惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

D
Docker
AI
AI
博客园 - 三生石上(FineUI控件)
腾讯CDC
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Y
Y Combinator Blog
大猫的无限游戏
大猫的无限游戏
H
Hackread – Cybersecurity News, Data Breaches, AI and More
雷峰网
雷峰网
NISL@THU
NISL@THU
S
Schneier on Security
T
Threatpost
T
Tenable Blog
Application and Cybersecurity Blog
Application and Cybersecurity Blog
IT之家
IT之家
宝玉的分享
宝玉的分享
T
Tailwind CSS Blog
C
Cybersecurity and Infrastructure Security Agency CISA
P
Privacy & Cybersecurity Law Blog
I
Intezer
Microsoft Azure Blog
Microsoft Azure Blog
月光博客
月光博客
T
Threat Research - Cisco Blogs
SecWiki News
SecWiki News
AWS News Blog
AWS News Blog
博客园 - Franky
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
P
Proofpoint News Feed
V
V2EX
Recorded Future
Recorded Future
Microsoft Security Blog
Microsoft Security Blog
S
Secure Thoughts
Google DeepMind News
Google DeepMind News
MongoDB | Blog
MongoDB | Blog
Apple Machine Learning Research
Apple Machine Learning Research
Project Zero
Project Zero
PCI Perspectives
PCI Perspectives
G
GRAHAM CLULEY
Help Net Security
Help Net Security
Cloudbric
Cloudbric
Recent Announcements
Recent Announcements
V
Visual Studio Blog
Hacker News: Ask HN
Hacker News: Ask HN
N
News and Events Feed by Topic
C
CERT Recently Published Vulnerability Notes
The Cloudflare Blog
Forbes - Security
Forbes - Security
C
Cisco Blogs
O
OpenAI News
www.infosecurity-magazine.com
www.infosecurity-magazine.com

