Question

对数据化运营而言，其产出成果可能更多地集中在分析报告上。但是在很多场景下，数据有更丰富的表示方式以及服务于企业运营的方法。

9.2.1　数据API

数据API是给数据应用方提供的轻型数据服务，该服务一般用于第三方主体的数据请求。基于数据API的方式获取数据有以下几种优势：

便于控制请求数量，建立良好的流量管理策略，防止服务过载。

利于授权和访问控制，尤其是涉及安全方面的数据监控的实现。

利于数据商业化变现，只需按使用量付费，例如请求次数、请求数据量等。

降低数据交互的开发难度，不同的数据应用方都能采用统一的数据接口开发方式，从而提高开发效率。

降低数据基础设施，例如宽带、服务器、机房等投入，使得数据应用更容易“轻装上阵”。

数据API一般以验证、识别、授权等服务为主，很多数据API也能提供较粗粒度的数据概要，而对于细粒度的数据通常不会以API的方式提供出来。

数据API的商业价值在于它能帮助企业实现数据资产的变现，数据将不再局限于企业内部流转，更能将其作为“产品”或“服务”打包出来，无论在企业价值的评估上，还是资产负债表上都能将数据价值直接量化出来。

9.2.2　数据模型

数据模型是将常用的具有固定思路和工作方法的应用固定下来，然后通过程序封装为一个小应用，这种应用一般具有特定的运行机制。在本书的内容中，我们介绍过多次将数据应用模型固定化的思路和方法。

能被固定下来的应用一般具有以下特点：

数据源以及数据从产生规则相同，没有新增或变更。

数据处理流程可以固化，并能支持一定程度的容错性。

能适应较大数据量，不会随着数据量的增加而出现重大运行问题。

应用的运行就有特定触发机制，无需依靠人力“手动”触发，例如基于时间周期、基于特定事件等。

数据模型的固化一般集中在具有“应用性”的算法基础上，例如分类、回归、关联、异常检测等，其输出结果具有固定模式；而对于侧重于“分析性”的算法和应用上则不适合。

9.2.3　数据产品

数据产品大多数以辅助决策支持产品为呈现方式，它的侧重点是通过产品化的形式提供辅助决策支持，是数据驱动业务的重要方式。

数据产品聚焦于数据，通过特定方式提供数据结论，但本身并没有任何运营类功能，只能与运营系统对接或依赖运营人员的理解来发挥作用。

数据产品是当前数据化运营支持的重要载体，更是企业内部实现数据化运营的主要支撑方式，任何企业要实现成熟的数据应用工作必须有对应的数据产品做支持。

常见的数据产品包括：

数据报表系统：数据报表系统是数据产品的最初阶段，这类产品只提供统计报表功能，而不支持对报表结果做分析。例如指数类、统计类都属于这种应用。

数据分析系统：数据分析系统在报表系统基础上，增加了分析功能。不同分析系统提供的分析能力不同，大体分析能力包括下钻、临时分析、即席分析、可视化分析、多维分析等。这种分析功能的加入使得报表不再只有结果而没有过程，能满足初级基于简单分析方法的分析应用。

流量智能系统：数据智能系统包括数据挖掘类型、商业智能类等多种产品形态，这类产品在功能上增加了很多可以实现智能化的机制，例如告警控制、算法模型、预测能力等，它们可以辅助于人类在海量数据和潜在规律上的挖掘和探索。

从数据产品的进化层次上，三个层级的产品依次递进，一般情况下各个企业内是循序渐进实现的。因为这里面不同层次不同的技术挑战外，还涉及业务应用的问题，业务方的数据应用以及数据工作文化的形成往往也是一个渐进过程。

9.2.4　运营产品

运营产品往往披着一层运营的外衣，但内在其实是数据主导的应用。这类应用的核心是数据工作流程，落地点是业务产品。

运营产品相对于数据产品的进化之处在于，运营产品无需依赖于业务方的理解和执行，而是依赖于自动化IT工作机制自动完成业务流程和运转。它能有效解决以下问题：

业务方由于自身因素对数据价值落地的干扰，例如数据理解能力、工作经验、实施能力等。

提高数据落地的效率，所有环节自动化完成。

将决策、推导、执行、验证结合起来，形式一体化数据工作机制，避免各个环节分散到不同部门或体系中导致的执行难的问题。

常见的由数据主导的运营产品例如：

个性化推荐：个性化推荐系统是互联网和电子商务发展的产物，它是建立在海量数据挖掘基础上的一种高级商务智能平台，直接在网站以及其他提供展示信息的载体上直接为客户提供个性化信息。

精准营销系统：精准营销系统是运营产品的一种，它往往能细分出多种产品，例如重定向和再营销系统、精准广告系统等。这些精准营销系统的背后是基于对用户行为的挖掘而找到最佳广告投放对象，再将广告投放功能“嫁接”上便具有了投放功能。

运营产品很多时候往往无法直接区分出来，原因就是其运营的属性是显性的，而数据的属性是隐性的，对于数据在运营产品背后发挥的作用，往往只有产品设计人员了解，而运营使用人员可能不清楚。但正是这种模糊了边界的应用，才将数据与运营无缝结合起来，使得二者密不可分，数据不再是可有可无的角色。