1.3 什么是效率问题

在上文中笔者探讨了什么是数据应用，并且从不同的视角对其进行了介绍，列举了关于数据应用的具体案例。根据本书对数据产品的定义，接下来大家需要明确“效率”这个概念。

“效率”的字面意思不难理解，但大家需要进一步明确在数据应用过程中的狭义的“效率”的内涵。只有将效率与上文中提到的数据应用相结合，才能准确理解做数据产品的初衷，并且在设计数据产品的时候找到思考的“落脚点”。

1.3.1 成本投入项

在企业经营过程中，常见的投入项包括人力、物力、财力。在设计数据产品的过程中也同样应从这三个方面来考量具体的投入。

1.人力投入

人力投入是投入项中最直观的部分。每当有人在微信朋友圈中发表图片并感叹那些灯火通明的办公楼时，大家就能直观地感受到人力投入。

人力是一种资源，而且像其他资源一样，也是极其有限的。我们每个人每天只有24个小时，人人平等；团队的规模也是有限的，不可能无限制地进行招聘；还有一部分“生产力”损失在参差不齐的能力水平方面。

围绕着数据产品，我们可以划分出以下常见的几个方面的人力投入。

设计和规划数据产品的产品经理角色。

设计和优化交互体验的交互设计师角色。

设计和优化产品视觉效果的视觉设计师角色。

设计和优化系统架构的架构师。

设计和落地实施技术系统的研发工程师角色。

加工和准备数据的数据工程师。

训练和优化算法模型的算法工程师角色。

计算和分析数据的数据分析师角色。

负责带领和管理团队的管理者角色。

当然，根据不同企业的具体情况，出于节省人力、提高团队配合效率等方面的考虑，这些角色之间也会相互重叠。若要从根本上解决人力调配的问题，就需要实施合理的项目管理。

项目管理的成果之一，就是面向项目目标能够充分地利用有限的资源，杜绝资源浪费。在这一方面，大家可以根据自己的团队规模、产品和项目规模，以及需求和环境的变化情况，参考PMP（Project Management Professional，美国项目管理协会开发并推广的项目管理资格认证）、ACP（Agile Certified Practitioner，美国项目管理协会开发并推广的项目管理资格认证）等成体系的项目管理思想和实践方案。

2.物力投入

物力投入也比较容易感知，如每个人工作时使用的计算机等电子设备，以及帮助大家完成海量数据计算的集群（关于“集群”的概念，接触过大数据的朋友一定不陌生）。但毕竟这些物品是“死”的，不会有情绪、偏好、学习能力等影响发挥水平的问题，与人力相比更容易管理。

关于物力投入的问题，可以用良好的设计来解决。比如，首先在架构设计方面能够“扬长避短”，针对不同的应用场景和技术框架的特点优化架构设计，以便能够充分利用有限的资源；同时，在设计和编码系统功能时，也需要充分考虑不同存储与计算架构自身的特点。当然，如果确实面临无法通过优化解决的复杂问题，也只能进一步追加资源了。

更重要的是，就因为这些物品是“死”的，随着业务和技术的发展，那些花费大价钱购置的软硬件在短时间内可能就会面临更新换代的问题。在财务方面，IT设备的折旧周期一般为3～5年。因此，物力方面的投入，在短期内是如何充分利用的问题，而从长远来看则是如何“与时间赛跑”的问题。

3.财力投入

在人力投入和物力投入的背后，基本都是财力的投入。不管是招聘高水平的人才，还是采购高性能的设备，都会伴随着财力投入。人力方面的财力投入，大家领薪水的时候自然能有所体会，当然这个方面的财力投入不止薪水一项。但对物力方面的财力投入，此前如果没有接触过设备采购相关的领域，大家可能不会有太多感触。

财力投入的问题，通过对人力和物力的把控可以解决一部分，剩余的部分不在本书的讨论范围之内，有兴趣的朋友可以关注更多财务方面的书籍和文章。值得注意的是，大家在考虑成本投入的时候，应将所有成本计算在内。

1.3.2 价值产出项

价值产出是搭建数据产品的直接目的，也是“提高效率”这个终极目标的必要条件。同时，产出的多少在一定程度上也反向决定了应该给予多少投入。

在企业内部，通过应用数据产品，能够创造的产出主要包括以下几项内容。

1.创造收入

“赚钱”当然是最容易想到的产出类型，而产生收入的商业模式，通常包括直接出售产品副本、以功能订阅的形式提供产品服务、基于数据产品提供更深入的咨询服务等。同时，创造收入也是最容易衡量的产出，直接统计金额即可。

