《中台产品经理宝典》目录
读书笔记《中台产品经理宝典》1-5章 刘天著
读书笔记《中台产品经理宝典》6-10章 刘天著
读书笔记《中台产品经理宝典》11-12章 刘天著

第11章 企业业务指南针——数据中台设计实战

一、数据中台建设背景与重要性

1. 闭环产品体系设计：将产品研发与市场反馈相关联，按照市场需求迭代推进。
   正确的产品生产流程应在市场反馈下及时纠正发展方向并迭代，尤其是新产品需确认商业模式和需求痛点，及时调整。数据可低成本快速定位用户声音，如用户偏好、对功能的接受度等，避免公司运作模型畸形。
2. 数据中台的作用：数据中台是将多条分散业务线的数据进行汇总整合使用的数据系统，可帮助企业进行整体业务聚合分析，避免各业务线数据成为独立集合单元，无法进行横向维度分析和数据调用。

二、数据中台建设步骤

1. 战略目标
   • 数据中台建设总思路：通过数据指标体系（指标+事件）判断业务好坏，关键是找到整个公司的核心指标，利用核心业务驱动确定数据指标范围，避免采集数据颗粒度过细或过粗的问题。
   • 选择一个合格的北极星指标：产品设计需明确与用户的“博弈”点，从注意力博弈、交易量博弈、创造力博弈中选择一个核心价值，确定业务核心指标。以电商平台为例，其核心是“货”和“人”，即商品信息和用户，细化为品类管理、库存管理和销售额，通过唯一关键指标（OMTM）衡量。

• AI问答

  如何确定企业的北极星指标？
  确定企业的北极星指标可以按照以下步骤进行：
  1. 明确业务核心：问自己到底什么是业务核心，即对于不同的产品来说，在迭代初期都应该有一个核心，最想让用户在这儿干什么。
  2. 参考经典思路：可以参考在硅谷十分流行的产品目标设计的经典思路，产品设计者必须弄清楚自己的产品与用户“博弈”的是什么，这里的“博弈”指的就是用户的本质诉求与你提供的解决方案间的博弈。
  3. 分析流行产品：分析市面上一些非常流行的产品，参与的博弈类型，如注意力博弈、交易量博弈、创造力博弈中的一种。
  4. 选定核心价值：从三种博弈中选择一种作为本产品的核心价值，并在该方向上去发现业务指标。
  5. 衡量核心指标：找到产品的核心指标后，思考什么指标可以衡量其好坏。例如，资讯平台对于阅读动作，可以用页面浏览量（Page View，PV）这一指标去衡量；视频平台可以用关键视频播放次数；社交应用可以用单用户日均发言数；社区平台可以用用户发帖数、回帖数；电商平台可以用用户下单量、客单价。
  总之，只有业务的核心数据才会对企业有意义，而不是笼统计算得出的用户访问量。例如电商平台，其核心是“货”和“人”，对于“货”的管理分为品类管理与库存管理，对于“人”的管理关注销售额，这些是确定北极星指标的基础。

2. 阶段目标
   • 统计数据：将数据指标分为战略、战术、行动三个层级，依据公司不同层级人群需求归类。
     通过业务目标、实现方式、业务度量三个维度梳理指标，分为过程类和结果类，结合产品载体等客观条件进一步拆分，定义满足可准确反映业务情况、数据易收集、准确度高的指标。
   • 事件分析：对特定用户行为进行过程化分析，得出定性结果指导产品下一步方向，包括快速定位产品态势、找到症结所在、确定产品走向。以用户分析为例，通过生命周期分析、活动单元分析、用户态势分析，找出产品在不同阶段的问题和改进方向。
3. 执行战术
   • 生命周期分析：使用对比判断产品生命周期，处于萌芽期、成长期、成熟期的产品有不同的特征和问题。以案例中的海淘业务线为例，判断其处于成长阶段但留存率低。
   • 活动单元分析：产品生命周期不同阶段有不同的基本动作单元。
     萌芽期关注各渠道质量，以自然量和渠道ROI为指标判断渠道优劣；
     成长期偏重监控留存率，发现案例中产品留存率低，需梳理流程找出问题；
     成熟期关注关键指标转化，将关键指标落实到产品操作动作流，进行漏斗模型检测。
   • 用户态势分析：通过用户静态标签和产品使用习惯找准用户“七寸”进行产品设计。以案例中的用户画像为例，分析用户群体特征，为产品设计提供导向。
   • 数据分析结论：总结事件分析的过程和结论，提出数据中台帮助下的三个问题的答案，明确产品态势、症结和下一步方向。找出本案例中数据中台的阶段目标，包括简单数据统计结果和事件过滤后的计算结果。
   • 通用数据模型与指标：介绍漏斗模型和杜邦分析模型两个通用数据分析模型，以及App类、网站类、业务类的通用数据指标，方便在建设数据中台时参考。

