目錄
簡述
Saas產(chǎn)品-神策數(shù)據(jù)
數(shù)據(jù)分析
工作流
目標(biāo)用戶
交互設(shè)計
總結(jié)
投融資歷程
百度指數(shù)
最后
簡述
該篇分析，是從一名數(shù)據(jù)分析人員的角度，基于神策數(shù)據(jù)這款產(chǎn)品，延伸到數(shù)據(jù)分析常用產(chǎn)品，從Saas產(chǎn)品、數(shù)據(jù)分析、工作流、目標(biāo)用戶、交互設(shè)計五個方面來做闡述和看法。
本人并不是分析中所有產(chǎn)品的付費用戶，因此無法深度和完整體驗所有產(chǎn)品，可能會在一定程度上分析不到位，如有不足之處，還請各位指正和諒解，謝謝。
Saas產(chǎn)品中的數(shù)據(jù)分析產(chǎn)品-神策數(shù)據(jù)
神策數(shù)據(jù)作為一款Saas產(chǎn)品上解決了自身產(chǎn)品三個方面的問題和一個用戶問題。
用戶體驗：一個賬號關(guān)聯(lián)整個工作流所有角色賬號。
競品抄襲：上門演示，確定用戶身份，防止競品抄襲。
陪跑員身份：所有Saas產(chǎn)品的尷尬處境。
用戶體驗
體驗Demo沒有采用售前的試用賬號制。
一方面算是很大程度了降低了售前的成本（時間成本、人工成本）。
另一方面一個賬號關(guān)聯(lián)整個工作流所有角色，可以不用切換賬號，或者調(diào)整權(quán)限或配置權(quán)限，才能體驗相關(guān)功能，降低了用戶的學(xué)習(xí)成本。
其實有不少saas產(chǎn)品沒有這么做，直接將產(chǎn)品在未做優(yōu)化的情況下直接完整的顯示在前臺，體驗完整功能必須要用戶自己配置好相應(yīng)的角色、功能和權(quán)限，用戶學(xué)習(xí)成本極高。
這一點我印象比較深的是紛享銷客。
紛享銷客
但可能由于兩者定位不同，紛享銷客定位的是 連接型CRM，重在體現(xiàn)各個系統(tǒng)間的聯(lián)系，所以權(quán)限、功能設(shè)置。
競品抄襲
數(shù)據(jù)產(chǎn)品有一定的上手成本是一方面，另一方面，上門演示，其實一定程度可以防范競品抄襲。
陪跑員身份
這個可以說是所有Saas產(chǎn)品的尷尬處境。
所有Saas產(chǎn)品的尷尬處境在于，公司僅一個互聯(lián)網(wǎng)/IT公司實體，沒有自己的垂直用戶，或者說渠道用戶，自身公司的產(chǎn)品，只能定位于機構(gòu)（以教育行業(yè)來說），或者說同行，定位于saas產(chǎn)品可以快速的積累行業(yè)經(jīng)驗和優(yōu)勢，但很容易淪落為陪跑員。
這可能是Saas產(chǎn)品中數(shù)據(jù)產(chǎn)品的一大優(yōu)勢，神策數(shù)據(jù)目前是兩種身份，一種是saas產(chǎn)品，另一種是系統(tǒng)數(shù)據(jù)分析中間件身份。中間件身份一定程度上避免了用戶仿制，并延長了用戶生命周期。
私有化部署的必要性，同普通的saas產(chǎn)品不同，數(shù)據(jù)型saas產(chǎn)品需要一定的學(xué)習(xí)和再設(shè)計成本，而盡管用戶為同行用戶，但仿制成本大大上升，且有不小失敗幾率，對于小公司則不如直接私有化更為省力，主要精力則放在自身垂直業(yè)務(wù)上。
這里舉例五個saas型產(chǎn)品為例好了。
1.小禾科技、2.云朵課堂、3.BDP、4、Tableau、5.PowerBI
小禾科技、云朵課堂
