[[148435]]

想象一下，如果存在這么一個交叉點，讓所有數據分析帶來的創新與硬件革新相遇的話，那它能帶給我們的就會像Monica Rogati在Jawbone的工作一樣輝煌。作為Data公司的副總裁，Monica Rogati創建了一支由科學家和工程師組成的隊伍，這個隊伍將可穿戴設備、數據以及物聯網技術發揮到了***。如今，她將大部分時間都用在了給那些想要***限度利用數據的公司提供指導意見。

如果說有誰在這個領域取得了登峰造極的成就的話，那就是Monica Rogati了。但她的成就并不能掩蓋大部分公司還在學著利用數據來開發更多優質產品的事實。越來越多的企業開始報名參加機器學習等等課程，但將知識轉化成簡單、優雅的產品這一過程卻超出了大部分公司的能力。當然，這些并不能阻止消費者追求更精致的數據產品。

“大約10年前，有一段視頻在YouTube上被瘋轉，視頻里一個小嬰兒拿著一本雜志，試圖將雜志當成iPad用。小嬰兒對著雜志敲敲點點，在看到雜志沒什么反應后，小嬰兒頓住了，盯著雜志腦袋里想著，‘這個一定是壞了’。”Rogati說道，“顯然，新一代的人正成長為數字原生代。今天，我們得以見證數字原生代們為創造一個能與他們的需求無縫連接的智能世界而掀起的新數字革命。”

數字原生代們極其渴望擁有能夠預測他們所有需要的產品。在這篇獨家報道中，Rogati跟我們分享了一些能夠幫助企業利用自身資源，滿足新一代渴望的方式。

理解“數據時代原住民”

數據原生代指的不僅是對科技熟悉或從事數字相關的工作，也不僅是喜歡在網絡上看新聞或能熟練使用科技工具。數字革命的興起是因為社會的平衡越來越傾向數字原生代們——這群被電腦、網絡影響成長起來的年輕人。但Rogati認為我們正處在一個與數字革命類似卻又完全獨立的革命——數據革***。

“數據原生代們不僅希望這個世界能變得數字化，而且希望世界智能化，能智能地適應他們的品味和習慣，”Rogati補充道，“比如說，一本雜志不僅僅應當做到數字化、互動化，也應當做到個性化。它應當能根據你的興趣、地點、偏好來告訴你你需要知道的信息。數據原生代們的愿望已經轉變了。”

數字原生代對給自己的恒溫器進行編程應當會感到相當自在，但數據原生代更希望這個恒溫器能自己編程；數字原生代可能會用星巴克的應用來訂早晨的咖啡，但數據原生代希望星巴克的應用能在準確的時間自動給他們預訂他們最喜歡的飲品。不僅如此，數據原生代們還希望這款應用具備情景感知功能，這樣它就能知道什么時候預訂老一套，什么時候混搭一下讓用戶嘗個鮮。

數字原生代們關心他們能用科技做什么，而數據原生代們想知道科技能為他們做些什么。

這種心態因為網絡設備的爆炸性普及得到了加速傳播。Cisco最近的一份研究顯示：2019年前，網絡設備的數量將是地球人口總數的三倍。McKinsey表示，據預測，2025年前物聯網科技將打破現有經濟形式并創造價值6.2萬億美元的新市場。3年前，Home Depot能提供的智能家用設備還只有100種，如今已達600多種。

Rogati在Jawbone正致力于一款健康手環的開發，這款手環的設計正是為了趕上當今潮流。它不僅能幫助用戶忠實地為自己打分，激發用戶的潛能，還能在用戶起床的時候為他們打開咖啡機，將電視機調到AC米蘭的賽事頻道，晚上睡覺時為用戶關燈。

即便如此，還是有大量證據顯示市面上的產品并沒能與消費者們不斷攀升的期望值同步。“你的GPS不知道你喜歡的路徑，它還是會給你顯示幾千里外的餐館；廣告也還沒能完全知道你是誰，你想要什么。有一天一則推送的廣告告訴我說能在7天之內讓我拿到學位，但它明明知道我花了7年才拿到博士學位。”Rogati說，“還有，你的手機會把 ‘LOL LOL LOL’這樣的話自動糾正為‘lollipop oligopolistic’，我相信從沒人說過這種句子。能使設備智能化的數據我們都有，我們只是還沒能到達那一步。”

這是個有意思的窘境。通常來說，新科技拓展了人們對于可能性的認知，然而現在人們已經開始幻想那些還沒人知道如何構造的產品了。

數據產品：如何趕上“智能”世界

對于數據產品正確、實用的定義是：“數據產品能根據從你、其他人以及整個世界那里收集的數據來提供情景感知和個性化功能。”Rogati說道。開發出優質設備的關鍵之處就在于縮短反饋環路的時間，以便產品能夠持續迅速地收集數據。

[[148436]]

另外，發送推薦與用戶進行互動，并通過用戶的選擇來研究分析也是提升智能化的一大途徑。你發送的推薦越多，你就能通過記錄、回應用戶的偏好來變得更加智能。這正是亞馬遜35%的收益來源于推薦的產品的原因，也是Netflix75%的影片是通過推薦來租賃出去的原因。