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理, 企事业单位数字化的业务供需本质 – 人人都是产品经理, 医疗智能体·第1讲——医疗信息化重构:从“辅助软件”到“自主智能体”的范式转移 – 人人都是产品经理, 粉丝量就是空气!!! – 人人都是产品经理, 用户说“薯片碎了”,机器回“要买吗?”:意图识别的翻车与破局 – 人人都是产品经理, RAG召回准确率从75到90 我做对了这三件事 – 人人都是产品经理, AI大事件:Anthropic改收费、OpenAI发安全版、手术机器人纳入医保、阿里发布”秒悟” – 人人都是产品经理, Chrome 推出 Skills 新功能,Agent 重塑上网方式 – 人人都是产品经理, GitHub前创始人拿了a16z的1700万美元,做Agent时代的Git – 人人都是产品经理 拷贝或克隆其他 Flutter OH 项目到本地后无法运行 – 人人都是产品经理, 优惠券设计:优惠券创建 – 人人都是产品经理, 不用死磕文档!AI 助手 1 小时搞定飞书 CLI 安装 + 配置 + 知识库 – 人人都是产品经理, 用小龙虾做竞品分析报告:从2天到20分钟,我是怎么做到的 – 人人都是产品经理 用小龙虾做市场分析报告:搞懂这3个公式,市场规模不再靠猜 – 人人都是产品经理, 你早就在做 Harness 工程,只是不知道它叫这个名字 – 人人都是产品经理, Think Long就够?你可能想多了! – 人人都是产品经理, 货代SRM实战:供应商准入怎么做,才能让资源池不是通讯录而是可交付网络? – 人人都是产品经理, 如何做好用户调研?详解基本技巧 – 人人都是产品经理, 木鸟、途家、美团对打,平台春天行动开“卷” – 人人都是产品经理, 入职才发现公司不靠谱?小红书从业者求职避坑指南 – 人人都是产品经理, 美国 AI 三巨头联手封堵,中国 AI 突围之路在何方 – 人人都是产品经理, 小红书,放在需求对面的镜子 – 人人都是产品经理, AI 会带来大规模失业吗? – 人人都是产品经理, 从出单到补货前,我第一次犹豫:该不该放大? – 人人都是产品经理, Flutter 三方库鸿蒙化适配:5 种高效检查方式,快速判断是否需要适配 – 人人都是产品经理, 从做产品进阶拿结果:医美机构产品经理转岗科室运营经理 – 人人都是产品经理, 阿里HappyHorse,一场关于“Token经济”的阳谋 – 人人都是产品经理, To B AI:客户留存落地的观察与思考 – 人人都是产品经理, AI产品的“生命线”——数据采集、标注、清洗的产品化设计 – 人人都是产品经理, 谈谈AI Agent(二):当“孩子”能自己“体验世界”时,你该学什么? – 人人都是产品经理, UI/UX设计师的3层能力进阶,前两层让你活下来,第三层…才是真正的分水岭 – 人人都是产品经理, 2分钟 → 30秒,效率提升75%:B端产品经理如何用「规则枷锁」驯服AI幻觉? – 人人都是产品经理, 还没来得及学OpenClaw,来了个更猛的:Hermes Agent – 人人都是产品经理, AI日报:宇树机器人跑出10m/s刷新世界纪录 – 人人都是产品经理, 一文说透基金互金如何用情绪价值引导用户决策做转化 – 人人都是产品经理, 当浏览器开始替你”看”网页:AI 浏览器正在亲手拆掉它脚下的那张网 – 人人都是产品经理, 0代码,一天时间我Vibe Coding了个网站 – 人人都是产品经理, Hermes 和 OpenClaw 之争,Agent 的能力应该“装上去”还是“长出来”? – 人人都是产品经理 视频生成的“桌子”,字节Seedance 2掀完,阿里快乐马掀 – 人人都是产品经理, 从听不懂到完全信任:我的 Codex 深度产品体验 – 人人都是产品经理, 当虚拟偶像有了北京户口,与真人偶像还有什么区别? – 人人都是产品经理, 会说,远远比会做更重要 —— 对 SBTI 爆火现象的五层观察 – 人人都是产品经理, AI产品经理必看:当“搭环境”比“选模型”更重要,你的认知还在2024年吗? – 人人都是产品经理, 2026年AI产品商业化核心逻辑:从功能demo到规模化营收的3个必破卡点 – 人人都是产品经理, 京东围绕供应链,卷起裤腿下场的那些事儿 – 人人都是产品经理, SBTI一夜刷屏:它赢在了“太会说人话” – 人人都是产品经理, 折扣零售的真相:不是便宜,而是价值感! – 人人都是产品经理, 和甲方吵了一架,最后加钱做了——我学到的ToB产品经理生存法则 – 人人都是产品经理, 和几位小红书操盘手聊了8小时,干货全在这 – 人人都是产品经理, 智谱GLM-5.1登场,开源模型首超Opus4.6!!! – 人人都是产品经理 Anthropic收入凭什么反超OpenAI,终于有人把这事说清楚了 – 人人都是产品经理, 史上最有故事感的技术报告——Claude最强模型Mythos 7个极其精彩的细节 – 人人都是产品经理, 模型不是壁垒,Harness 也不是 – 人人都是产品经理, 抖音本地生活业务思考21 – 人人都是产品经理, Superpowers:145k Star的AI编码框架,到底是什么来头? Superpowers:145k Star的AI编码框架,到底是什么来头? – 人人都是产品经理, OpenAI 的路走错了,Anthropic Harness 解法启示:模型需要实践专科生 – 人人都是产品经理, 画原型图的前一步:设计站点地图 – 人人都是产品经理, 给 DeepSeek 的最后一封催更信 – 人人都是产品经理, 手把手教你用 Claude Code 搭建 AI 营销团队:5 个 Agent、12 项技能,独立完成研究、写作、设计全流程 – 人人都是产品经理, 你以为大模型在学语言?不,它在重新发明语言学 – 人人都是产品经理 所谓Skill,不过是AI时代的工业垃圾 – 人人都是产品经理, 聊一聊内容传播的几个方法 – 人人都是产品经理, 当平台开始吃掉生态:从 OpenClaw 被封杀,读懂 Anthropic 的这盘棋 – 人人都是产品经理, 你装了 10 个 AI 插件,Obsidian 还是一个文件夹 – 人人都是产品经理 关于AI智能体架构演进的系统性思考:从单体试水到多体协同的重构 – 人人都是产品经理, 当“人”变成Skill,我们又该何去何从? – 人人都是产品经理 Mythos 事件:前沿 AI 治理的意外实验 – 人人都是产品经理, 货代CRM:信用与风险管理怎么做,才能把坏账风险拦在放货之前? – 人人都是产品经理, 从HR收集自拍照到员工自助录入——我见证了园区人脸识别从”不可用”到”真好用”的全过程 – 人人都是产品经理 千问闯关AI混沌期:阿里画靶,吴嘉张弓,马云射箭? – 人人都是产品经理,
大数据体系下的政务智能BI建设
短剑在闲逛 · 2023-12-04 · via 人人都是产品经理

强大的BI平台技术及政务智能BI应用,为政府行政管理和服务提供了新的工具和手段。具体怎么实现?这篇文章里,作者就总结了政务智能BI的建设,一起来看看本文的梳理和拆解。