• AI问答

  漏斗模型
  “漏斗模型”指的是一种常见的商业分析模型。它通常用于描述用户在某个业务流程中的行为路径，从潜在用户开始，逐步经过各个阶段，最终转化为实际客户或完成特定目标的过程。其更细致的解释是，通过对各个阶段用户数量和转化率的分析，来发现业务流程中的问题和优化点，以提高最终的转化效果。

• AI问答

  杜邦分析模型
  杜邦分析模型是一种用于评估企业财务绩效的综合分析方法。它通过将净资产收益率（ROE）分解为多个财务比率的乘积，从而深入分析企业的盈利能力、资产运营效率和财务杠杆等方面。具体来说，杜邦分析模型将 ROE 分解为销售净利率、资产周转率和权益乘数三个部分，帮助投资者和管理者更清晰地了解企业的财务状况和经营成果，以便做出更明智的决策。
  

  杜邦分析模型

4. 数据中台1.0 架构设计：从底层业务进行数据源采集，通过工具层处理数据，分为事件分析和查看描述对象变化情况两部分，最终在数据可视化中心汇总，提供给决策者。此时的数据中台1.0准确来说是一个数据监控后台。
   

5. 数据中台2.0 架构设计
   1). 数据源扩充：梳理要采集的数据，针对不同终端与场景设计数据采集工具，定位终端的两个关键数据元素。以案例中的公司为例，总结不同场景中统计用户量的数据采集完整方案。
   2). 内部体系打通：

   • 数据标准化：统一各业务口径，解决数据指标命名不统一的问题。参考阿里巴巴集团的“One Data”数据指标管理体系，通过命名规则统一和指标维护的统一管理，规范数据指标定义，消除歧义。
   • 统一全公司用户数据：引入“One ID”概念，将不同产品中的用户进行统一标识并在一处管理，打通用户体系，实现用户画像、精准营销和数据智能。

   3). 建立参考系：在数据中台中留存不同业务线不同时期的事件结果，方便其他业务线进行迭代参考。
   4). 输出多样化：将中台开放为数据可视化输出与数据API网关输出两种形式，增加身份鉴权和日志管理功能保证数据安全。

三、总结

企业级的数据中台建设分为底层数据采集、数据处理、数据输出三个环节。
数据中台建设包括数据分析体系搭建（确定北极星指标、统计数据类指标和数据事件）和多条业务线接入（数据源接入、打通数据流通、建立参考系、提供多样式输出）。

• AI问答

  数据中台 1.0 架构设计
  数据中台1.0架构设计主要包括以下内容：
  1. 全系统需求框架：确立产品核心指标为“货”与“人”，包括品类管理、库存管理、销售额等；确立阶段目标中的事件，如价格段分布、品类管理、销量排行等。
  2. 架构组成：数据中台从底层业务中进行数据源采集，对数据有两种应用方法，分别进行事件分析和查看描述对象变化情况。在工具层将数据处理后，变成中间件产品，即事件的分析结果与统计数据的关键指标。最上层是数据可视化中心，将数据汇总以图形化形式提供给决策者，方便管理。
  3. 本质：此时的1.0数据中台准确来说就是一个数据监控的后台，因为只分析了一个产品，未涉及多个产品之间的数据互通互联。

