編者注：新興的數據原生代人群與數字原生代人群有何區別？他們對世界的追求又是怎樣的？數字原生代們極其渴望擁有能夠預測他們所有需要的產(chǎn)品，為創(chuàng )造一個(gè)能與他們的需求無(wú)縫連接的智能世界，數據原生代們掀起了新數字革命。

想象一下，如果存在這么一個(gè)交叉點(diǎn)，讓所有數據分析帶來(lái)的創(chuàng )新與硬件革新相遇的話(huà)，那它能帶給我們的就會(huì )像Monica Rogati在Jawbone的工作一樣輝煌。作為Data公司的副總裁，Monica Rogati創(chuàng )建了一支由科學(xué)家和工程師組成的隊伍，這個(gè)隊伍將可穿戴設備、數據以及物聯(lián)網(wǎng)技術(shù)發(fā)揮到了極致。如今，她將大部分時(shí)間都用在了給那些想要最大限度利用數據的公司提供指導意見(jiàn)。

如果說(shuō)有誰(shuí)在這個(gè)領(lǐng)域取得了登峰造極的成就的話(huà)，那就是Monica Rogati了。但她的成就并不能掩蓋大部分公司還在學(xué)著(zhù)利用數據來(lái)開(kāi)發(fā)更多優(yōu)質(zhì)產(chǎn)品的事實(shí)。越來(lái)越多的企業(yè)開(kāi)始報名參加機器學(xué)習等等課程，但將知識轉化成簡(jiǎn)單、優(yōu)雅的產(chǎn)品這一過(guò)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(chǎn)品。

“大約10年前，有一段視頻在YouTube上被瘋轉，視頻里一個(gè)小嬰兒拿著(zhù)一本雜志，試圖將雜志當成iPad用。小嬰兒對著(zhù)雜志敲敲點(diǎn)點(diǎn)，在看到雜志沒(méi)什么反應后，小嬰兒頓住了，盯著(zhù)雜志腦袋里想著(zhù)，‘這個(gè)一定是壞了’。”Rogati說(shuō)道，“顯然，新一代的人正成長(cháng)為數字原生代。今天，我們得以見(jiàn)證數字原生代們?yōu)閯?chuàng )造一個(gè)能與他們的需求無(wú)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(chǎn)品。在這篇獨家報道中，Rogati跟我們分享了一些能夠幫助企業(yè)利用自身資源，滿(mǎn)足新一代渴望的方式。

理解“數據時(shí)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(guān)的工作，也不僅是喜歡在網(wǎng)絡(luò )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(huì )的平衡越來(lái)越傾向數字原生代們——這群被電腦、網(wǎng)絡(luò )影響成長(cháng)起來(lái)的年輕人。但Rogati認為我們正處在一個(gè)與數字革命類(lèi)似卻又完全獨立的革命——數據革命中。

“數據原生代們不僅希望這個(gè)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(shuō)，一本雜志不僅僅應當做到數字化、互動(dòng)化，也應當做到個(gè)性化。它應當能根據你的興趣、地點(diǎn)、偏好來(lái)告訴你你需要知道的信息。數據原生代們的愿望已經(jīng)轉變了。”

數字原生代對給自己的恒溫器進(jìn)行編程應當會(huì )感到相當自在，但數據原生代更希望這個(gè)恒溫器能自己編程；數字原生代可能會(huì )用星巴克的應用來(lái)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(shí)間自動(dòng)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(shí)候預訂老一套，什么時(shí)候混搭一下讓用戶(hù)嘗個(gè)鮮。

數字原生代們關(guān)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(tài)因為網(wǎng)絡(luò )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(wǎng)絡(luò )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(lián)網(wǎng)科技將打破現有經(jīng)濟形式并創(chuàng )造價(jià)值6.2萬(wàn)億美元的新市場(chǎng)。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(huán)的開(kāi)發(fā)，這款手環(huán)的設計正是為了趕上當今潮流。它不僅能幫助用戶(hù)忠實(shí)地為自己打分，激發(fā)用戶(hù)的潛能，還能在用戶(hù)起床的時(shí)候為他們打開(kāi)咖啡機，將電視機調到AC米蘭的賽事頻道，晚上睡覺(jué)時(shí)為用戶(hù)關(guān)燈。

即便如此，還是有大量證據顯示市面上的產(chǎn)品并沒(méi)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(huì )給你顯示幾千里外的餐館；廣告也還沒(méi)能完全知道你是誰(shuí)，你想要什么。有一天一則推送的廣告告訴我說(shuō)能在7天之內讓我拿到學(xué)位，但它明明知道我花了7年才拿到博士學(xué)位。”Rogati說(shuō)，“還有，你的手機會(huì )把 ‘LOL LOL LOL’這樣的話(huà)自動(dòng)糾正為‘lollipop oligopolistic’，我相信從沒(méi)人說(shuō)過(guò)這種句子。能使設備智能化的數據我們都有，我們只是還沒(méi)能到達那一步。”

這是個(gè)有意思的窘境。通常來(lái)說(shuō)，新科技拓展了人們對于可能性的認知，然而現在人們已經(jīng)開(kāi)始幻想那些還沒(méi)人知道如何構造的產(chǎn)品了。

