都去炒AI和大資料了，落地的事兒誰來做？

作者：楊雷

來源：AI前線（ID：ai-front）

有位做供應鏈資料分析的朋友很開心的說正在創業中，打算在供應鏈金融方面有一番作為，用神經網路的方法做使用者畫像，然後進行市場精準營銷。作者工科數學博士一枚，每每看到有人探討這麼實際應用的東西，都覺得汗顏（自己不懂）與欣慰（越來越多人參與）並存，以至於給我已經是博導的師姐說，“好好鼓勵你的弟子，數學系的春天來了！”

但是，要潑一下冷水，想必每個投身於大資料、人工智慧的人士都碰到過某個瓶頸階段，就是想要更深入瞭解原理的時候，那些公式演演算法實在是看不懂啊。每次我只能勸慰說，就當那是個黑盒，你只要知道輸入輸出，就能得到想要的結果。難道我要告訴實情其實是，最快你得花費半年到一年時間惡補數學知識，才能知道什麼時候用樣式識別，什麼時候用小波分形，什麼時候那個東西是動態規劃······

這篇文章，繼續潑冷水，“如果所有人都去做人工智慧了，落地的事情誰來做？”，好比燒飯師傅都去研究自動炒菜機，在“懶人創造新的世界”之前，世界上的人都已經餓死了。認清自己手頭要做的事情，比展望未來更關鍵，至少你能先存活下來。

01 為什麼要做資料產品

不論是初創、上升期、轉型還是平臺期的企業，回答好自己是誰，為誰服務，服務得如何，怎樣更好的獲利這幾個問題，離不開資料。

從產品的角度看資料產品：

• Why？很明顯，企業需要看資料，使用者需要看資料。不管你是做戰略計劃、公司願景、企業架構、運維治理、擴張市場、客戶流失、標的營銷，甚至做 OKR、KSF、KPI、威士忌分析，或者告訴你的老闆或下屬做得有多成功或，，，多失敗，你需要資料，這是你的價值。

• What？When？Who？這是你的內容（範圍和服務），你的視野（過程和效率），你的上帝（細分）。

到底怎樣做？一個笨手笨腳的人（Klutz）都告訴你可以這樣做：

• KNOW 找準自己的定位，企業使用者尚在起步階段，是沒有能力去索取更多的資料的。此外，還需要精通業務流程，資料流離不開業務流，不論你是 To B 還是 To C，把握好使用者痛點和需求，是首要的。

• LIGHT 不用再介紹一次 KISS 原則了吧。保持輕裝上陣吧，那樣就算死，也死得輕鬆。

• USE 動手吧，”想總是問題，做才是答案”。試錯是如此的關鍵，一個企業是否有這個價值觀，甚至影響了是否最終的成敗。後面會提到完美主義者，是如何總是在關鍵時候觸礁的。

• TELL  告訴你的使用者或老闆，這個產品現在該有多糟糕，雖然你和它已經竭盡全力在工作。奇跡是，他們總會站在你這邊。

• ZANY 莎士比亞造了這個詞“滑稽”，是讓我們輕鬆點，資料人已經很累了。“資料科學家”，這個稱號顯然已經違背了這個原則，背負了太多。我更傾向於資料分析師，人人皆可當之。

02 資料產品的各種”圈錢”樣式

讓我們先來看看領英 2017 的一個崗位增長報告，誰說大資料已死的？

曾幾何時，作為資料庫管理員或者 java 工程師的你也動心想深入瞭解下何為資料科學，何為機器學習，何為大資料？別猶豫，其他人早就開始了（來自領英 2018 的行業報告）：

1. 動輒“大”

一個很有趣的討論，來自我和一位 BAT 資料分析師：
 

• “大”代表，首先，很 fashion 了。

• “大”代表平臺很大，資料很多。

• “大”代表業務應用很廣，至少傳統方式做不了了。

• “大”代表 0 到 1 已經平安度過，深挖廣種是時候了。

• “大”代表，有很多錢做事，需要你也很“貴”才行。

自然，我們在每一個評價後面，跟了一個“？”。但不管，就像專案競標最好有個博士牽頭一樣，“大”代表著，新來的老闆很喜歡。

2. 動輒“智慧”

同樣，新來的老闆更喜歡另外一個詞“智慧”，毋庸置疑的 Top One。作為數學專業出身的我，從來沒想到過會有那麼多人來問“神經網路”的演演算法怎樣才能實現。他們都，瘋了麼？還是世上本無路，走的人多了，就有路了。每次我都用這個來安慰自己，這是一條光明之路，需要越來越多的人前僕後繼，不管你扛著的是步槍還是大炮。

• 影象處理，落地了。

• 語音處理，落地了。

• 還有？

03 我們是如何失敗的

失敗案例一：零售行業中的零庫存

在本世紀初期，新零售流行“一單到底”和“零庫存”這兩個東西，願望是美好的。我“不幸”也參與了其中對庫存最佳化的計劃中，那是一個零售業的 IT 供應商，為打造這個美好的願景老闆給了我一個艱巨的任務，3 個月拿出一個演演算法實現先進的補貨策略。