在Jawbone，Rogati和她的團隊的任務是利用數據、提供數據來幫助手環用戶多運動、多睡覺以及健康飲食。他們會自動探測用戶的體育鍛煉，將其進行分類，提出飲食建議，并幫助這款設備成為用戶的“智能教練”。智能手環會監督你比平時多喝三杯水，多走1000步或是提早10分鐘上床睡覺。

“以上所說的只是個人層面上的，當我們擴大用戶規模時，事情就變得有趣多了，”Rogati說，“如果大量的用戶同時做這件事的話，我們就能知道人們對于這款應用是秉持著積極鼓舞的心態，還是如教官訓練一樣的心態。我們還可以知道促使人們運動的是合作還是分享——比如是讓大家協商好一起跑100英里還是跑步競賽。”

如果我們想做好這個設備，是需要數據科學的充分支撐的。這不只是多幾張圖表這么簡單的事，而是為用戶提供深入的個性化體驗。

那么從哪里開始呢？

#p#

數據產品始于數據

在你進行任何分析，建立推薦系統或開始訓練機器學習模型之前，你需要數據來進行詳細剖析。剖析的目的不是簡單地堆積數據，而是要豐富數據的種類，Rogati如是說。這意味著你要盡可能地裝備你的應用來錄入數據，因為有些數據很可能會永遠遺失。舉例而言，“只錄入用戶點擊推薦產品的數據是遠遠不夠的，你還得知道其他被推薦的產品，被推薦產品的順序以及在顯示器上的位置，”Rogati說，“此外，你還要記錄用戶使用的算法版本、參數、字符串，因為這些在幾個月內可能都會改變。”

[[148437]]

可信的數據流

如果你沒有可信的數據流，那么即使是***的裝備，***的機器學習算法也幫不了你。“如果你改變了參數的屬性或是你的基礎結構不足以容忍錯誤或無法升級，那你收集的數據就是不準確的。”Rogati說道。控制面板的運行以及內部分析都遵循這個道理，數據產品就更是了。

當你將數據回流給用戶，造成了數據流斷裂時，后果是非常嚴重的。因為你沒能提供好的推薦，從而錯過了銷售的機會；你的應用也可能因此崩潰，因為一個隊列被堵塞了。與此同時，你還失去了用戶的信任。

有效數據和快速迭代

許多文章都已經指出數據處理和清理的重要性。我們經常聽到這樣一個說法：“數據科學家80%的時間都是在處理數據。”這個說法還賦予了一些人惡搞數據科學家的靈感（數據科學家80%的時間都在抱怨數據處理）。但是，Rogati希望這些數據科學家能接受這樣的事實： 處理數據的工作不是在貶損你的能力。完善的數據準備是一項探測性工作；只有兼具直覺、經驗、智慧的實用主義者才能勝任。

Rogati表示：“為處理數據付出努力是完全值得的，因為它對結果的影響比你選擇算法的影響還要大。”

真正的挑戰來自于你根本無法預測數據錯誤的種種方式，這使快速迭代（不管是底層數據處理還是產品運送）顯得無比重要。

反饋回路中的人

不管是數據產品還是傳統分析，用戶體驗都是其中至關重要的一環。即使你的后端數據純凈有條理，你也得開發一個設計合理的用戶界面。另外，你還要有一個不是太難用，不會阻礙員工進行探索的控制面板，用于報告和分析。為了真正投入對收集的數據的分析中并吸引團隊里多種多樣的意見以及創造性的見解，你要保證每個人都對他們投入數據分析以及得到結果的方式感到自在。而一個不合理的界面會成為實現這一切的巨大阻礙。

對于數據產品來說，用戶體驗就是一個門控因子。“要確保用戶的互動流暢、直觀、穩定，因為有些人會誤解這種互動，有些人會點到 ‘錯誤的’東西上或懷有不同的期望值。”

優質的用戶體驗和準確的數據會讓產品看起來更智能。

[[148438]]

數據產品都有兩面性，這兩面互相鞏固會創造一個良性的反饋循環。在實踐中要怎么做呢？你得讓用戶能夠方便地使用那些與人們生活無縫融合的軟硬件，這樣，它就能產生更多更優質的數據。

Rogati根據她的經歷舉了一個自動輸入程序的例子：“比如說你正在往Jawbone的移動應用里輸入飲食記錄，這時快速自動輸入就顯得非常重要了，因為它能幫助用戶更快地完成記錄。用戶輸入信息越快，他們就會越頻繁地使用這個應用。這樣你最終也能獲得更多優質、連續的數據。如果你能自動輸入人們的想法，你就能避免錯別字以及避免使用同一概念的數千種說法。”

分析良性的反饋循環，從中你能獲得更多的優質數據，而這些數據反過來也會讓自動輸入更快、更好用，這樣用戶在使用該應用時也會感覺更流暢、更智能。“這就是***數據產品需要可靠的數據流、快速迭代以及密集型反饋循環支撐的原因，也是提升用戶體驗，實現真正智能化的條件。”