數據產(chǎn)品：如何趕上“智能”世界

對于數據產(chǎn)品正確、實(shí)用的定義是：“數據產(chǎn)品能根據從你、其他人以及整個(gè)世界那里收集的數據來(lái)提供情景感知和個(gè)性化功能。”Rogati說(shuō)道。開(kāi)發(fā)出優(yōu)質(zhì)設備的關(guān)鍵之處就在于縮短反饋環(huán)路的時(shí)間，以便產(chǎn)品能夠持續迅速地收集數據。

另外，發(fā)送推薦與用戶(hù)進(jìn)行互動(dòng)，并通過(guò)用戶(hù)的選擇來(lái)研究分析也是提升智能化的一大途徑。你發(fā)送的推薦越多，你就能通過(guò)記錄、回應用戶(hù)的偏好來(lái)變得更加智能。這正是亞馬遜35%的收益來(lái)源于推薦的產(chǎn)品的原因，也是Netflix75%的影片是通過(guò)推薦來(lái)租賃出去的原因。

在Jawbone，Rogati和她的團隊的任務(wù)是利用數據、提供數據來(lái)幫助手環(huán)用戶(hù)多運動(dòng)、多睡覺(jué)以及健康飲食。他們會(huì )自動(dòng)探測用戶(hù)的體育鍛煉，將其進(jìn)行分類(lèi)，提出飲食建議，并幫助這款設備成為用戶(hù)的“智能教練”。智能手環(huán)會(huì )監督你比平時(shí)多喝三杯水，多走1000步或是提早10分鐘上床睡覺(jué)。

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

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

那么從哪里開(kāi)始呢？

數據產(chǎn)品始于數據

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

可信的數據流

如果你沒(méi)有可信的數據流，那么即使是最好的裝備，最好的機器學(xué)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(wú)法升級，那你收集的數據就是不準確的。”Rogati說(shuō)道?？刂泼姘宓倪\行以及內部分析都遵循這個(gè)道理，數據產(chǎn)品就更是了。

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

有效數據和快速迭代

許多文章都已經(jīng)指出數據處理和清理的重要性。我們經(jīng)常聽(tīng)到這樣一個(gè)說(shuō)法：“數據科學(xué)家80%的時(shí)間都是在處理數據。”這個(gè)說(shuō)法還賦予了一些人惡搞數據科學(xué)家的靈感（數據科學(xué)家80%的時(shí)間都在抱怨數據處理）。但是，Rogati希望這些數據科學(xué)家能接受這樣的事實(shí)：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(jué)、經(jīng)驗、智慧的實(shí)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(lái)自于你根本無(wú)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(chǎn)品運送）顯得無(wú)比重要。

反饋回路中的人

不管是數據產(chǎn)品還是傳統分析，用戶(hù)體驗都是其中至關(guān)重要的一環(huán)。即使你的后端數據純凈有條理，你也得開(kāi)發(fā)一個(gè)設計合理的用戶(hù)界面。另外，你還要有一個(gè)不是太難用，不會(huì )阻礙員工進(jìn)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(jiàn)以及創(chuàng )造性的見(jiàn)解，你要保證每個(gè)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(gè)不合理的界面會(huì )成為實(shí)現這一切的巨大阻礙。

對于數據產(chǎn)品來(lái)說(shuō)，用戶(hù)體驗就是一個(gè)門(mén)控因子。“要確保用戶(hù)的互動(dòng)流暢、直觀(guān)、穩定，因為有些人會(huì )誤解這種互動(dòng)，有些人會(huì )點(diǎn)到 ‘錯誤的’東西上或懷有不同的期望值。”

優(yōu)質(zhì)的用戶(hù)體驗和準確的數據會(huì )讓產(chǎn)品看起來(lái)更智能。

數據產(chǎn)品都有兩面性，這兩面互相鞏固會(huì )創(chuàng )造一個(gè)良性的反饋循環(huán)。在實(shí)踐中要怎么做呢？你得讓用戶(hù)能夠方便地使用那些與人們生活無(wú)縫融合的軟硬件，這樣，它就能產(chǎn)生更多更優(yōu)質(zhì)的數據。

Rogati根據她的經(jīng)歷舉了一個(gè)自動(dòng)輸入程序的例子：“比如說(shuō)你正在往Jawbone的移動(dòng)應用里輸入飲食記錄，這時(shí)快速自動(dòng)輸入就顯得非常重要了，因為它能幫助用戶(hù)更快地完成記錄。用戶(hù)輸入信息越快，他們就會(huì )越頻繁地使用這個(gè)應用。這樣你最終也能獲得更多優(yōu)質(zhì)、連續的數據。如果你能自動(dòng)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(shuō)法。”

分析良性的反饋循環(huán)，從中你能獲得更多的優(yōu)質(zhì)數據，而這些數據反過(guò)來(lái)也會(huì )讓自動(dòng)輸入更快、更好用，這樣用戶(hù)在使用該應用時(shí)也會(huì )感覺(jué)更流暢、更智能。“這就是頂級數據產(chǎn)品需要可靠的數據流、快速迭代以及密集型反饋循環(huán)支撐的原因，也是提升用戶(hù)體驗，實(shí)現真正智能化的條件。”