於是，加班加點，帶著一群人搜尋學習了各種演演算法對進貨渠道、缺貨週期、日銷售情況進行了分析，最終開發出一個幾千行程式碼幾十個輸入變數的程式，準備上馬。

這時，老闆問了一句，“這演演算法準麼？ 某便利店商品 A 今天銷售 20 件，庫存只有 5 件，你算出來要補進 30 件，我排不過來貨運啊？而且這兩天賣得好是因為天熱，過幾天下雨咋辦？”

最後，老闆決定，還是按照老辦法，盤點時由店長決定，快斷貨的時候補一週的貨，靈活處理。

失敗案例二：倉儲行業中的自動化監控

2005 年，作為方案架構師，“有幸”參與了某大型跨國物流集團倉儲中心產能監控系統設計。系統要求很簡單，監控每個節點的容量、吞吐、以及排隊情況，提供最佳化方案改善效率。

不知道誰頭腦一熱，前期要做一個非常漂亮的 3D 效果的模擬系統，還能顯示每個熱點併進行預警。於是乎，一個加大伯克利的博士（現不知所蹤），一個清華的博士（現某外資銀行做演演算法），一個人大的碩士（現某金融系統分析員），一個交大博士（現某行業產品經理），開始學習 Photoshop 和 AutoCAD。悲慘的一幕隨著資料從客戶傳來而開始，2000 多個執行緒併發跑，還是 B/S 的 3D 效果，效能可想而知。

被客戶拿掉後，大家回顧說，還不如老老實實用 Excel 做幾個表格和圖形，能反映效能狀態，傳送問題原因，再研究下最佳化演演算法其實並不難。

失敗案例三：教育行業中進度控制

這是一個 CRM 體系再造專案，用 Salesforce 替換原有老系統，作者參與的是其中 Business Intelligence 系統的再造，也就是俗稱的企業報表系統。背景如下：

• 老闆是完美主義者，需要漂亮的結果向投資人證明自己的成功。

• 使用者對新產品信心不足，抗拒心很強，並不太配合前期需求調研和後期產品驗收。

• 產品經理以及技術經理都是新人，並且有遠大的做好事情的抱負。

• 開發人員 80% 都是新人，技術力量參差不齊；老員工屬於內向型。

其實，它最終沒有失敗，只是所有人都累垮了：

• Salesforce 平臺作為資料源，初期系統尚在開發中，技術經理考慮不想將來重覆工作（rework），決定暫緩啟動開發計劃。這個決定直接導致中期專案進度確認時一無所有，於是被老闆和專案高層標識為危險而責難，而後期使用者伸手要資料時，各種沒有準備也導致整個專案被推遲上線。

分析：敏捷之一大忌就是怕重覆工作，那是設計分析能力問題，不是延遲工作的藉口，誰說資料產品就不能敏捷？

• 到底是完全複製原來的系統 KPI，還是重新定義，以及是否要設計全新的前端展示？這個問題從一開始到結束，困擾了整個團隊的每個人。老闆嚴要求 + 產品新人 + 業務不配合 + 老員工的惰性，導致舉步維艱。最後，一套七零八落的半成品系統展示在使用者面前，正確率和使用率很低。

分析：從上往下剝離，老闆要求的不一定就是對的（這往往無解），產品和業務必須在標的和方向上達成一致，以及技術決定生產力，這幾點缺一不可，要突破卻難上加難。
 

• 需求要考量教育平臺學生成績，一個學生某次考試會有各種技能的不同分數。問題來了，是需要資料準備到最細粒度，還是彙總聚合？愛好完美和細節的技術經理又出現了，一定要到最低粒度。不幸的是，由於專案進度緊迫，出現了各種設計和需求脫節以及資料不一致問題出現，各種會議討論甚至互相指責隨之而來。

分析：還是敏捷問題，資料倉庫權威 Ralph Kimabll 是一個典型的細節專家，他所追求的細節是資料架構設計以及企業資料平臺建設的願景。但是，這個專案是一個典型的 CRM 系統切換，業務再造是基本標的，這時追求極致的細節變成了不切實際的要求，帶來的後果就是本末倒置，所有人疲於其實不那麼重要的問題上。

04 遠離斜視

有位獵頭顧問對我說，目前大資料分析師的崗位不多，我近乎驚訝的回答到，”怎麼會，這個時代，你招人不說和大資料相關，都會覺得不夠檔次啊’。事實總是證明我們是錯的，拿開障目的那片葉子，正視真實需求，是多麼難能可貴的企業家精神。

科學家是嚴謹的代名詞，而大資料不需要嚴謹。是這樣麼？責任不同，視角也應該不同：
 

• 老闆，720 度看資料，3-5 年規劃中打算帶著企業到什麼樣的資料成熟度 — 這個成熟度一定和企業規模，組織管理，業務流程的成熟度成正比。使用者，360 度看資料，這裡把使用者擺到很高的視角，因為他們不是傻子，是最知道怎麼看和用資料的人。