现代信息技术发展到今天,政务智能BI的应用到政府的行政管理和公众服务开辟了信息技术的重要应用领域,同时也为政府行政管理和服务提供了新的工具和手段。

政务活动与数据治理技术的结合,一方面扩大了智能BI行业的市场,在新的需求下促进智能BI不断的往纵深的发展和完善;另一方面,采用强大的BI平台技术,大数据分析技术,使行政管理和公众服务增加了新的内容,改变了行政方式,提高了行政效率。

一、BI平台建设的背景

伴随着政务信息化的发展,BI也也逐步成为政府办公的标配,在大数据、数据中台的生态环境的加成下,政务BI平台以大数据基础为支撑,提供了便捷易用的数据可视化操作与灵活高效的多维分析能力。

下面我们先聊一下什么是政务BI,政务BI起源于商业BI,从技术层面来说,都是指使用数据仓库技术、OLAP在线分析处理技术,数据挖掘和展现技术进行数据的“采,存,管,用”,从而实现政务价值。

简单来说,政务BI也是一款数据工具,一款可以进行数据分析并输出分析成果的工具,或者说是一套可以为政府领导实时查看信息,提供决策依据的数据分析解决方案。

如下本人项目的原型图:

二、政务BI产品架构设计

当得到政务BI平台建设项目的时候,首位接棒者就是数据产品经理,其要做的工作和常规的产品设计工作类似,首先要进行项目调研,对产品形态有大致的了解,进而梳理产品使用流程,完成功能架构设计,由此确定产品的需求范围和功能的边界。

1)产品的使用流程

以用户为切入点,我们可将用户分为内容的加工者:使用BI平台进行数据处理,数据分析与可视化制作的人群(一般是供应商或一线公务员);内容使用者:查阅报表的人群(一般就是领导级别)。

2)产品的框架设计常见的框架设计方式有:

  • 按照产品的功能模块展开设计:如果产品相对独立,或者对上下游的依赖关系清晰,可选用以产品的功能模块为切入点,进行产品架构设计。
  • 按照产品的业务逻辑展开设计:如果产品与企业多个系统存在依赖关系与数据流转关系,且系统角色复杂,可通过产品的业务逻辑来进行产品架构设计,在设计前,需要补充各业务模块的数据流转逻辑和页面交互。

三、政务BI产品功能详解

需求实现的方式有很多,“条条大路通罗马”,可供选择的实现逻辑也有很多。一般而言,政务智能BI也可以以下方式实现:

1. 数据的接入

如果要自上而下的讲解BI产品架构,首先要说的应该是基础服务,不过基础服务功能都是通用的,不管是商业BI,还是政务BI。所以这里从BI平台使用的主流程开始讲:

数据接入,顾名思义就是把源数据,外部数据接入BI平台,比如可以从Hadoop大数据平台(可以看做是新一代的数据仓库系统),政府其他部门的数据中台等接入。

简单来说,政务BI平台也一样,使用适配的数据源类型有:

  • 大数据平台:企业级数据仓库,常用Hadoop大数据平台,如Hive等。
  • 关系型数据库:可以通过JDBC接口实时访问的的数据库,如MySQL。
  • 文本数据源:文本文件如Excel,CSV。
  • API数据源:对外提供标准的API接口。
  • 内置数据源:内置的无须用户添加即可使用的数据,如天气数据,人口数据,移动应用数据等。

在进行具体的功能设计时,产品需要秉持“增删改查空异常”的七字真言,这是产品设计最基础最通用的设计准则。

2. 数据的处理

通过对已接入数据源的数据表进行二次计算等操作,创建新的数据集,以便进行数据的筛选与清洗、数据的标记、转换等。

数据集,顾名思义就是数据的集合,就是一张张新的数据中间表。为了提高用户的可视化分析取数的效率,政务BI平台也会建设一个中间层(分布式数据库)存储各类数据集,避免每次数据的调用都需要重新进行底层的取数与计算。

大概可以分为以下3种方式:

1)数据表类:最直接最简单最常用的数据加工方式,从指定的数据源中选择想要的获取的数据表,进行数据的抽取,保存操作即可。

2)SQL类:就是通过编写SQL语句的方式实现的,基本功能就是为用户提供SQL语法的编写能力。可以实现一些高级及有的深度的功能。

3)自助配置类:就是通过用户界面操作数据集,自助配置类降低了数据的操作门槛,具体实现流程有:

  • 数据的过滤:界面可视化进行数据的过滤。
  • 分组汇总:比如:需要根据某社区的居民明细表,统计该社区中各楼栋的住户数,起对应的SQL语句是SELECT COUNT(*) FROM <表名> GROUP BY <楼栋字段>。
  • 新增字段:新增字段属于相对复杂的处理动作,需要引入很多函数来实现多字段的二次计算。
  • 多表合并:通过SQL语句进行多表合并,主要是左右合并(JOIN操作)和上下合并(UNION操作)两类,这也需要有一定的编程基础,理解JOIN和UNION是实现逻辑。

