干货丨好的数据分析服务究竟是什么样子的，爱奇艺资深工程师为你解答

• 本文整理自爱奇艺安全云资深工程师张凯在海致BDP上海客户沙龙上的分享。

• 张凯先生是BDP资深用户，此前创业时（非爱奇艺），曾深入使用BDP产品，分析公司的各种数据。

• 本文重点分享了创业公司应遵循长板理论、什么样的公司适合用BDP产品、为何需要提升基础数据分析能力等话题。

• 以下为分享内容， 全文3133字，阅读时长：10分钟。

壹·短板理论vs长板理论

▊ 短板理论

曾经有一段时间，短板理论非常流行，短板理论也被称作为木桶理论，就是说一个公司的能力取决于他自身的最短板，假设我这个部门比较弱，公司能走多远就是被我这个部门限制的。

所以信奉短板理论的时代，公司会怎么做呢？

公司会大而全，会试图让每个部门都非常强，让每个部门里的人也非常强。但这其实搞混了一个观念，就是公司能力的强与弱，到底是看每个部门都很强？还是看公司整体有很强的能力？——后者强调的是公司调动内部力量，整合内部资源的能力。

▊ 长板理论

最近两三年，又出现了长板理论。

美国浓厚的创业气息是长板理论诞生的基石。当大公司害怕自己已获得的专利被人赶超，而不敢创新时，美国杜拜法案通过了，鼓励了一批“科学家+小团队=创业公司”的诞生。这些小公司都面临一个很实际的问题：没有钱，没有人，没有时间。

当一个PPT就能够赚到50多万美金的事情发生后，这些钱就全部都被用来投入到高科技领域了，创业公司开始走向专业化。

这时候，小公司强强联手，互补短板的效益将大大高于自己补短板

为什么呢？

专业性的小公司，其核心竞争力是已有的一些专利，或者是一些运营能力，而不再是财力或资源有多么雄厚。这样专而精的小公司，其特点就是浑身皆短板，而这种 企业 必须要快速增长。

怎么办？最好从外面找合作。

举个比较直白的例子：BDP这样在BI技术方面比较专业的公司去与销售比较牛的公司合作，你用我的长板，我用你的长板，大家用很多长板，最后形成了一个新的木桶，这就是所谓的长板理论，也被称作新木桶理论，它更适应现代发展的趋势。

▊ BDP适用于哪些公司？

如今，越来越多的创业企业选择和第三方合作，而不是自己去研发，因为研发成本越来越高，特别其中的是人力成本，会越来越大。

当一家创业型小公司在没人没钱没开发时，选择BDP合作是合适的。

而当大家都选用BDP这样为创业公司服务的专业小公司时，类似BDP这样的公司也就会越来越多——它们的服务质量会越来越好，由于规模效益，价格也会越来越便宜，这就是现在这个时代的趋势。

但接下来就会有人问，爱奇艺为什么不和BDP合作呢？

因为，爱奇艺自身的研发成本非常低，爱奇艺的云平台真的是我见过的为数不多，可以和阿里云媲美的云平台，在这样的平台之上构建一个应用是很快速的。所以，看一个公司是否需要和BDP这样的专精企业合作，前提条件是看他的自研成本是高？还是低？如果他自己补短板的能力和效益远远高于购买，就无需和BDP这样的专精企业合作了。但并非所有公司都拥有类似爱奇艺的云平台，成本会持续上涨，有一天你会发现，大公司也会被逼着与小公司合作。

游族大家听说过吗？游族当时购买了tableau的BI工具，但是他们理解的tableau，只是一个工具，一个临时解决方案，过两年可能就换掉了。

而BDP正逐渐成长为一个第三方解决方案公司，也就是说，BDP不只是一个工具，而是一个合作伙伴。

所以选择BDP对各位小创业公司而言，等于是精减了公司中的一个机构。我个人比较崇尚构建这种小而美的团队。

贰·聚焦基础分析能力的提升

现在看来， 人工智能 和机器学习在5-10年内仍旧无法商业化，想要乘风而上，专注于基础分析能力的提升，优于跟风人工智能。

我是个对未来十年人工智能发展非常悲观的人，以我自己了解到的消息，大多电商公司在智能定价、智能选品方面都并不成功，这是因为，数据积累、经验积累、数据质量都还有很多问题没解决好，整体数据环境还不成熟。

我觉得大家要搞清楚，阿尔法狗战胜李世石，是人工智能在垂直领域的小爆发，但并不意味着人工智能领域整体爆发了。如果要解决商业上的问题，通常还需要一个通用型的人工智能解决方案，这种垂直性人工智能的爆发，如阿尔法狗，并不能解决商业的问题，

