當今大數(shù)據(jù)時代，三分技術(shù)，七分數(shù)據(jù)，得數(shù)據(jù)者得天下，數(shù)據(jù)是新的原油。而即使獲得相同的原油，但是不同的企業(yè)由于技術(shù)的差異，能夠從原油中萃取出來的價值也是不一樣的。

一般對大數(shù)據(jù)的價值來說，大家耳熟能詳?shù)闹饕菙?shù)據(jù)化管理、數(shù)據(jù)驅(qū)動精細化運營等，這些主要還是以分析應(yīng)用的場景為主，除此之外，大數(shù)據(jù)還可以借助AI的能力，把價值更加極致地發(fā)揮出來。

一、大數(shù)據(jù)與AI的關(guān)系

我們知道AI最主要的實現(xiàn)方式是機器學(xué)習，而機器學(xué)習的本質(zhì)是通過大量的數(shù)據(jù)分析挖掘、模型訓(xùn)練后，讓機器具備人的學(xué)習能力或思辨能力，也可以理解為數(shù)據(jù)是原材料，AI是生產(chǎn)工具，AI與數(shù)據(jù)結(jié)合，創(chuàng)造新的生產(chǎn)力。

當然這個過程也離不開云計算提供強大的算力資源支持，很多人也把這種結(jié)構(gòu)關(guān)系稱之為ABCI，即：AI、BigData、Cloud、IOT。

二、AI助力數(shù)據(jù)分析

對于一直做數(shù)據(jù)可視化產(chǎn)品數(shù)據(jù)產(chǎn)品經(jīng)理同學(xué)，是否遇到過這樣的困惑“自己所做的事情抽象一下，其實就是指標+維度+可視化圖表，做來做去只是業(yè)務(wù)場景的變化”，如果想要有創(chuàng)新的突破該何去何從呢？

同樣，做自助BI產(chǎn)品，是不是就是數(shù)據(jù)建模、拖拽式分析、配置化的可視化Dashboard或大屏的構(gòu)建，隨著產(chǎn)品基礎(chǔ)功能的逐步完善，新增的基本上都是些小眾的或邊邊角角的需求，此次，產(chǎn)品的下一步該如何規(guī)劃？

在“數(shù)據(jù)可視化怎樣才有靈魂”一文中，詳細地分享過，數(shù)據(jù)可視化從數(shù)據(jù)是什么、為什么、怎么做的三個層次，對于數(shù)據(jù)是什么是基礎(chǔ)的大數(shù)據(jù)處理、計算、查詢、展示，而對于為什么、怎么做，則需要將更多人的分析思路和流程融入到產(chǎn)品中。

比如對于指標波動除了業(yè)務(wù)可以明確確定的規(guī)則外，當業(yè)務(wù)波動受時間周期、天氣等多種因素影響時，如何確定合理的監(jiān)控閾值，判定了指標異常后，又要如何進行自動化的歸因分析，找出關(guān)鍵影響維度或指標? 此時，就需要更多的借助AI的能力了。

在2018年的時候，結(jié)合WolframAlpha（國外的一款基于知識圖譜的搜索引擎）的思想，嘗試過將業(yè)務(wù)經(jīng)營指標、維度構(gòu)建數(shù)據(jù)知識圖譜，通過NLP技術(shù)對用戶輸入內(nèi)容進行解析，如用戶輸入“華東大區(qū)昨日毛利”，可以直接返回指標數(shù)值、同環(huán)比、下一級維度拆分等等。

后來阿里QuickBI推出智能小Q，百度Sugar推出AI數(shù)據(jù)問答，其他BI廠商比如億信華辰，也有智問功能。后期可以擴展結(jié)合語音識別的能力，想象一下，老板在開車的時候，想知道今天的業(yè)務(wù)經(jīng)營情況，打開移動端的智能分析平臺，語音輸入“今天經(jīng)營狀況如何”，想知道的相關(guān)數(shù)據(jù)，從主要到次要，都可以直接語音播報了。

現(xiàn)階段來說，智能問答屬于最高層次的需求，但可以借助AI的能力，把智能分析的過程做的更深入一些，未來在資源允許、場景明確，則可以嘗試更多數(shù)據(jù)機器人的能力。