都是教育型saas產(chǎn)品，服務(wù)于教育機構(gòu)，但機構(gòu)體量業(yè)務(wù)一旦上來，不可避免的就造成用戶開始仿制自研正在使用的saas產(chǎn)品，saas產(chǎn)品付費用戶，開始居多后來則慢慢下滑。
saas垂直型產(chǎn)品典型的表現(xiàn)是用戶粘性強，但生命周期過短。
BDP
BDP是國內(nèi)早年間，定位于業(yè)務(wù)分析人員，數(shù)據(jù)分析和可視化產(chǎn)品的代表，曾經(jīng)還和金數(shù)據(jù)有過合作，但現(xiàn)在，再去看一下，產(chǎn)品在可視化方面目前稍稍欠缺，個人版永久免費，企業(yè)版付費。
Tableau
Tableau、Microsoft PowerBI，自助式業(yè)務(wù)分析工具，定位于業(yè)務(wù)、數(shù)據(jù)分析師。
今年前不久Tableau還同阿里云合作，直接嵌入至阿里云，而PowerBi，則是好像在去年更早的時候就在58的系統(tǒng)中，被嵌入作為分析工具了。
Quick BI
說到阿里云，其實不得不說到阿里云內(nèi)置的Quick BI，這個BI工具其實很微妙，我曾經(jīng)做過短暫的試用，感覺上是一個起步稍晚點的 簡化版的Tableau/Power BI，或者說是復(fù)制品。
但顯然公司對這么一款產(chǎn)品不是很上心，教程、官方說明資料都缺缺，官方的視頻教程由產(chǎn)品經(jīng)理來演示，結(jié)果來磕磕巴巴，評論區(qū)甚至出現(xiàn)了，“這是你設(shè)計的產(chǎn)品嗎?”這樣的評論。
其實如果Quick BI 如果功能強大的話，Tableau也不會和阿里云/AWS達成合作了。
Microsoft Power BI
Microsoft Power BI是微軟定位同Tableau的競爭者，為了占據(jù)BI市場誕生的產(chǎn)品。
主要定位于業(yè)務(wù)非IT人員使用，前身是 Excel 的 Power pivot、Power qurey和Power Map。Execel本來其實就是個二維數(shù)據(jù)管理工具，但在Excel2010版本時，將隔壁負(fù)責(zé)SQL的大神挖了過來，所以在誕生了excel中Power系列功能組件。
Microsoft PowerBI主打DAX函數(shù)，數(shù)據(jù)分析語言。
在基礎(chǔ)分析功能上，兩者其實都差不多，Tableau對于算法要求不高的用戶更友好，可視化也更漂亮，
Microsoft PowerBI，則是對算法和分析上更精深一些，舉個簡單的例子，在客戶價值分析中的RFM分析。
PowerBi和Tableau其實都可以完成，但tableau完成的方式是用if else的面向?qū)ο笳Z言嵌套而成。
而PowerBi，則是基于數(shù)據(jù)查詢語言的基礎(chǔ)上使用數(shù)據(jù)分析語言來完成，簡單的理解就是，多了“列”這個概念，而“列”則正是數(shù)據(jù)管理系統(tǒng)（數(shù)據(jù)庫）中最重要的概念。
所以直觀的體驗上來看，起碼在做RFM價值類分析的時候，使用tableau的時候，感覺上更多時間在編程寫語言，而使用powerbi則是在做數(shù)據(jù)分析。
數(shù)據(jù)分析
上圖是我所繪制了一個簡單的基于互聯(lián)網(wǎng)平臺的數(shù)據(jù)流轉(zhuǎn)圖。
可能對運營工作不太了解的朋友，可能猛一看有些蒙。OK，我們換一張簡單點的，看下面一張傳統(tǒng)數(shù)據(jù)流轉(zhuǎn)圖。