• AI问答

  数据中台 2.0 架构设计
  数据中台2.0架构设计主要包括以下几个方面：
  1. 数据源扩充：
  梳理采集数据：面临采集哪些数据的问题，底层业务中的数据源分为内部直接数据、内部非直接数据、外部数据。
  设计采集工具：针对不同终端与场景的天然差异，统计用户是棘手问题。需定位每一个终端的两个关键数据元素，即可以唯一代表用户的数据和以哪些系统的用户数据作为采集标准。以案例公司为例，总结了不同场景中统计用户量的数据采集完整方案，并为线上线下的不同终端建立起对应的数据采集工具。
  2. 内部体系打通：
  数据标准化：各条业务线对于同一事物数据的统计口径不同，需统一业务口径。参考阿里巴巴集团的“One Data”数据指标管理体系，通过命名规则统一和指标维护的统一管理，规范数据指标定义，消除歧义。
  统一全公司用户数据：引入“One ID”概念，将不同产品中的用户进行统一标识并在一处管理，打通用户体系，实现用户画像、精准营销和数据智能。
  3. 建立参考系：在数据中台中留存不同业务线不同时期的事件结果，方便其他业务线进行迭代参考。
  4. 输出多样化：将中台开放为数据可视化输出与数据API网关输出两种形式，增加身份鉴权和日志管理功能保证数据安全。
  最终，通过以上设计，成功将整个公司业务全部接入数据中台，完成建设。

第12章 技术中台实战设计

主要介绍了技术中台的实战设计，包括技术中台的体系架构、原理以及搭建方法，具体内容如下：

1. 技术中台体系架构：

   • 层级：技术中台作为中台的底层，为各条业务线提供代码实现，其层级位于业务中台和数据中台之下，底层物理机器之上。
   • 技术团队拆分：从技术实现层面，公司的技术团队可拆分为技术前台、技术中台与技术后台三个部分。
     技术前台为前台业务部门进行需求开发，核心价值体现在对业务逻辑的理解与实现上；
     技术中台承上启下，封装复杂实现逻辑，提供统一化工具，将技术能力与业务能力分离；
     技术后台负责与物理世界沟通的中间环节，封装底层物理机器操作并向技术中台提供对应服务。
   • 电商技术团队体系架构示例：以电商案例为例，结合业务中台，电商技术团队体系架构包括技术前台（如订单中心、用户中心等的研发、测试、运维）、技术中台（如中间件、自动化运维等）、技术后台（如网络、安全、储存、服务器）。
     
     电商技术团队体系架构

2. 技术中台的原理：

   • 问题背景：随着系统迭代与业务演化，系统中业务逻辑变得复杂，代码实现冗杂，模块关联紧密，数据交互频繁，导致功能修改困难，维护成本增加。
   • 反面案例：以电商订单模块为例，若将订单信息查询、修改、支付、评价等功能集成在一个统一的订单服务中，访问统一的订单表，会导致功能修改时可能影响其他功能，且测试与维护时间会随功能增加呈几何式增长。
   • 解决思路：遵循“一件事由一个单元独立完成”的思想，将业务切割成若干事件，调用技术中台中封装好的服务单元，实现中台的“通用性”与“复用性”。

3. 如何搭建技术中台：

   • SOA：技术中台的核心由标准的SOA搭建，SOA是一种将应用程序拆分为独立组件的设计方法，通过将各个模块划分为独立单元运行，保证系统安全。SOA可以将分散在企业各个组的资源与代码进行统一整合与管理，通过注册中心进行服务调度与通知，使原有各个系统以及新构建的系统有机结合成为一个整体。业务中台实际是将每一个复用的模块作为独立应用开发与上线，再通过服务调度实现复用。
     

     SOA组成关键模块

   • 核心：微服务：微服务把系统按照不同业务对象拆分成可独立部署的模块，每个模块相互独立但可任意组合形成可复用架构。通过微服务思想，可将相似业务代码封装成独立服务，实现代码解耦，各业务线无需关心底层变化，提高开发效率。微服务需要依靠注册中心进行服务治理，以管理服务与调用方之间的关系，实现资源协调。

   • 技术中台的并入：将技术中台引入公司技术架构，新架构总体分为展现层、接口层、服务层、数据运营和外挂系统五个部分。
     展现层为前台业务线；
     接口层负责展现层与服务层间的数据交互；
     服务层包含技术前台、技术中台和技术后台；
     外挂系统负责数据对接服务；
     数据运营负责数据分析服务。

文档最后总结了搭建技术中台的知识点，包括引入SOA重塑技术体系、微服务将业务拆分成独立模块、注册中心统一管理微服务模块并提供运行信息与地址。