数据来源于用户，高质量反哺服务于用户

数据作为公司层面的重要资产，更是用户的关键核心资产。如果想要数据资产真正发挥作用，要从用户需求角度出发，更好满足用户对数据分析产品设计的期望。

一、现状分析

日常工作中，总结用户可以利用数据资产的途径共3条：

1. 前端功能页面自带数据查询报表；
2. 向运维部门发起数据提取申请；
3. 数据产品研发部门开发的智慧驾驶舱类分析图表。

• 第1种途径面临的问题是每个页面都只能查询特定狭窄范围内的数据信息，用户需要进一步分析的，需要将查询结果分别下载后再次处理。
• 第2种途径面临的问题是由于公司相关各方对数据安全愈发重视，数据提取需要较长审批流，需求满足周期较长，并且提取的数据结果行条目可能会超过一般数据分析软件（例如Excel）可支撑范围，造成用户无法正常分析数据。
• 第3种途径面临的问题是从用户梳理数据指标需求到数据产品及研发开发固化的数据图表，需要较长的沟通、研发周期，并且如果数据图表展现效果与用户预期存在较大偏差的，又会重复用户数据数据指标需求到数据图表开发固化流程。

是否有更好的方式来满足用户？通过如上3种途径的对比分析可知，新的更好方法应至少满足：高效（快）、便捷（灵活）、数据安全等3个条件。工作中通过对存在数据分析需求的用户调研可知，100%用户具备使用Excel分析工具的能力，78%用户只会使用Excel工具来分析数据，22%用户具备使用专业数据分析软件（例如帆软BI、Tableau）的能力。

资源总是有限的，但用户需求却是无穷尽的。有限资源支撑无穷需求，就需要找规律、找共性，有抓、有放，方能达到多方的平衡。

从用户需求出发，将不同用户的数据需求分门别类，有些需求是存在共性的，各用户或大部分用户都会用到。有些需求却由于各用户业务使用场景存在较大差异，与其他用户需求间不存在共性。综上，可以将用户数据分析需求归为两大类，分别为：

1. 共性通用数据分析需求；
2. 个性差异数据分析需求。从满足用户对数据分析高效（快）、便捷（灵活）期望出发，共性通用数据分析需求应提供智慧驾驶舱类图表产品功能，数据产品和研发提前介入梳理共性数据需求，归类数据指标及计算逻辑，并开发用户可直接使用的图表数据指标结果。个性化差异数据分析需求应为用户提供自主数据分析的产品功能，支持用户对权限范围内数据可直接使用，并用于数据分析、展现并分享。（见图1）

图1 数据需求分门别类

业务数据流转全流程中如何保证数据安全呢？

当前模式下数据应用全生命周期中存在极高的安全风险，数据可以大颗粒度划分为敏感数据、非敏感数据。敏感数据是指泄漏后可能会给社会或个人带来严重危害的数据，包括个人隐私数据，如姓名、身份证号码、住址、电话、银行账号、邮箱、密码、医疗信息、教育背景等；也包括企业或社会机构不适合公布的数据，如企业的经营情况，企业的网络结构、IP地址列表等（引用自百度百科）。

数据应用特别是包含敏感数据的应用全生命周期缺乏必要颗粒度的数据跟踪、监控，源数据被随意下载、源数据可任意传输、数据结果自由分享等，数据规范使用无法保证。

实际业务中如何定义敏感数据是从字段维度来处理的，敏感数据可以分为基础敏感数据和复合敏感数据，基础敏感数据在经过业务逻辑加工后生成的复合数据也是敏感数据。数据安全是保障数据资产至关重要的组成部分，如果能够在数据应用全生命周期中对敏感数据字段有明确打标，并能够对敏感数据流转全流程进行严格记录，那么如果敏感数据存在被风险使用的情况，则可以通过标签和流转记录来及时预警、加签相应审批等，从而保证数据应用全生命周期的安全。

通过调研发现市场上数据血缘关系技术可以满足数据安全要求，数据血缘关系是指数据在产生、处理、流转到消亡过程中，数据之间形成的一种类似于人类社会血缘关系的关系（引用自百度百科）。

（见图2）

图2  数据血缘的应用

二、产品构思

产品功能存在的价值是解决用户痛点。结合如上更好满足用户数据分析需求的产品功能要求分析，除了将数据血缘技术作为全流程基础应用能力外，新构建的产品能力还应满足高效（快）、便捷（灵活）数据分析期望。产品核心包括两套能力（大部分可共用），一套能力由数据产研支持使用并实现共性通用数据分析需求的开发实现；一套能力支持用户可自主服务使用业务数据。

可支持用户自主服务的产品功能模块主要由研发层和用户层两部分组成（见图3）。

图3 数据分析产品功能设计

本产品功能设计目标为：专业的人做专业的事情，技术难题留给技术人员解决，用户只需聚焦数据的自主灵活使用，考虑如何更好助力业务发展。从技术维度分析，抽取共性，搭建类数据中台能力，并引入数据血缘技术，实现数据流转全流程记录。分析数据指标流转全流程，防范安全风险的发生。

站在用户使用数据的角度，产品功能设计需要满足业务数据可识别、可抽取、可分析、可传递等要求，不同要求所需要具备的产品能力不同。

• 可识别—此要求在研发层处理，由数据产研支持实现。数据产研从数据源处将数据库、数据表、数据字段等维度数据经过ETL处理后按照业务场景生成各种业务宽表。但此时数据宽表对用户还是不够友好，比如数据字段命名非中文，数据产研通过数据标准化模块实现数据宽表数据的可被用户识别，然后从数据安全保障角度，支持多维度数据权限管控，并通过规则定义模块明确定义敏感字段，以及设置特定情况下数据审批流程，例如新增数据字段使用权限申请，敏感数据下载审批等。
• 可抽取—此要求在用户层实现。以筛选条件可视配置的形式支持用户多维度数据关联，从数据权限范围内获取用于当次数据分析的源数据。
• 可分析—此要求在用户层实现。从用户日常数据分析使用习惯角度出发，对标Excel数据分析能力逻辑构建多维度数据分析产品功能，并支持数据多类可视化呈现。图表呈现时用户可以选取各种模板并建立数据与图表的关联关系，从而实现数据的周期性更新呈现，除此之外，PC端模板与移动端模板间建立映射关系，用户只需搭建任一端图表，即可实现多端数据图表的呈现，有效提高数据应用效率。
• 可传递—此要求在用户层实现。支持用户通过多种方式和途径与相关方交互数据分析结果。周期性计算的数据结果以报表/图表形式同步到相关方，支持相关方在PC端和移动端方便查看。同时下载的各种格式数据结果应用水印技术，在数据下载以后阶段继续保障数据的安全。

三、收益浅析

如上产品能力构建之后，用户数据分析需求的满足模式会发生很大变化。（见图4）

图4  用户数据分析需求满足流程前后对比

并且由于数据分析需求满足模式的变化会产生很多收益，概要分析如下：

• 减少前端功能页面自带数据查询报表开发工作量，降低用户数据分析需多处查找的难处；
• 减少数据分析需求流程流转节点数量，提高用户数据分析需求响应效率；
• 支持用户自主业务数据应用，提高用户数据分析的效率和灵活性，间接提高用户满意度；
• 引入数据血缘技术和水印技术，提高数据分析全生命周期中业务数据安全性；
• 支持多途径交互数据分析结果，提升业务数据分析应用场景和结果数据的查看便捷性。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！