数据即产品:Netflix 将产品思维应用于数据的案例

新闻

作者：微信文章
引言：
如果我们像对待面向消费者的产品一样，以同样的谨慎和专注来对待数据，会怎样？秉持“数据即产品”的理念，意味着我们不再将数据视为系统的偶然副产品，而是将其视为一个独立的核心产品。在实践中，这意味着每款数据产品都经过精心设计、构建、维护和衡量，以创造价值为目标。数据产品拥有与业务决策紧密相关的明确目标，面向特定的受众群体，并持续评估其实用性、可靠性和可访问性。它经过精心设计，并以涵盖创新、维护和退役的周密生命周期管理为指导。每款产品都拥有明确的所有权，确保准确性和可用性，并通过一致性和高质量赢得信任。



在 Netflix，数据产品——从高杠杆遥测、数据仓库表、关键指标和仪表板到机器学习模型，为个性化推荐、内容策略、产品功能实验、客户获取、内部知识库甚至财务报告等领域的关键决策提供支持。这种对数据的深度依赖，使我们在内部从数据产品中创造更多价值——利用它们来指导业务决策，从而提升会员体验并推动公司发展。为了最大限度地发挥这一价值，我们倡导建立正式的数据产品框架，以确保我们的数据资产得到与传统产品同等严谨和战略性的管理。为何将数据视为产品
将数据视为产品使我们能够将既定的产品管理原则应用于我们的数据资产。正如产品团队明确目标、锁定用户、衡量成效并不断迭代功能一样，我们也可以对数据进行同样的管理。这种视角的转变带来了诸多益处：它明确了每个数据集的用途和受众，鼓励精心设计和记录可用性，强制执行质量和可靠性标准以建立信任，并建立了一个包含创新和持续改进以及最终淘汰的生命周期，而不是“设置后就忘”的模式。简而言之，产品思维为我们的数据投资带来了战略一致性、可用性、问责制和更完善的治理。将数据视为产品意味着将数据用户放在首位：他们被视为客户，并由他们的需求指导数据解决方案的设计和发展。基于此，以下是Netflix定义数据产品的关键原则。数据产品的关键原则•明确目标：每个数据产品的存在都应该有其原因——它应该解决某个问题或实现特定的业务用例。如果一个数据产品没有明确的目标或需要解答的问题，那么它可能不值得创建。数据产品的所有者必须能够清晰地表达它所提供的价值：例如，它能够为哪些决策提供信息或提供哪些洞察？明确目标可以避免“为了数据而数据”的现象，并让我们的工作专注于高影响力的需求。在实践中，这体现了开发任何新数据资产时都应以商业价值为先的理念。•定义用户：正如消费产品有目标客户一样，数据产品也需要明确定义用户。确定哪些人（分析师、数据科学家、工程师、工具或业务团队）会使用数据，有助于完善设计。如果无法确定真正的用户或用例，数据产品可能会变得多余。将数据用户视为客户意味着需要提前了解他们的需求和痛点，这样我们才能构建真正有用且易于采用的数据解决方案。如果数据产品的设计没有考虑到特定的受众，很可能会达不到预期目标或无人问津。•可衡量的价值和质量：数据产品的价值最好体现在其健康状况、可靠性以及支持长期创新的能力上，而非规范的指标。Netflix 的数据健康计划正是为此而生：通过跨职能部门的努力，降低复杂性和数据负债，确保遵守标准，并在数据处理方式上做出有针对性的权衡。这一重点至关重要，因为生成式 AI 模型、自动化和新的分析用例需要更高质量、记录详实的数据。跨领域衡量和改善数据健康状况而非瞄准难以量化的影响有助于团队确定投资优先级、简化系统并增强对数据生态系统的信任。健康的数据产品能够更快地发现数据，提高可靠性，并为 AI 驱动的创新奠定更坚实的基础。•周到的设计和文档：优秀的数据产品在设计时会充分考虑用户的需求。这意味着数据资产应该结构合理、直观易懂且易于访问。设计不良或文档不全的数据集会让用户感到沮丧，就像设计糟糕的应用程序会让客户感到失望一样。