数据产品成功的关键：管理原则与分析资产同等重要

编者按：Julie Iskow是Workiva的首席运营官，Jon DiGiambattista是ALM Media信息服务总裁。本文观点仅代表作者个人。

作为财务领导者，CFO们深知利用数据能够提升效率、生产力，并将对未来的洞察转化为行动。他们也明白数据投资可以推动创新，为客户创造更大价值。然而，他们也同样清楚，识别创新机会是一回事，将其转化为实际收益又是另一回事。

仅仅拥有资产、工具和数据科学家团队并不足以保证成功。无数企业投入巨资发展数据能力，却未能获得预期回报。挑战在于，人们极易被数据探索中的各种炫目功能分散注意力，从而忽略了根本目标——为客户和最终用户创造价值。

我们在实践中的经验表明，CFO及其同事在开发数据产品及支撑基础设施时面临的挑战，如果领导者能考虑以下几个因素，是可以克服的。

创造商业价值

数据科学创新具有变革性，但它并非开发数据产品时唯一最重要的组成部分。你可能拥有强大的分析平台，但仍可能偏离目标。创造有意义的数据产品，意味着要避免那些阻碍集成、推广和成功用户体验的常见陷阱。

成功的企业深知以下要点：

• 在定义要解决的产品-市场问题时，坚持核心产品管理原则，而非以数据科学原则为主导。
• 寻找那些解决方案能带来价值的问题，不要仅仅为了挖掘数据而挖掘。通过概念验证（POC）、最小可行产品（MVP）和试点来验证价值，并与用户、客户和合作伙伴反复迭代，以确认你正在实现目标成果。

在我们共同工作过的数据分析平台Medidata，我们发现，一旦开始将预期成果视为解决客户真实且重大业务问题的目标，我们就取得了进展。这成为我们的指导原则。为此，我们与客户合作定义、设计并完善产品和功能。我们尽早且频繁地邀请反馈，进行真实世界的试点，并在整个过程中不断迭代并纳入客户反馈。这是成功的基础。

实际采用与使用

一切始于客户。以客户为中心意味着提出正确的问题，以理解你的产品可能对客户整个生态系统产生的影响。

例如，你的客户是否有能力并愿意将数据解决方案整合到其运营中？他们在规模化时对账户隐私、安全、性能和客户支持有何需求？

了解这些问题的答案，将有助于企业采用数据产品，并确保产品符合客户的标准。以下是一些实用建议：

• 考虑易用性、采用所需的努力以及使用所需的变更管理。
• 了解客户是偏好自助式发现（策展数据、工具和洞察）还是全服务式交付（建议、推荐和结论）。
• 在客户当前所处阶段与之接轨，并帮助他们过渡到目标未来状态。这可能包括培训、提供服务或第三方合作伙伴来推动变更管理。

通过合作，我们认识到关注客户体验至关重要。解决方案需要量身定制、简化且直观，让用户能够快速轻松地接受并获得价值——这是我们的一个关键目标。这通常也是为什么一些公司在分析产品开发的初期阶段采用重服务模式的原因；他们希望加速客户采用并确保持续反馈。

协作与执行团队

构建正确的文化将有助于确保你充分利用手头的专业知识。团队中每个人开放而成功的心态将带来更高的生产力。为此，重要的是——

• 承认构建、交付和产品化创新以及规模化数据产品，远不止需要数据科学家（尽管他们至关重要）。还需要数据安全/隐私、交付、数据系统工程、企业和数据架构以及产品管理（如果与核心平台集成，则还需工程）。
• 通过理解数据科学家最终是向市场交付产品的更大价值链的一部分，防止孤岛现象，并应将他们与产品、工程及更广泛的技术组织整合。
• 优先培养尊重、信任、透明和协作的文化。在Medidata，当我们让数据科学团队与更广泛的组织对齐，共享成果和目标时，我们立即获得了收益。将职能团队聚集在一起，使我们能够充分发挥每个团队的优势，相互学习，并实现更大、更具创新性的成果。这种模式带来了更高质量、更贴合需求的能力，更快的上市时间，以及更快乐、更敬业的员工。

为规模化而构建

为规模化而构建的陷阱很多，但都是可以避免的。如果企业花时间构建一个符合其预期成果的框架，则更有可能实现可持续增长。

• 确保自动化运营到位，使数据“适合目的”以达成预期成果；建立连接新数据源以及持续数据清洗和策展的框架。
• 调整企业平台架构和基础设施，以支持从研究到生产的创新生命周期，提供一个安全、受控、集成的环境，支持实验和大规模交付。
• 当工作从构思转向产品化时，实施有效的软件开发生命周期（SDLC），使工程和产品在代码、数据和实施方面遵循一套质量控制标准。
• 实施由尊重、信任、透明和协作的文化价值观设计的严格问责系统，并经常测试它们。

在Medidata，我们开发了一个从创新到产品的流程，该流程利用并成为核心软件开发生命周期流程的一部分。我们确保新产品与公司整体架构和生态系统兼容；它们治理良好、受控、可维护且安全（但仍易于访问）；并且它们能够赋能高速度的探索、发现和创新。

要点总结

这些关键因素源自我们多年在实践中的经验，我们看到了什么有效、什么无效。那些从他人成功与失败中学习的企业，将能够更好地把握眼前的数据机遇。

作者Iskow和DiGiambattista曾在Medidata Solutions共事，分别担任首席技术官和数据与分析负责人。