了能使用的底线，更值得反思。
我们为什么就做不好数据产品的体验呢？深层次的原因到底是什么？这当然不是“互联网的员工更拼命”这种粗暴的“是和否”的简单回答所能解释的，以下是五点思考。
1、效益高低决定了体验投入的多少
互联网公司的产品大多对外，甚至主要是ToC产品，往往没有给用户培训教育的机会，因此体验往往决定着产品甚至企业的生死。
现在很多传统企业开始学习互联网公司，对内的产品（比如CRM,服务对象其实是营业员）也强调产品体验，比如要让系统更好用，降低一线员工的使用门槛。
但我们能像互联网公司那样达到极致体验吗？
很难。
因为产品体验最终能做到什么程度，不是意愿决定的，而是由效益决定的，要知道，互联网公司改进一个网页（影响几亿人）跟公司内部改进一个网页（影响几百人）带来的潜在收益是几何级的差距。
考虑到一般企业的IT资源有限，比如传统企业与BAT在IT上的投资占比肯定是云泥之别，因此一味强求产品体验对于很多企业无益，大家需要把IT资源投入到更为重要的事情上去，对于传统企业，可能存量用户已经比较稳定了，IT主要的工作就是上线更多的功能获得更多的潜在收益，而一般互联网企业得先靠体验发展新用户，大家处于不同的阶段，因此对于IT的要求是不同的。
即使有时我们会兴冲冲的进行对内产品体验的提升，但大多也是短期行为，可持续性并不强，这同样也是由效益决定，互联网公司也并非天然具有做好任何产品体验的基因，比如管理信息系统，可以做个思维实验，你想象某互联网公司刚刚创立，团队的所有成员都在开发一个体验极佳的网站，但自己企业内部的ERP估计能走通就不错了，哪有精力去考虑什么体验？
因此，大多数公司对内产品的体验不如互联网产品是正常的，因为面向的对象不同，带来的收益不同，这是理性的选择。
2、对内数据产品有事实上的竞争压力
互联网对外的产品竞品很多，在功能差不多的情况下，强调体验就成了一种差异化的竞争手段，而大多企业的IT系统，特别是OLTP系统，是具有唯一性的，只此一家，别无分店，员工不用也得用，功能到了，理论上做到60分就够了。
在不充分竞争的市场，行政干预能力也是相当强的，比如考核，培训上岗等等，很多企业还有岗位能手的竞赛，上机操作也是必选项，但假如你有机会去营业厅调研，看到营业员眼花缭乱的界面操作，所谓熟能生巧，这到底是好事还是坏事？
但企业内还有一种对内产品是有竞争压力的，即数据产品，无论是用于分析，展现还是挖掘，数据分析的特定就是灵活，只要企业能开放一些数据，比如数据集市，任何个人和团队就有手段来替代这些数据产品的功能，BO、BIEE等商业数据产品固然还可以，但灵活性不够啊，总有你兼顾不到的点但这个点却对我很重要，自己用EXCEL，VB捣鼓也能满足，再说应用的开发门槛也不高，干嘛要用统一的数据产品让自己受限呢？
很多企业数据产品推广不好，就是因为面临着事实上的竞争，特别是新开发的数据产品，往往出师未捷身先死，连被人用的机会都没有，更别说迭代提升了，在这里体验的作用就太大了，比如有个ORACLE客户端叫PL/SQL，你要说服人家迁移到你的数据开发平台的唯一理由是要在易用性上超越它，而要打造以体验为核心的这类数据产品，不仅仅涉及到资源投入，更涉及到人员转型，大多时候我们还不具备，比如产品经理。
阿里有阿里云，笔者看到其搞了数加产品体系，但阿里还有个数据技术与产品部，也在做数据产品，你说，他们是否存在竞争？
数据产品特别容易内部竞争，因为不具唯一性，内部竞争也有好处，你看阿里很多对内的数据产品都开始对外变现了。
3、时间，管理等大量隐性成本被忽视了
行政干预对于很多企业内部产品的使用和推广至关重要，但其也是有成本的，学习要花钱，培训要花钱，考核要花钱，推广也要花钱，当然还有一个更大的成本：时间成本。
这里举个例子：
我们一直在使用一个叫“XYZ2.0”的数据产品，某次升级到3.0后，项目经理跑过来说：“需要全省培训下，因为很多菜单的名字被改掉了！”
