每家企业单位都需要数据体验师.docx

每家企业单位都需要数据体验师.docx

《每家企业单位都需要数据体验师.docx》由会员分享，可在线阅读，更多相关《每家企业单位都需要数据体验师.docx（7页珍藏版）》请在冰豆网上搜索。

每家企业单位都需要数据体验师

每家公司都需要数据体验设计师

来自于《商业评论》2015年7月

尽管人人都在谈论大数据正在以何种方式改变商业和社会，然而所有这些讨

论似乎仅仅着眼于数据本身。

人们通常将形形色色的分析（描述性分析、预测性

分析及规范性分析）视为主要价值来源，数据科学家也被置于这一转变的核心，被赋予执掌大数据秘钥的权力和责任。

诚然，一些公司成功地运用分析方法简化并重新设计了自身内部流程，提高了对目标客户的精准定位，实现了产品定制化。

然而，大家忽视了数据经济这幅“拼图”中一个不可或缺的重要拼块——那就是人的因素。

就拿社交媒体、可穿戴设备和联网家庭来说，这一切完全有赖于个人生成的数据或与个人相关的数据。

这些技术不仅捕捉到人们过去的行为，而且要改善他们今后的行为。

从记录睡眠习惯到实时导航最佳回家路径，数据可以进一步充实当前体验，为人们开启超乎想象的全新可能。

经数据充实的体验能够为个人创造价值——企业可以设法捕捉此类价值，未来赢家将是那些超越纯分析方法、以数据思维重新设计客户体验的公司。

然而公司又该如何创造这样的产品和服务呢？

我们认为，企业需要培育一种新的思维模式，它与数据科学家的思维模式截然不同但又相辅相成。

它将专注于人而不是数据，依靠设计原则而非分析原则。

我们构想了一种新的组织角色——数据体验设计师，他将熟练运用这种新的思维模式，与数据科学家并肩协作，引领公司前进。

我们开展了一个全球性研究项目，对全球各地的专家进行了深度访谈（访谈对象分别来自柏林、波士顿、伦敦、纽约、旧金山、圣保罗、东京等城市），亦对方兴未艾的个人数据经济（PersonalDataEconomy,PDE）活动做了分析，

意在确定企业为了吸引新一代数据“产消者”（prosumer，产生者和消费者）

在创造新产品和服务时应采取怎样的新设计思维模式

数据产消者：

一个全新的客户类别

与任何类型的设计一样，数据体验设计首先要从人和人的需求出发。

本研究

的一个结论是：

公司应聚焦于“数据导向的个体”这一新的客户类别，而不能只关注数据这一新的资产类别。

太多公司只把客户当作自身业务模式中的一个数据生成器。

这是一种目光短浅的做法。

个人既是数据的产生者又是数据的消费者，即所谓的数据“产消者”，企业若要在个人数据经济大潮中获胜，就需要理解和把握上述二元性的内涵。

或许有人质疑我们样本中的数据产消者不具广泛代表性。

即便如此，鉴于数据产消者日益增多，可以预见今日的非典型群体必能提供一定线索，帮助我们了解不久的将来，普通人对数据的看法以及他们与数据互动的方式。

今天的数据产消者善于将数据融合到自己的日常生活中，并且充分意识到自身留下的数字足迹，这很令人惊讶。

他们对数据价值的认识有以下几种。

数据对于个人的价值一位受访者详述了自己怎样每天撰写电子日志。

他把当日经历归纳为五行内容，然后系统会发来一封电子邮件，显示他在两年前同一天的日志内容。

这种利用个人数据的方法，是通过采集过去某一时刻转瞬即逝的

想法，将其自动转化成进展报告，从而令当事者反思个人的转变历程。

这只是个例子，说明我们可以采取何种方式创造对个人具有独特意义的价值——无论是通过存储数据来跟踪重要的记忆和生活事件，还是通过分析数据来深入理解自己的某一方面（如健康、情绪等），或者运用数据来改善决策、改变某种行为习惯，都能给个人带来价值。