那么繪制這兩張圖其實并不難，但首先是要心中有有一個 數(shù)據(jù)“流”的概念，意思是數(shù)據(jù)是有方向的流轉(zhuǎn)狀態(tài)的。其次是對各個業(yè)務(wù)環(huán)節(jié)的作用和基礎(chǔ)數(shù)據(jù)有一定的了解。
那么為什么要將數(shù)據(jù)分析，數(shù)據(jù)流向放在這里講，其實是跟我自身經(jīng)歷有一定的關(guān)系。
首先在進入互聯(lián)網(wǎng)行業(yè)前，我是一名傳統(tǒng)行業(yè)的工作者，但是因為工作的要求，要經(jīng)常要和不同部門接觸、合作，并處理很多的數(shù)據(jù)，并做分析。其次是經(jīng)歷了從傳統(tǒng)到互聯(lián)網(wǎng)，從簡單到復(fù)雜的數(shù)據(jù)流轉(zhuǎn)關(guān)系，對數(shù)據(jù)的流轉(zhuǎn)過程比較了解。
工作流
神策數(shù)據(jù)，起碼是目前官網(wǎng)的體驗Demo的產(chǎn)品設(shè)計，是按照數(shù)據(jù)的采集→分析→操作→產(chǎn)出，這一道完整的工序來進行的，并且分出了不同行業(yè)的體驗?zāi)０?、不同功能等?/p>
什么意思？神策數(shù)據(jù)Demo是一個典型的，對B端決策者設(shè)計的產(chǎn)品，而且還是對數(shù)據(jù)加工處理有很深了解的決策者，并且對部門間協(xié)作步驟和流程十分了解或者界定十分清晰的決策者。
但是符合這類條件的決策者并不多，我見過不同類型的運營，或者說叫小編、后臺管理員更合適些，基本上就是了解一些轉(zhuǎn)發(fā)、原創(chuàng)、新增、留存、流失，做一些社群管理員。
運營職位的種類也分很多種，用戶運營、社群運營、內(nèi)容運營、數(shù)據(jù)運營，而最關(guān)鍵的是數(shù)據(jù)運營，要對數(shù)據(jù)有一定的理解，而數(shù)據(jù)運營也是要求最高，也是最少的運營。
目標(biāo)用戶的設(shè)定
面向To B端的交互設(shè)計，目標(biāo)用戶的設(shè)定，要遵循兩個原則。
目標(biāo)用戶要設(shè)定為起碼兩個或兩個以上不同的人物模型（用戶畫像），一個為決策者（付費者），另一個為日常用戶。
從交互和用戶研究的角度，一個產(chǎn)品的需要具備以下幾種人物模型（用戶畫像）。
2. 不論哪一種人物模型，都需要滿足馬斯洛需求層次。
這時候把馬斯洛需求層次拉出來，不是用來講大道理和吹噓使用，而是在B端產(chǎn)品中，真真實實存在的。什么意思？
馬斯洛需求層次的實踐
在文章的前面我繪制數(shù)據(jù)流關(guān)系圖，就是我實現(xiàn)一個基礎(chǔ)從業(yè)者馬斯洛需求層次的過程和實踐。
我是一名從基礎(chǔ)業(yè)務(wù)逐漸追求和提高自我價值的產(chǎn)品，發(fā)展路徑是 基礎(chǔ)業(yè)務(wù)→數(shù)據(jù)分析→產(chǎn)品。
神策數(shù)據(jù)目前的Demo設(shè)計問題
滿足次要人物模型：目前來看，神策目前的Demo設(shè)計滿足了決策者的設(shè)計（即客戶模型/次要人物模型），將工作流分開的同時，又滿足了對數(shù)據(jù)的加工和處理需求（有PC端也有移動端，很好的滿足了決策者需求）。
并未滿足主要人物模型：并沒有滿足 基礎(chǔ)用戶 （起碼是有自身追求的運營或者業(yè)務(wù)人員）的產(chǎn)品設(shè)計。
原因有三：
基于工作流協(xié)作和分工導(dǎo)致的產(chǎn)品功能割裂（學(xué)習(xí)和使用成本上升）
