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

C
Check Point Blog
aimingoo的专栏
aimingoo的专栏
Jina AI
Jina AI
Microsoft Security Blog
Microsoft Security Blog
IT之家
IT之家
V
Visual Studio Blog
量子位
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 聂微东
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
大猫的无限游戏
大猫的无限游戏
Y
Y Combinator Blog
Stack Overflow Blog
Stack Overflow Blog
D
Docker
MyScale Blog
MyScale Blog
小众软件
小众软件
云风的 BLOG
云风的 BLOG
美团技术团队
Microsoft Azure Blog
Microsoft Azure Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
Last Week in AI
Last Week in AI
Apple Machine Learning Research
Apple Machine Learning Research
博客园 - 【当耐特】

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,
国内BI应该叫效率提升工具,而非数据分析!
风姑娘的数字视角 · 2024-07-24 · via 人人都是产品经理

作者从个人经验出发,对国内外BI工具进行了深入的探讨和比较,强调了灵活性和用户友好性的重要性。通过揭示国内BI工具在设计和功能上的局限性,以及市场对这些工具的误解,作者提出了对BI和数据分析本质的深刻见解,并讨论了数据运营的逻辑和规则的重要性。

对于BI的使用,我是从Tableau开始的,我对于BI的定位一直是在敏捷分析的层面,最早接触国内BI工具开始是永洪BI,我记得他们的表达式语言还有类似js还是java的语言,当时把我这个做数据的人给惊呆了,当时我的团队都是做数据的,懂的语言都是数据开发语言,也就是sql那套及周边,最多就是python,当时评估下来这种语言来参与计算很不友好,也就意味着项目结束后,我自己团队很难运维,没有人专门去研究和正常数据开发不太相关的语言,真去研究了那他们就搞成技术人员了,那还怎么搞数据分析。

后来再接触到帆软的BI,我一看他们还专门还搞了一个report,那个界面看得我很头疼,虽然excel我玩的已经非常不错了,但是看到那样的一个我称之为excel的衍生工具,我还是有点头疼,这个工具听说是面向IT的,那我觉得直接用EXCEL就好了,很多工作在数据库里处理好,好像更方便。

再后来又看到各种国内开源的BI工具,又是令人非常崩溃的工具,我不是搞开发的,开发能力仅仅是我做数据分析的一个工具或者一个过程而已,开源工具的开发语言也很不友好,然后到了图表界面更令人无语,整个过程下来离数据分析几乎不着边,简单的统计加工吧,我觉得这样形容更为贴切。

其实总体感受国内的BI 都在围绕报表在转,他们说的最多的肯定是中国式报表,什么是中国式报表呢?

大家企业都有财务部吧,财务部是集中企业内部报表最多的地方,也是企业内数据最权威的部门,很多大型国企、央企的IT部门都是挂在财务部的,所以一定情况下财务部是凌驾于技术部门之上的,所以企业的分析基本就围着财务在转。

但是这里就有个问题,财务部为什么都是做报表呢?首先财务部的数据确实多,他们有法定报表要做,还有管理报表要做,每年可能还要开各种经营大会,那么就有经营分析报表,这些内容都是在财务部根深蒂固的内容,他们并不懂得什么是财务分析,什么是业财分析,他们看二维表看多了,看习惯了,他们不太容易接受图表。

所以在这样的环境下,各BI 厂商有一部分的原因是在迎合客户,但是我觉得很大一部分可能是他们的产品经理也不懂数据分析。

很多产品经理聚焦的是产品功能,并不具备数据分析、数据应用的思维,或者说国内的BI是在国外的产品上进行迭代出来的,所以国内的各BI厂商的产品都极其相似,一方面是土壤,一方面是能力。Tableau 产品经理我觉得是很优秀的,就是它作为一款敏捷分析的工具已经具备了一定灵活的功能。

我们说数据分析,大家就想到BI工具,这个思维认知是不对的,BI 工具只是实现数据分析的一种手段,何况国内的产品干的就是以报表为目标,所以称之为报表工具会更合适些,数据分析我定义为一项职场人士的一种技能。

企业内有人力数据、财务数据、销售数据、市场数据等等需要分析,所以数据分析不是固定的一个套路,它需要具备非凡的柔性也就是灵活性,所以这就要求分析工具就要有很大的灵活性,所以EXCEL用的好的人其实更喜欢EXCEL,数据库用的好的人更喜欢用数据库,因为他们非常非常之灵活,所以一定程度上Tableau 是灵活的,但是国内的BI 产品是缺乏灵活性的。

在数据价值挖掘这件事上,灵活性就决定了分析的深度和广度 ,所以工具不够灵活就直接造就了数据分析刚开始就遇天花板,所以我一直在说BI 和数据分析不能划等号,当前市场的很多人对这事的认知已经走入了一个很大的误区。

如果BI等于数据分析,那么整个国内的企业基本就走到了数据分析的尽头,因为分析工具决定了生死,这么下去数据分析师都可以下岗了,因为都交给了BI 工具。

当然数据分析师现在也是一大市场误区,他们把他们的职业干成了取数人,干成了表哥、表妹、表姐,这个很多人都没意识到,所以企业数据应用能力很弱,因为把数据价值挖掘这么重要的事绑定了一个或者几个岗位上,这些人从来都是技术思维,而数据应用的天花板从来不是技术,而是应用。

现在在大模型的加持下,我们会发现这些厂商又在效率上做文章,他们宣导的基本是数据查询效率如何加快,如何提升,IT人员解放了,业务人员自己上手了,但是这样的境况其实也是很有风险的,将所有的责任和风险全部转嫁给了业务,业务人员都还没搞明白什么是大模型,就又多了很多活出来,他们真的还能把精力专注放到做业务中吗?

所以产品的结果来源于人的设计,产品的运行规则是人设定的,这些做产品、做技术的人一直专注在产品的各种精进,但是却没人真正了解数据赋能的逻辑,好比国内这么多大厂小厂都在卷大模型技术,但是应用在哪里,应用场景成熟了吗,好多产品往往并不成熟就直接推向市场,推向甲方,但是经不起专业人士的推敲,因为他们内测的时候是测功能,测试的人也不懂数据应用。

如果BI产品直接定位为效率提升工具也没问题,但是这么多厂商宣讲的都是数据分析,数据赋能,然后再看实施项目的人都是搞开发的,他们不具备主动解决方案的能力,所以BI项目不是做死了也是做得半死。

我已经看到好多企业这块做得非常混乱,因为这块都不清楚,其它内容一同混乱,企业数据就是一锅粥,他们缕也缕不清,想也想不明白,这和他们开始想要上BI 项目的初衷是背道而驰的,但是很少人能讲的清楚问题在哪,因为这是一个体系的问题,不是随便做数据的人都能讲得明白的,因为数据应用这个链路上有很多环节工作,大家多翻翻我的文章就知道了。

说句实话,甲方企业这些产品的弯弯绕绕看不明白,现在还有各种中台、指标、运营等各式各样的产品来打市场,如果我是甲方企业老板,我就干一件事,把数据运营这个逻辑和规则给研究透,因为这才是最重要的一件事,最具商业化价值的一件事。

作者:风姑娘的数字视角,公众号:风姑娘的数字视角

本文由 @风姑娘的数字视角 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。