包括近期热门的机器学习，你也很难找到一个靠机器学习就可以解决50%甚至30%商业问题的产品。这意味着机器学习无法在5-10年内产品化，产业化。

人工智能、机器学习还不能代替人们做决策，而基础数据分析则可以辅助运营和产品人员做出决策。

并不是只有大公司才有海量数据，小公司拥有的埋点数据、DataX的数据、包括一些GPS定位数据等，量都非常大。

个人认为，在 大数据时代 ，未来10年的发展重点应当是，提升海量数据之下的基础分析能力。

叁·以快速应对多变

数据平台支持突发需求的能力，很重要

举我之前在创业公司的例子——

其实无论是数据还是报表，创业公司在没有人的情况下是无法分工的，大家都在干一样的活。而最简单、最基础的报表还是需要的，大家至少需要了解到昨天订单量多少、成本多少之类。

BDP的好处在于灵活、在于快，这点大家都知道，快和灵活在应对突发事件时就变得很重要。

比如魏则西事件发生后，对医疗行业的冲击蛮大的，然后老板上午就有可能问，这事儿对我们有什么影响呢？昨天丢了那么多订单，是因为这件事吗？

本来创业公司就要加速适应变化，也就意味着他决策的速度、发现问题的速度，都很重要。所以对于突发事情的决策，整个数据平台是否有支持的能力是很重要的。

所以说，BDP用来做数据解释，做辅助决策的产品功能做的非常好。

▊ 不要让用户变成表哥

再举个例子，公司里有很多个部门一起合作，其中一个部门被我们称作为表哥，原因是他们天天在玩EXCEL，从PPT里面导数据、看数据、形成一些汇总的东西给老板。

然后你就发现，云计算大数据时代，当我们拥有了数据获取能力之后，就开始制作很多表格，关键表格会随着业务增长越来越多。

人们总是有顾暇不到的地方，总是会有看不全的地方，这时要么增加人力，要么放弃数据敏感性。

这时候数据分析工具该怎样支持用户呢？我希望BDP能实现更多的分析，将分析师从无止尽的表格里解放出来，不去关注单个数据是涨是跌，而专注在业务逻辑、分析需求这类问题上。

另外，当图表产生之后，数据之间是否有相关性也很重要。比如唯品会，同样的一个SKU，他的各个指标就有三四十种。

人不可能挨个去看这三四十种指标的关系，如果能通过智能BI系统，帮忙自动分析数据之间的关联、以及关联信息，人再做进一步的分析和下结论，就会很省力。

总结我刚刚说的对BDP的一些期望，就是自动化——自动化的让BI系统告诉你，系统里面发生了什么有趣的事，而不是让人挨个翻数据去发现。

肆·持续关注数据效果

▊ 再谈精益思想

精益思想这个词，这两年都被炒烂了。简单说精益思想是个闭环，先从想法开启—构建—编码——开发——产生数据——学习反馈，学习再促进想法诞生。

但很多公司都把重点都放在了idea怎么能够去构建出来，对于后半截（构建-编码-开发-产生数据-学习反馈）其实很少操心。

现在创业公司节奏这么快，大家新想法这么多，公司能活多久就看你能迭代多少次。所以你越迭代，越需要数据平台来支撑整个公司，支撑精益思想的循环。

对于创业公司来说，不在于我能不能处理这些数据，能不能形成一个报表，而在于我们的数据处理速度能不能跟上公司的前进速度。

尤其对于自己的甲方，没办法提供快速数据服务的话，什么东西就都完了。小公司发展到中期，要迭代很多运营策略，才能保证你完成下一次融资。所以你一定要开BDP，要缩短产品决策时间。

▊ 交付不是终点

我常常会想，花了半个月时间，花了好多心血做出来的数据和报表到底用户看不看呢？为此，我们要采集用户使用报表的信息——PV、UV等，比如，他们看了多少个表？他们的停留时间是多少？

同样的报表呈现给不同的用户时，要考虑很多因素，才能满足他们的使用习惯，比如老板几乎一个月都不用电脑，99%都在用手机在看，这个时候我们就要在给老板做饼图的时候考虑到移动端的阅读体验，普通的报表细节太多，可能就不合适，需要做UI的改进。然后报表在PC端就可以做的稍微浮夸一点，复杂一点。

因此，我们做数据可视化产品，必须要了解用户使用图表，使用数据的习惯和效果，然后不断的去完善。

BDP非常方便，不仅在于创建，也在于更改，能够很好的支持我们改动报表。但也希望BDP能再接再厉，有更多功能，满足不同用户的需求。

注：本文摘自BDP商业数据平台，据张凯先生发言录音整理，内容有删节、编写，未经本人确认。以上内容不代表数据观观点，版权著作权属原创者所有。

责任编辑：王培