數(shù)據(jù)分析功能不足（基于列的分許不足，無法完成RFM分析，起碼Demo上無法滿足）
糟糕的交互設(shè)計（是真的糟糕）
目前神策數(shù)據(jù)的目標(biāo)用戶的設(shè)定和基于用戶的功能設(shè)計，會有哪些影響呢？
企業(yè)決策者試用產(chǎn)品的可能性微乎其微？目前再優(yōu)秀的工作流分組，但估計面向的決策者很少，除非是互聯(lián)網(wǎng)創(chuàng)業(yè)者，但互聯(lián)網(wǎng)創(chuàng)業(yè)者，再使用saas的可能性不高，簡單功能自己開發(fā)足矣。
面向有自身價值追求的業(yè)務(wù)人員、運營工作者層級太深，功能分散，學(xué)習(xí)成本太高，導(dǎo)致的轉(zhuǎn)化降低。
to B的購買流程一向是由使用部門試用，然后向決策者推薦并付費，既然試用的決策者不多，那么目前基于工作流的功能體驗，導(dǎo)致了學(xué)習(xí)成本的上升，以至于一定可能性降低轉(zhuǎn)化概率。
再回頭看BDP、Tableau、PowerBI
Tableau、Power BI且不說，看BDP的banner，多么直白，“秒變老板跟前紅人！”
符合B端中主要人物模型的馬斯洛需求層次。愛和歸屬感→尊重→自我實現(xiàn)
且不說BDP的數(shù)據(jù)可視化效果，做的確實有點不盡人意，但和國內(nèi)一種廠商比起來，大家也都是半斤八兩的感覺，但人家目標(biāo)用戶定位準(zhǔn)確。
起碼不需要一個精通數(shù)據(jù)分析和營銷的老板來試用和體驗產(chǎn)品，而且Saas數(shù)據(jù)分析產(chǎn)品，主要定位就是在創(chuàng)業(yè)公司，對人員都要求是特種兵，一專多能，哪有那么多錢雇傭那么多職位的人來做協(xié)作呢？
交互設(shè)計
? ?界面布局
? ?概覽
用戶分群
分析模板
事件分析、用戶屬性分析這兩個分析，是基于最小單位的分析，目標(biāo)用戶和意義不太清楚。
分布分析：實際分析的結(jié)果有些問題，應(yīng)該是將一天的時間，按一定時間單位切割開，看用戶集中在什么時間段使用App的數(shù)量多些。
自定義分析
使用的HIVE做自定義分析，界面上顯示的語言類似于 SQL和javascript語言的結(jié)合，不會Hive的數(shù)據(jù)分析師，估計就直接不會用了。
總結(jié)
在數(shù)據(jù)分析型產(chǎn)品中，我個人更看好自助式的業(yè)務(wù)分析產(chǎn)品，大概可能是我接觸PowerBI產(chǎn)品更早一些。
在數(shù)據(jù)分析發(fā)展方向上，也更看到基于DAX分析語言，基于數(shù)據(jù)分析語言而非編程語言的產(chǎn)品。
基于數(shù)據(jù)分析語言的產(chǎn)品更專注于數(shù)據(jù)分析，而非數(shù)據(jù)的清洗、轉(zhuǎn)換和存儲或其他方面。
投融資股權(quán)歷程
這放上四張基于企查查的投融資歷史，分別是友盟、海致BDP、神策數(shù)據(jù)、Tableau，這里面不包含Microsoft Power BI，為什么？微軟自家產(chǎn)品還需要別人投/融資么？?。?/p>
百度指數(shù)
百度指數(shù)的歷史趨勢分析，包含BDP、神策數(shù)據(jù)、Tableau、Power BI、友盟等關(guān)鍵詞。
去除友盟之后的百度指數(shù)對比。
最后
最后放上幾張一位PowerBI大神基于Power BI制作的自助分析報表給大家分享一下。