圖片來源：億信華辰公開圖片

三、AI提升業(yè)務(wù)人效

以精準營銷場景為例，用戶畫像標簽可以分為統(tǒng)計類標簽：如用戶訂單數(shù)、交易金額等；規(guī)則類標簽：如年齡段分布，80后，90后，流失用戶（近180天不訪問）；以及預(yù)測類標簽，如下單概率，或基于算法模型預(yù)測用戶性別（很多互聯(lián)網(wǎng)應(yīng)用無法獲取用戶真實身份數(shù)據(jù)，尤其是現(xiàn)在個人信息安全保護法施行之后會更加困難）。

一般基于數(shù)據(jù)的運營是，產(chǎn)品/運營人員按照業(yè)務(wù)經(jīng)驗或規(guī)則進行人群篩選，例如在暑期來臨時，做迪士尼景區(qū)的促銷活動，人群的圈選條件可能是：有酒店或火車票訂單，過去有預(yù)定過兒童票等，這種方式相比較過去缺少用戶畫像數(shù)據(jù)時的營銷已經(jīng)算是精準了，但是這個過程潛在的問題是：

• 用戶的圈選需要人工介入，占用人力資源

• 人工經(jīng)驗可能并不正確

• 營銷后人群標簽的正負向影響需要耗費較多分析時間，再作為經(jīng)驗積累，優(yōu)化后期營銷動作

借助AI的能力呢，則可以針對迪士尼的消費或瀏覽用戶進行更多維度的特征分析（幾十個甚至上百個特征標簽），利用機器學(xué)習算法模型，找出更高意向的用戶，進行觸達，不僅可以帶來更高的轉(zhuǎn)化，還可以節(jié)省運營人力，而且模型可以不斷學(xué)習優(yōu)化。

在這個過程初期，需要進行AB實驗，以確保算法的效果較人工有更好的轉(zhuǎn)化。

四、AI促進產(chǎn)品智能

產(chǎn)品智能常見的包括三個典型的場景：一是個性化推薦，二是合規(guī)性審核，三是產(chǎn)品自動化優(yōu)化。

個性化推薦，大家應(yīng)該都非常熟悉，比如我們打開淘寶或京東時，首頁推薦的商品大概率是我們有過一定關(guān)系的，比如自己瀏覽過、購買過等，或者系統(tǒng)判斷我們可能會喜歡的商品。

合規(guī)性審核，對于UGC的平臺，內(nèi)容的合規(guī)性關(guān)于一個產(chǎn)品甚至是企業(yè)的生死存亡，用戶發(fā)布涉黃、涉政、涉賭、毒等，都需要進行安全審查，而對于像抖音這種日活七八億的國民級App，每時每刻都有大量視頻內(nèi)容發(fā)布，純靠人工審核需要多少人力資源呢。

這個過程其實就是借助了AI的能力，系統(tǒng)無法識別的才會提交至人工審核。同時也會作為Badcase用來優(yōu)化算法模型。

產(chǎn)品智能優(yōu)化，當我們?yōu)g覽旅游產(chǎn)品時，如果產(chǎn)品首頁頭圖的非常美觀，用戶點擊的意愿會相應(yīng)提升，相反對于首圖美感度差的產(chǎn)品，用戶不會去點甚至反感。

借助圖像識別的算法模型，對海量的圖片數(shù)據(jù)進行挖掘分析，針對每個商品的圖片進行美觀度打分，從而實現(xiàn)產(chǎn)品頭圖的智能選擇。除此之外，對于用戶評價的文本進行NLP標簽提取，給到新進瀏覽者更簡單、快捷的評價標簽。

五、總結(jié)

數(shù)據(jù)產(chǎn)品經(jīng)理，除了關(guān)注當下數(shù)據(jù)在分析決策、數(shù)據(jù)化運營等方面的應(yīng)用外，也要著眼于讓數(shù)據(jù)價值發(fā)揮的更加淋漓盡致的方向，比如大數(shù)據(jù)和AI能力的結(jié)合。

雖然現(xiàn)在階段是數(shù)據(jù)產(chǎn)品經(jīng)理向左，AI產(chǎn)品經(jīng)理向右，但終究還是只有把兩者更好地結(jié)合起來，才能把數(shù)據(jù)原油的價值榨取得更加充分。

#專欄作家#

數(shù)據(jù)干飯人，微信號公眾號：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺產(chǎn)品領(lǐng)域，覆蓋開發(fā)套件,數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準營銷平臺等數(shù)據(jù)產(chǎn)品。擅長大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設(shè)計。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。

題圖來自Unsplash，基于CC0協(xié)議