top of page

數據分析全民皆兵

Updated: Apr 28

筆者曾在上海獨自生活兩年,因為家人在香港,所以每隔幾周便會回港一次。當時eBay正以最大的力度火併淘寶,全球的CEO及COO都坐鎮上海,親自統領這場世紀大戰。這段期間我在eBay工作,負責管理買家平台產品功能團隊,當時沒有想到6年後,居然去了阿里巴巴(09988)工作。

在eBay我學習到真正由數據驅動的管理模式,直屬上司是公司重金禮聘的雅虎前全球首席產品官,從他身上學到的一些管理方式,後來即使離開阿里後當顧問工作,還是很奏效。他在筆者入職開始時,有3個基本要求:

1.每周必須與業務部門主管吃一餐飯;2.周日前提交能反映業務及產品的PPP(Problem, Progress, Planning)周報;3.展示分析負責產品的儀表板(Dashboard),讓他隨時發問。另外,在eBay的工作中,讓我最吃力但又獲得最大裨益是每月一次的產品管理委員會會議,說實話這是一場刀光「數影」的激戰,也是每位業務代表及相關產品經理使出渾身解數的日子。

產品經理需要展示各種數據,證明自己交出的產品方案值得「投資」,然後其他產品經理會提出各種問題刁難,希望把你的方案擊敗。由於每月的開發資源有限,沒拿到資源的產品經理自然很快會被淘汰。不過,打出了少林寺的木人巷後,產品的數據分析能力很快便得到提升,因此大家在產品分析時,都能不依靠分析師,有部分產品經理的分析能力甚至可媲美專業數據分析師。

上述eBay的經歷中,筆者希望表達「全民皆兵」的道理,試問哪有一間企業的分析師可以無縫地滿足所有產品分析需求?一間相信數據驅動為核心理念的企業,必須能做到業務部也擁有數據分析的基礎能力,否則再多的數據分析師也無濟於事。

這段經歷我一直銘記於心,到後來成為了阿里數據產品平台的設計者時,建議團隊開發一款數據產品叫孔明燈,這個產品可以讓淘寶小二在熟悉的試算表Excel介面下,運用大數據自我開發合適業務的Dashboard。產品推出後很受歡迎,除了解決分析師團隊的資源問題,意外驚喜是有部分業務的小二Dashboard已經超越了數據分析師功力。有業務代表問筆者,為什麼叫孔明燈,我調皮地說:「好比孔明善計策,散作人間照夜燈。」

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page