跨职能合作，优秀的数据产品如何三步炼成

在发布产品后评估结果就对数据产品做出有用或者无用的定论不像简单的UI调整那么直接。这是因为，当你收集到更多数据的时候，数据产品的效果基本都会提高，而且基础数据产品会随着时间推移实现更多功能。在封装一个没有明显优于竞争对手的数据产品前，请你的数据科学家准备好一些重要问题的回答。例如，产品和原先比数据收集效率提升了多少?提高算法效果上有多少成果?未来将会解锁什么样的应用?基于这些问题的回答，一件当前指标并不耀眼的产品也许其实值得保存下来。

2. 迭代速度很重要

数据产品经常需要在算法和UI上进行迭代。挑战在于决定在哪里进行迭代的价值最高。数据和用户反馈将帮助团队知道什么功能需要改进。算法迭代成为核心时(通常在复杂的推荐系统或者通信系统中算法迭代会无比重要，比如Coursera的个人学习干预项目算一个)，我们将需要考虑到系统设计是否方便数据科学家在开发中独立地部署并测试新模型。

在产品与商业领袖和数据科学家之间培养合作的默契，优先考虑用未来的眼光投资，然后从简单之处开始起步，任何类型和规模的公司都能加速开发出能有效解决用户核心需求的数据产品，以给为企业添加能量，创造持续性的竞争力。

相关报道：https://hbr.org/2018/10/how-to-build-great-data-products

【本文是51CTO专栏机构大数据文摘的原创译文，微信公众号“大数据文摘（ id: BigDataDigest）”】

戳这里，看该作者更多好文

【编辑推荐】

1. 万字长文揭秘：阿里如何实现海量数据实时分析？
2. 阿里巴巴的大数据之路：JStorm与Blink的发展史
3. 2019年五大攻击形式和数据泄露的八大预测
4. 数据科学家“恐怖故事”
5. 真实与炒作，发展与失望并存的一年：大咖共同回首数据科学与分析的2018和展望2019

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!