问：“难道熟手都要重新培训吗？”
答：“需要，培训20分钟就可以了！”
问：“当初做需求的时候这个命名谁让改的？为啥改？”
答：“这个倒不太清楚，我当时还有很多其他的事情，合作伙伴定的这些细节！”
我们都喜欢培训，姑且不说新上的系统培训也就算了，你一个版本升级都要先培训过才能用，这得浪费大家多少时间？耗费多少培训成本？但这些事每天都在发生，难道提升点产品体验就那么难，事后的运营则很廉价，投入再多的人也愿意？
在企业立项的时候，其实很少考虑过这些成本，看得见的是功能上花的钱（当然投资可能认为已经包括了体验的钱，但这个钱显然被拉低了），看不见的是未来的管理和运营消耗，也许这些成本折算的金钱也很大，但由于算不清楚，似乎就被习惯性忽略了。
笔者想表达的是，即使是对内的产品，强调体验也是有价值的，因为隐性成本不小，而且这个成本累积会越来越大，你想象一下，使用人员总在流动，垃圾体验的产品就永远需要培训，维护和服务人员还要为你的垃圾体验买单。
笔者是有切身体会的，比如关于标签库的使用咨询就一直占据维护大头，维护人员要花很大部分时间来回答这些低级的问题，虽然我们真的算不清楚这个成本，但的确要认真考虑这个问题。
4、做更多的事才能让个人“贡献”最大化
在一个传统企业，即使有很多资源，由于部门条线分割，各种机制、流程放在那里，要推进一个事情沟通协调的成本是很大的，很多事情必须专人督办才能较为高效的推进。
如果你是企业某个部门的负责人，好不容易要到了人员的编制，是倾向于让他去做“大”的事情，能够协调各种资源，牵头去推进或解决某一个重点问题，还是让其沉溺到技术产品的细节，做可能1-2年都无感知的事情？比如工匠都得这样。
企业从来不是不需要产品经理，而是诸如项目经理这类岗位似乎更能让工作的短期显性效益最大化，很多一线管理人员通过做更多的事，眼界宽了，沟通强了，身兼数职也成了常态，但缺点就是每件事容易浮于表面，比如虽然协同合作伙伴创造了爆棚业绩，但个人的成长却受限。
诚然，在一个稳定的企业做一线管理（比如项目经理）对于企业整体的资源利用率会高，但一旦公司需要转型，就容易眼高手低，因为不再有现成可用的资源（比如合作伙伴也处于迷茫期），得自己去研究细节，比如设计，这的确是两难的抉择。
相比互联网公司，也许我们并不是不想培养或成为产品经理，而是“身在江湖，身不由己”。
5、合作伙伴无法为无法“计件”的体验买单
在很多企业内，产品开发是由合作伙伴负责的，这种计件薪酬似的“你提需求，我来实现”的产品开发模式，是很难让一个产品有很好的体验的，功能还能说得清楚，但体验则是道不清，说不明的东西，有时代价非常大，比如我们设计一个标签库的百万标签目录，如果强调体验，设计稿来回10遍都不多，但以前项目管理2遍就差不多了。
做产品是要有点追求的，有时为了一点体验要不惜下血本，这种成本其实双方都耗不起，对企业来讲，我买产品参考的是市场的公允价格，合作伙伴开发产品则希望付出的代价最少，体验很容易被牺牲，项目经理显然管不住体验。
大家的交易规则既然定了，就很难奢望合作伙伴能交付一个体验爆棚的产品，除非企业的人员介入的很深，比如自己来做设计，但这个时候，到底是企业的人员在做产品，还是合作伙伴在做产品？这就是企业需要付出的代价。
提了这么多挑战，那么，我们有没有机会做好数据产品的体验呢？
有的，大数据就带来了新的机会，如果要做企业的智慧运营，或者要对外变现，就必须做好数据产品的体验。
第一种：服务于企业内部的智慧运营
数据产品不是为了满足基本的生存需求，比如报表取数，而是让数据真正的驱动业务，这个时候可能就需要体验制胜，因为对于奢侈品来说，人家有不使用的权利。
大数据平台建立后，最大的挑战就是如何让承载之上的各类产品（比如标签库、各类应用）能真正的用起来，从而产生价值？