这些受访者极其生动地讲述了他们如何精心制作自身数据，而不只是作为匿名的数据生成器而存在，这再一次反映出他们对自身数据的认识是高度个人化的。

与他人分享数据的价值除了从数据中获取个人价值之外，人们还发现，共享而不是独享数据也能提供价值。

这是有实际原因的。

例如，福岛核事故发生后，在政府无力提供相关答案的情况下，人们利用Pachube平台记录和分享日本周边地区的辐射量，以了解真实的辐射水平。

对于一些人来说，共享行为本身——发布图片、位置信息和最近一次在公园慢跑的统计数字——能够产生归属感和情感关联，这给他们提供了超乎任何实用意图的社会价值。

我们还看到，信息共享能够为成就宏伟事业做贡献，也有助于人们同舟共济。

例如，PatientsLikeMe这个平台不仅能让病情相似的患者彼此分享经验，还可以通过贡献数据，帮助研究人员和卫生保健机构改善医疗服务质量。

经济价值。

最后一点，尽管普遍的观点是大众并不清楚企业怎样从他们的数据中赚钱，但我们发现情况恰恰相反。

受访者不仅意识到这一事实，而且大多愿意与公司共享自己的数据，只要能看到公平的价值回馈即可。

事实上，用户在信息共享的商务领域远非那么天真，他们有意识地权衡自己能从共享行为中获取的价值，并基于这种价值判断，做出刻意的选择。

我们采访的一名盗版党（PirateParty）成员无疑属于这种情形：

尽管他很在意自己的隐私，同时清楚地知道Google公司是个利用数据赚钱的机器，但他似乎很乐意向该公司提供自身数据。

这显然是因为他知道这样做能换得一定的价值和便利，而此种回馈与他分享的数据价值相当。

尽管很多数据产消者认识到了将数据带入生活可以获取的价值，但仍有许多人认为这是一种“充满负担”的体验。

一方面，各种用于生成和管理个人数据的工具和平台之间无法共同操作和整合。

因此，从多如繁星般的数据点和数据流中提取真正的意义就成了一项无比艰巨的任务。

比如，一个糖尿病患者能用FitDay收集自己的日常饮食数据，用RunKeeper记录自己的日常锻炼情况，并用专门的医学App监测自己的血糖水平。

尽管他起初热情高涨，觉得能掌控自己的身体健康，但到最后不免灰心丧气。

和其他许多人一样，他会发现手头的数据堆积如山，能从中提取的意义却少得可怜。

另一个挑战是管理个人数据的难度极大。

之所以这么说，是因为隐私保护问题——人们担心个人数据被二度使用。

但是，我们的访谈呈现出一幅更加微妙的画面。

对我们的受访者来说，隐私保护在更大程度上是个社会问题而非数据问题事实上，人们普遍倾向于更多地分享个人数据，因为他们正是通过这种方式来获取预期价值或利益的。

只有在特定情境下，人们才担心隐私问题。

因此，数据加密工具或数据安全存储方案本身并不是一种可取的价值主张。

较理想的方案是，能让用户在为其创造价值的产品或服务环境内控制个人数据。

这便构成了数据产消者在隐私问题上的行为边界。

同样，对于保护隐私的传统手段，即人们常说的信任、透明和控制，受访者表现出来的偏好也大相异趣。

有些人强调，在决定是否与另一方（无论是个人还是公司）分享数据时，信任是最重要的因素，一旦确立了信任，便可无条件地分享数据。

另一些人则看重个人数据利用的透明度。

还有些人则希望严格控制谁能看到并获取自己数据足迹中的每一个数据点。

有些人会竭尽所能保护个人数据，积极检查所有账户和设备上的隐私设置，或创建多个社交媒体账户。

一旦我们领会到数据产消者看待隐私问题的方式主要取决于数据生成、分享和应用的情境，那么上述差异便不难理解。

这些是关键的决定性因素。

令人遗憾的是，许多公司似乎并未认识到这一事实。

它们为了更加精准地定位，不遗余力地收集和分析浩如烟海的客户数据。

这种无视情境、只顾堆积数据的行为，导致客户被视为毫无个性的平均数。

客户也会因为公司不能妥善利用其个人数据而对公司备感失望。

正如一位年轻的纽约受访者所言：

“我可以分别以美食爱好者、Y世代或商业分析师的身份访问亚马逊网站，这没问题，但是如果把三种身份合并起来，结果真让人受不了。

我肯定逃不过那些蹩脚的推荐，比如，再推荐一本我毫无兴趣的《哈利•波特》小说。

”