2.节省时间

时间上的节省也是比较容易感知的。比如，上文提到过的案例，通过搭建数据产品平台，制作同样一份数据分析报告的时间周期，从3个工作日缩短至0.5个工作日，这绝对是一份令人满意的成绩单。同时也可以看出，时间也是一个容易衡量的产出项。但在需求极不稳定、经常需要改变工作内容的情况下，这种直接的时间比较也会丧失一些说服力。

3.节省人力

笔者在上文中提到了人力投入，在这里又将节省人力提出来，其实节省人力就是用工作高效的人逐渐替代那些工作低效的人。

4.降低风险

这是更为隐蔽的一种产出。在实际工作中，最终的严重失误和损失，总是由点滴的小事积少成多而造成的。能够在事情不可挽回之前采取措施、逐步修正、降低风险，就能避免严重的后果，风险的降低就是这样一类产出项。数据层面的失误一般包括基础指标的定义和口径不一致、数据缺失、对同一指标数值的理解偏差、由于计算错误导致错误决策，以及由于数据支持不及时而造成错失市场良机等。

上述这些问题，通过设计和优化数据产品，通常可以得到有效的解决。这也是数据产品有价值的产出项之一。风险方面的产出比较容易理解，但若对其进行准确的衡量，则需要建立成体系的评估方法。

5.沉淀资产

这一项同前面几项相比，就更宏观、更长远了。在数据被高度关注的时代背景下，数据因其价值而成为企业的一笔宝贵的财富。数据产品在使用数据的同时，一般也都会参与到数据治理的工作当中，它是数据治理的获益者，同时也是贡献者，能够补充很多经过加工后才产生的有价值的数据。但这方面的价值更加难以进行量化，至少很难在具体工作层面进行精确的量化。

1.3.3 效率的问题

笔者在上文中已经对数据产品的投入项和产出项进行了详细的介绍。相信大家已经能够理解，在设计数据产品的时候，应该如何在总体上评估和规划一款数据产品，以及如何解决其中的效率问题了。

提到具体实施，就是依照上文中已经列举的各项，根据自己企业或团队的具体情况，为“效率”寻找适合的衡量指标，并为数据产品的搭建过程编制目标、列出约束条件。针对常见的情况，笔者主要探讨三种典型的企业或团队环境，以及关注的效率指标。

1.数据应用“冷启动”

这是在走上“数据化”道路之前的状态。比如，业务产品刚刚成型，还没深入考虑过如何利用数据促进业务的发展，或者此前将更多的精力花费在开发和巩固业务上，数据方面的建设才刚刚起步。

在这种情况下，一种方案是直接采购成熟的第三方数据产品或服务。这些第三方的产品或服务通常都会针对不同的行业和领域，推出有针对性的完整解决方案。对于在这方面缺少积累和预算的企业或团队来讲，这是一个不错的选择。如果选择这个方面，那么主要投入将会是财力的投入，同时也会在对接方面耗费一部分人力投入。而产出方面，除业务的实际发展以外，节省时间和降低风险可能会变成主要的产出。

另一种方案便是选择自行搭建的数据产品。这个方案的投入必然比前一种方案的投入大得多，人力、物力、财力三个方面都会产生大量的投入。而产出方面，由于是自己内部的平台，理应更能匹配团队的工作方式和业务特点。因此，产品完成之后的人力节省、时间节省等方面是重要的考量指标，同时也应衡量辅助业务发展方面的价值。

2.数据应用自身的优化

这种情况主要针对在数据方面已经有一定积累的企业或团队。随着业务和团队的发展变化，当初搭建的数据产品可能已经不能满足使用要求了，需要对它进行迭代。在这种情况下，上述的两种方案仍可以使用，但大多数团队仍然会选择在现有产品的基础上进行完善，以便应对业务和团队的变化。

在迭代的过程中，体现出的投入主要是人力的投入。如果对数据产品的核心功能和性能的要求没有发生明显变化，那么其主要的衡量指标就应是产品在完成迭代之后对新工作内容的支撑情况，以及是否在原有工作方面更节省人力投入。

3.数据应用的革新

这种情况主要针对那些在数据应用方面有深厚积累的企业或团队。这些企业或团队希望在相对独立的数据产品领域中形成自己的独特竞争优势，并且希望在数据应用方面对周边的企业或团队形成一定的影响力。

这种场景下的投入主要是人力的投入，而为了适应新型的数据产品，在物力和财力方面也需要相应的支持，如可能需要采购成熟的软硬件。在产出方面，就不仅仅是上文中提到的那些常见的产出项了，还应包括影响力的提升、品牌价值的提升、形成竞争壁垒、获得权威性和话语权等。