• 產品經理，30-180 度看資料，首要近視看眼前問題，不然會被使用者罵死。也要遠視看路線圖，不然會被老闆下崗。

• 技術經理，60-120 度看資料，短期 + 長期規劃，切忌操之過急，切忌漫無目的。

• 前後端程式員，90 度看資料，那是你的兩大支柱之一（演演算法 + 資料），多快好省是你的職責。

• 資料分析師，？？度看資料，你在哪兒，你去哪兒，你是誰，誰是你？想清楚。

▲不同視角看 Score Card

05 落地是如此的簡單 — 80/20 原則

傳統與自動化的糾纏，從古至今一直存在。如果傳統方式能達到 95% 的精確度，夠了麼？

當我們在所有的演演算法中，對於圓周率的使用僅僅是 3.14 就已經足矣，又有多少人知道併在乎 3.1415926 後面的一位是 5 呢？

最後那 5% 的精準度，是紅海最後的利潤。這是收到最多的一個反駁的論點。但是當我們的企業，有超過 80% 的使用者對資料的認知，還停留在填鴨階段；當我們的運維還相當大程度依賴於半自動化，是不是該多花點心思寫個 SQL 之類的。搭建資料產品的過程和企業以及使用者的認知息息相關：
 

• 積累業務資料，重點在採集。Excel，SQL 夠了。

• 推送資訊到使用者，重點在快速提供。Excel，SQL 夠了。

• 自助式體驗，重點在提升。Excel，SQL 夠麼？

• 平臺，重點在互動。Excel，SQL 不夠了。

認知的過程是相當漫長的，每一步都要踏踏實實落地，跑之前要學會走。

06 結束語

有客戶問我何為敏捷？我的答覆如下，不僅僅只針對資料產品：

• 我竭力面對任何一個需求，可能優先順序上會有區別，可能個人能力上會理所不能及，或者讓自己無法權衡處理好每一個事情。但我仍然願意告訴每一個希望我幫助的人，我會竭力幫助他， 哪怕其實我答應的實情超出了我的能力。

• 敏捷，本質就是靠近使用者，有效溝通，快速迭代產品，不追求完美，要求腳踏實地。做產品就是要滿足領導要求，要滿足使用者需求，而這兩者常常會有衝突，就會很心累，這點在很多公司特別突出。這種情況，任何一個有豐富經驗的專案管理者或者產品經理，都不能很好的協調。所以，搭建好領導，產品，使用者幾方之間的相互理解的橋梁，用使用者導向的工作方式，儘量讓你的方案能落地，儘量讓標的達成一致而不是衝突，是每個做資料產品的人士應該牢記的工作原則。

送你一個彩蛋

彩蛋的正體是

第25屆北京國際圖書博覽會 (BIBF)

免費門票

數量有限，先到先得

▲ 識別上面的二維碼，就能領取哦

那麼……

BIBF 是個啥？

BIBF 即 北京國際圖書博覽會

創辦於1986年

是亞洲範圍內規模最大的國際書展

2018年8月22日-26日

第25屆北京國際圖書博覽會

將於在北京（順義）舉辦

展廳是不是很高大上？▲

共2500多家出版企業參展

展覽面積達到97700平方米

2017BIBF名家雲集

諾貝爾文學獎獲得者莫言盛大亮相

大資料合作伙伴

機械工業出版社

作為BIBF的參展單位

籌備了精彩活動

邀請諸多重磅作者和大咖譯者前來

與你面對面交流

他們是！

16：00~17：00 方軍《付費》

8月24號 

上午場：區塊鏈專場

10：00~10：40 杜均《區塊鏈+》

10：40~11：20 何祝君《深度探索區塊鏈：Hyperledger技術與應用》

11：20~12：00 馮少華《阿米巴經營實操手冊》

8月24號 

下午場：企業管理與運營專場

14：00~15：00 《高績效教練》PCI 

15：00~16：00 張雲《品類戰略》長城WEY品牌定位之道（裡斯中國）

16：00~17：00 藺雷《內創業革命》

8月25號 上午場

10：00~10：40 朱恆源《戰略節奏》企業的戰略節奏

11：20~12：00 柴佔祥《自動駕駛改變未來》

記住這個地址！▼

北京新國展 W2館—F06展臺

機械工業出版社

說不定還能與資料叔

來個驚！悚！的邂逅~

長按識別二維碼免費報名

【報名必讀】

應BIBF主辦方要求

本次活動全部憑紙質入場券參加，每券一人

為方便您及時領取，不錯過感興趣的沙龍

報名後，請入群瞭解詳細資訊，領取入場券

最後！我們的展區是這樣滴！▲

我們的展區是這樣滴！！

我們的展區是這樣滴！！！

重要的事情說三遍！！！