为了避免这种情况，我们在构建数据产品时会考虑实用的架构设计、一致的定义和便捷的访问模式等方面。我们还建议记录我们的数据产品——描述数据代表什么、如何使用以及任何已知的限制——以便用户可以快速信任和利用数据，而无需猜测本质上，我们的目标是让数据产品的使用体验像使用精心设计的软件产品一样简单。正如产品设计注重用户体验一样，数据产品设计也应该最大限度地减少数据消费者的摩擦和困惑。•生命周期管理：数据产品的演进并非止步于发布。正如软件产品会经历更新并最终弃用一样，数据产品也有一个生命周期，需要持续评估和维护。数据产品的设计应兼顾灵活性，允许扩展或适应新的需求，而无需进行代价高昂的重写。这种在适应性和规范性之间取得的平衡，确保我们能够添加增强功能、适应新兴用例，或在资产过时或失去价值时将其淘汰。主动的生命周期管理可以防止“数据债”的积累——例如，那些没有明确所有权或用途的陈旧表格或报告。通过规划完整的生命周期包括最终的淘汰，可以确保数据生态系统保持相关性、成本效益和弹性。数据产品不应该默认永远存在：如果某个指标或报告过时了，我们会将其视为过时的软件，并逐步淘汰它，为更好的解决方案腾出空间。•明确的所有权：每个数据产品都需要一个明确指定的负责人来负责其成功。所有权意味着持续确保数据产品的准确性、可用性和易用性。正如产品经理或产品团队对软件服务负责一样，数据产品所有者也要对数据集或分析产品的质量和可靠性负责。拥有明确的所有权可以避免“每个人都对数据问题负责，但没有人”这一常见问题它为问题或疑问提供了一个联系点，并推动了维护的责任制。在 Netflix，这通常意味着将数据产品分配给与其内容最密切相关的团队——例如，一个内容数据产品由内容数据科学和工程团队负责。明确的所有权也有助于更快地解决问题并持续改进，因为当数据产品需要关注时，有人有权采取行动。•信任与可靠性：用户只有信任数据，才会将其视为产品。因此，可靠性不仅仅是一个技术问题，更是产品的核心特性。数据产品必须可靠（例如，准确、最新、一致），才能赢得并保持用户的信任。如果数据产品经常出错或不可用，用户很快就会失去信心并放弃它，就像他们会卸载一个有缺陷的应用程序一样。建立信任意味着在产品设计中建立强大的数据质量控制、验证测试、监控和警报机制。这也意味着要公开数据的局限性和沿袭。优秀的数据产品通过设计提供卓越的用户体验和值得信赖的品质。事实上，这两个特质——卓越的用户体验和信任——经常被认为是真正数据产品的决定性特征。通过优先考虑可靠性，我们将数据质量问题视为产品问题，解决根本原因，并防止不良数据侵蚀利益相关者的信心。小结：
总而言之，将数据视为产品重塑了 Netflix 构建和管理数据的方式。生产数据产品是为了创造价值——这意味着每个重要的数据集、指标或报告都是有目的的开发，并在其整个生命周期内得到严格维护。通过将数据的用户、用例和生命周期视为基本属性，将数据提升为组织思维中的一流实体。这种以产品为导向的方法强调可靠性、明确的所有权、适当的治理以及对数据债务的主动管理。最终，“数据即产品”的思维模式确保我们的数据产品具有价值、值得信赖，并与 Netflix 的战略目标保持一致——就像任何成功的消费产品一样。Netflix在整个团队中采用这一框架，并持续改进通过数据提供洞察力和影响力的方式。




往期推荐

现代数据建模：推动人工智能驱动型企业的革命

数据架构中最昂贵的错误：混淆运行成本与总拥有成本（TCO）

供应链中的代理人工智能应用是物流的未来

数据战略终极指南：框架、最佳实践和示例极指南

合成数据：它是什么以及如何使用它

企业AI Agent如此困难的真正原因并不是人工智能

谈谈可信数据空间建设现状

谈谈高质量数据集建设情况