(这里再补充一下,产品经理是必须要懂一定程度的编程技术的,编程世界的一些原理,概念其实都是来自于现实生活的高度抽象,改变世界的其实一直都是技术而不是产品,哈哈)

3. 可视化分析

前面说BI平台的内容生产流程时,我们说到从数据源到数据集的生产过程,对应着上文的数据接入与数据处理,而从数据集到图表,再到仪表板(Dashboard),就是数据可视化应用的过程了。

在日常的工作中,业务分析人员使用BI平台进行OLAP操作,并将数据分析的内容分发给其他人,就产生了报表或者数据大屏的展现效果。然后,将图表(组件)抽离出来,作为一个独立的模块,在创建仪表板时,业务优先创建图表,然后再将多个图表组装成仪表板,最终就可以形成一份份有价值的数据可视化。具体为:

  • 数据加工分析:还应根据实际需要进行一些临时的数据加工,如新增同比环比,设置维度与设置指标
  • 图表设置:目前基本的图表类型有卡片、表格、折线图、柱状图、饼图与漏斗图等,复杂的图表类型有热力图、树形图等等,百度的Apache ECharts 是目前国内应用最广,能力最全面的开源可视化图表库,大家可以参考一下。
  • 仪表板设置:包括过滤条件的设置,可实现数据的穿透与交叉分析。图表联动的设置,当筛选某个字段时,其他关联数据可以联动的切换。

这些常规的操作,我们在设计可视化的时候就要考虑好~~~~~~~~

4. 内容分发

内容分发,顾名思义就是把内容分发给用户。BI平台常用的内容分发渠道包括BI报表查看平台(PC)、移动BI(App)、数据大屏、邮件分发、URL分发与嵌入分发等。

报表数据的权限如何控制?如何实现权限的自动增删?不同的场景应用下如何拆分问题?

大致可以下方式去解决:

  • 用户:拆分用户主体下的最小单元,选择用户,选择报表,设置数据权限,从而完成报表分发。
  • 报表:拆分报表主体下的最小单元,选择报表,设置数据权限,选择用户,从而完成报表分发。

四、更加灵活的移动政务BI

1. 内容分发的窗口

一把手、二把手可以查看所管辖区域关键经济运行数据,人口数据等;发改委可以查看城市更新数据,旧村改造数据等;教育局可以查看当地的教育资源分配,就业情况等;交通局可以查看城市交通运行情况……这些信息很多时候是需要实时查看的,那就要有实时统计,并展现的载体:

本人推荐三种移动端信息架构形式:列表、网格、轮播(比如帆软FineReport支持的报表嵌入其他应用等)

2. 数据分析的工具

我们需要结合业务需求对底层数据进行萃取,选取常用的指标与维度抽象成指标库和维度库,作为移动BI用户数据分析的原材料。

1)指标库-数据萃取

主要包括指标的查看与申请、指标的维护,指标的分组管理、指标的说明等等

2)维度库-权限的管控

举例,我们为某市管辖下某区发改委分配“全区工业投资总额”数据时,在为其分配“全区工业投资总额”这个指标的同时,还需要限制维度为“全市”还是“全市下的某区”,以避免数据权限外溢,因此,维度管理是权限管控的最直接手段。

3)数据分析-乐高模式

数据分析的操作流程简单来说就是选择有利于数据可视化展示的图形,选取指标和设置维度3大步骤,具体来说就是将功能拆分成一个个“乐高”部件,用户可以按照自身的需要组装成各自的“乐高城堡”,最终达到自己想要的效果。

五、政务智能BI总结

随着政府与公共部门各级决策者对经济发展、城市管理、社会民生、治安、交通、教育、卫生等问题的日益重视,迫切需要建设一个涵盖各业务数据统计等于一体的BI数据分析平台,方便市政府各级决策者快速掌握相关情况、处理相关事务。

不管是PC端,移动端,还是大屏端,政务智能BI都不仅仅是数据分析的工具,它们输出的是政府决策辅助的服务能力,是为了让数据产生更多的行政、施政业务价值。

从传统的BI到敏捷商业BI,再到如今大数据体系下的政务智能BI,BI平台与政府业务越来越融合。BI平台对于数据资源管理的方案优势,提升了其获取底层数据的能力,这让数据对政府业务场景的描述越来越丰满,政务智能BI具备的更强的处理具体政务业务场景的能力。

本文由 @短剑在闲逛 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。