就像一个互联网产品要颠覆另一个一样，你新打造的数据产品的体验务必要高于“旧产品体验+用户转换的成本”，另外，面对海量的实时大数据，底层的技术架构变得如此复杂，数据产品做好体验意义就更大了。
第二种：服务于外部客户的数据变现
数据产品要直面市场的竞争，即使是B端的，纵有强大的客情，也要讲点数据产品的体验，这是可持续性的保证，比如笔者的企业发布了神灯大数据对外产品品牌，包括拓客，洞察和风控三大系列，很多小伙伴跟互联网产品经理就没什么区别，996，迭代不是事，市场是最好的数据产品经理锤炼之地。
最后，对于要做成体验这个事，再提三点建议：
第一，增加资源投入：很多企业在提转型，但这些都是要付出代价的，想想为什么BAT还需要这么多的数据人才？因为做数据产品就是“吃人”的大户，你得增加数据产品经理，数据建模师，数据开发师，数据运营师等等，不投入这么多，根本无法做到专注和专业，也不可能创造出什么好的数据产品体验，光靠客情，靠政策，成就不了大数据变现。
比如团队做位置产品的数据建模师就进去好几个，还是捉襟见肘，但的确产出跟以前大不同，做了和做好完全是两个境界。
第二，创新合作模式：笔者也在思考新时期该如何与合作伙伴协同做好产品，要有所为有所不为，初步的设想是推动合作伙伴中台化，将一个大的产品拆分成中台部分和应用部分，也算是“小前台，大中台”的一种探索，小前台让PSO做，甚至做部分能力，大中台则关注沉淀和开放，本地PSO在新的时期要扩张，包括设立独立的产品经理，要能听得见一线的炮声，而不是成为研发的附庸。
第三，转变传统观念：很多BI项目经理非常资深，但面对大数据价值运营，并未意识到所处的环境已经完全不同，依然在粗犷的管事，按部就班，缺乏洞见，的确是时候放下身段，从新学习，关注细节，既然买了这张船票，大家都得与时俱进。
当然企业没这个势，说再多其实也没用，本人也没做过产品经理，看法难免偏颇，希望我的分享于你有益！
注：每周我将会挑1-2本我读过的书或文章进行推荐，优先大数据、人工智能类，欢迎选读！
完
作者：傅一平 （微信号：fuyipingmnb）
好书或文章推荐（每周我会挑选出1-2本好看的书或文章进行推荐）
《为什么我们常说做to C 的人比较难去做to B》 刘润：to B和to C的本质差别是：
1、决策流程不同
2、决策流程复杂度不一样
3、交付周期不一样
4、to B不仅是产品，同时更重要的是服务
5、销售团队和服务团队相结合
《西方将主宰多久：东方为什么会落后，西方为什么能崛起》 伊恩·莫里斯：
工业革命为什么是在英国发生的呢？当然你可以说英国有科学传统、有资本主义、有专利制度，但是莫里斯说，英国还有两个重要的客观条件。
第一，英国有大量的煤。第二，英国工人的工资是整个欧洲最贵的。
你要知道，蒸汽机刚出来的时候，效率非常低。要烧很多很多煤，才只能输出那么一点动力。如果一个国家的煤很贵、人力又很便宜 —— 比如中国当时全国大概就只有远离工业区的山西有煤，而且人工还特别便宜 —— 那蒸汽机就根本没有商业价值。
人工贵，本来是英国的一个劣势，但是对发展蒸汽机来说，它反而成了英国的重大优势。这些条件完全是客观的限制，任你有再好的制度、再先进的思想也没用。
所以我们今天真正的收获是，做大事得有系统思维。很多事情不是你着急就能办成的，得有各个条件配合，系统才能变化。
可能错过的近期精选文章（点击链接即可阅读）
从芝麻信用分透露的详细数据设计，我们能从中得到什么启示？
如何避免成为一台取数机器？
哪些广为人知的数据挖掘案例其实是一地鸡毛？
数据的价值到底如何评估？
为什么我提交的数据分析报告总是被领导K？
我如何用统计学指导自己的生活？
从吴军的“算法的油水就那么多”说起！
一起成长，让我们与数据同行
忙完工作，偷得浮生半日闲，讲述自己的数据人生
大叔/电信博士/500强央企/大数据/人工智能/统计取数/数据挖掘/数据产品/数据管理/数据仓库/数据变现