数据科学家vs.数据体验设计师

一些老牌企业和初创公司已经开始认识到数据产消者的需求。

然而，要想充分利用个人数据经济带来的商机，企业需要开发一套新的思维模式，也就是数据体验设计师的思维模式。

它在许多重要维度上有别于数据科学家的思维模式。

数据观。

数据科学家主要将数据视为人类活动的输出项。

在他们看来，无论是Facebook上的状态更新、Instagram上的照片分享、Foursquare上的位置签到，还是RunKeeper中记录的跑步数据，统统是有待挖掘、分析的数字足迹。

而数据体验设计师则把此类数据视为人类活动的重要输入项，利用它们来改变和强化人与世界之间的互动方式。

请看下面两个把数据作为输入项，强化功能性和终端用户体验的实例：

Waze是一个社交型GPS解决方案，它从司机群体（他们的智能手机上装有这款App）采集当前路况信息，随即通过分析和应用这些数据，向驾车人提供实时建议，显示走哪条路线可以最快抵达目的地。

另一个实例是连通网络的Nest智能恒温器，它能根据每个家庭的家居能耗模式，找出既能尽量降低取暖和空调成本，又足以保障日常生活环境舒适的解决方案。

这两个实例不仅依靠数据更好地理解以往活动，还综合上述洞察，丰富或改善特定情境下个人的未来活动

对数据价值的认知。

对于数据科学家而言，数据的价值与它解释、预测和描述特定现象（如客户行为）、使公司从中得益的能力密不可分。

这些益处常见于业务流程层面，表现为效率提升、转化率提高、成本节约或者向第三方出售数据等。

数据体验设计师也力求为公司创造效益，但方式有所不同。

对他们来说，数据的价值在于数据和体验的交集。

除了提高效率之外，数据体验设计师还力求创造经数据充实的新产品、新服务，从而给用户带来新鲜体验。

从当前互联网运动装备的激增中，我们可以看到这股潮流的强劲涌动。

网球设备制造商百宝力（Babolat）研制出世界上首款互联网智能网球拍——BabolatPlayAeroProDrive。

它的外观、手感和用法都跟普通网球拍一样，然而，球拍柄部安装的传感器能跟踪玩家的击球模式、耐力、技术和协调性。

然后，它就像教练一样，通过分析玩家的个人数据，甚至将这些数据与其朋友及专业选手的数据进行比较，帮助玩家提高运动水平。

它对网球玩家的价值在于提高他们的积极性和运动水平。

而这反过来又给公司带来了价值：

百宝力公司因此得以享受高溢价，产品黏性随之增强。

对数据的运用。

由于数据科学家和数据体验设计师这两个群体对数据及其价值的看法各异，导致二者对数据的运用方式截然不同。

数据科学家经常汇总数据，挖掘、合并不同来源的数据，以揭示相关模式。

这种无视情境的方法用于分析领域效果良好，但在设计世界中存在重大缺陷。

事实上，接受我们访谈的众多数据产消者都指出，人们不喜欢被视为毫无个性的平均数。

因而，理解数据分析和应用的具体情境，对于数据设计师创建和提供有意义的体验变得至关重要。

有一款名为Simple的预算及个人财务应用程序，便是将数据纳入具体情境的实例之一。

大多数银行会告知客户当前账户结余，而Simple则通过计算客户需要为应付账单、待定交易和任何预定消费目标预留多少钱，显示其当前的安全支出额度。

当你头脑发热，准备为一双昂贵的新鞋一掷千金时，这种安全消费指标就要比只显示当前账户结余更有价值。

情境的另一关键作用是将对数据的洞察变得可操作。

移动应用程序Ginger.io能帮助焦虑症、抑郁症和某些精神障碍疾病患者监控病情。

它将日常交流和活动模式数据与自填问卷相结合，上述信息通过一个复杂的行为分析引擎加以管理，并与医疗服务机构共享，以识别高危病人。

在通知患者方面，Ginger.io对于具体情境特别小心：

鉴于此类情况性质特殊，直接通知患者本人可能效果不佳，所以它会把相关信息发送给事先指定的一组至亲好友。

数据带来的挑战。

人们把大数据的特点归结为3V