猎云网 9月7日报道 （编译：蔡妙娴）
编者注：新兴的数据原生代人群与数字原生代人群有何区别？他们对世界的追求又是怎样的？数字原生代们极其渴望拥有能够预测他们所有需要的产品，为创造一个能与他们的需求无缝连接的智能世界，数据原生代们掀起了新数字革命。
想象一下，如果存在这么一个交叉点，让所有数据分析带来的创新与硬件革新相遇的话，那它能带给我们的就会像Monica Rogati在Jawbone的工作一样辉煌。作为Data公司的副总裁，Monica Rogati创建了一支由科学家和工程师组成的队伍，这个队伍将可穿戴设备、数据以及物联网技术发挥到了极致。如今，她将大部分时间都用在了给那些想要最大限度利用数据的公司提供指导意见。
如果说有谁在这个领域取得了登峰造极的成就的话，那就是Monica Rogati了。但她的成就并不能掩盖大部分公司还在学着利用数据来开发更多优质产品的事实。越来越多的企业开始报名参加机器学习等等课程，但将知识转化成简单、优雅的产品这一过程却超出了大部分公司的能力。当然，这些并不能阻止消费者追求更精致的数据产品。
“大约10年前，有一段视频在YouTube上被疯转，视频里一个小婴儿拿着一本杂志，试图将杂志当成iPad用。小婴儿对着杂志敲敲点点，在看到杂志没什么反应后，小婴儿顿住了，盯着杂志脑袋里想着，‘这个一定是坏了’。”Rogati说道，“显然，新一代的人正成长为数字原生代。今天，我们得以见证数字原生代们为创造一个能与他们的需求无缝连接的智能世界而掀起的新数字革命。”
数字原生代们极其渴望拥有能够预测他们所有需要的产品。在这篇独家报道中，Rogati跟我们分享了一些能够帮助企业利用自身资源，满足新一代渴望的方式。
理解“数据时代原住民”
数据原生代指的不仅是对科技熟悉或从事数字相关的工作，也不仅是喜欢在网络上看新闻或能熟练使用科技工具。数字革命的兴起是因为社会的平衡越来越倾向数字原生代们——这群被电脑、网络影响成长起来的年轻人。但Rogati认为我们正处在一个与数字革命类似却又完全独立的革命——数据革命中。
“数据原生代们不仅希望这个世界能变得数字化，而且希望世界智能化，能智能地适应他们的品味和习惯，”Rogati补充道，“比如说，一本杂志不仅仅应当做到数字化、互动化，也应当做到个性化。它应当能根据你的兴趣、地点、偏好来告诉你你需要知道的信息。数据原生代们的愿望已经转变了。”
数字原生代对给自己的恒温器进行编程应当会感到相当自在，但数据原生代更希望这个恒温器能自己编程；数字原生代可能会用星巴克的应用来订早晨的咖啡，但数据原生代希望星巴克的应用能在准确的时间自动给他们预订他们最喜欢的饮品。不仅如此，数据原生代们还希望这款应用具备情景感知功能，这样它就能知道什么时候预订老一套，什么时候混搭一下让用户尝个鲜。
数字原生代们关心他们能用科技做什么，而数据原生代们想知道科技能为他们做些什么。
这种心态因为网络设备的爆炸性普及得到了加速传播。Cisco最近的一份研究显示：2019年前，网络设备的数量将是地球人口总数的三倍。McKinsey表示，据预测，2025年前物联网科技将打破现有经济形式并创造价值6.2万亿美元的新市场。3年前，Home Depot能提供的智能家用设备还只有100种，如今已达600多种。
Rogati在Jawbone正致力于一款健康手环的开发，这款手环的设计正是为了赶上当今潮流。它不仅能帮助用户忠实地为自己打分，激发用户的潜能，还能在用户起床的时候为他们打开咖啡机，将电视机调到AC米兰的赛事频道，晚上睡觉时为用户关灯。
即便如此，还是有大量证据显示市面上的产品并没能与消费者们不断攀升的期望值同步。“你的GPS不知道你喜欢的路径，它还是会给你显示几千里外的餐馆；广告也还没能完全知道你是谁，你想要什么。有一天一则推送的广告告诉我说能在7天之内让我拿到学位，但它明明知道我花了7年才拿到博士学位。”Rogati说，“还有，你的手机会把 ‘LOL LOL LOL’这样的话自动纠正为‘lollipop oligopolistic’，我相信从没人说过这种句子。能使设备智能化的数据我们都有，我们只是还没能到达那一步。”
这是个有意思的窘境。通常来说，新科技拓展了人们对于可能性的认知，然而现在人们已经开始幻想那些还没人知道如何构造的产品了。
数据产品：如何赶上“智能”世界
对于数据产品正确、实用的定义是：“数据产品能根据从你、其他人以及整个世界那里收集的数据来提供情景感知和个性化功能。”Rogati说道。开发出优质设备的关键之处就在于缩短反馈环路的时间，以便产品能够持续迅速地收集数据。
另外，发送推荐与用户进行互动，并通过用户的选择来研究分析也是提升智能化的一大途径。你发送的推荐越多，你就能通过记录、回应用户的偏好来变得更加智能。这正是亚马逊35%的收益来源于推荐的产品的原因，也是Netflix75%的影片是通过推荐来租赁出去的原因。
在Jawbone，Rogati和她的团队的任务是利用数据、提供数据来帮助手环用户多运动、多睡觉以及健康饮食。他们会自动探测用户的体育锻炼，将其进行分类，提出饮食建议，并帮助这款设备成为用户的“智能教练”。智能手环会监督你比平时多喝三杯水，多走1000步或是提早10分钟上床睡觉。
“以上所说的只是个人层面上的，当我们扩大用户规模时，事情就变得有趣多了，”Rogati说，“如果大量的用户同时做这件事的话，我们就能知道人们对于这款应用是秉持着积极鼓舞的心态，还是如教官训练一样的心态。我们还可以知道促使人们运动的是合作还是分享——比如是让大家协商好一起跑100英里还是跑步竞赛。”
如果我们想做好这个设备，是需要数据科学的充分支撑的。这不只是多几张图表这么简单的事，而是为用户提供深入的个性化体验。
那么从哪里开始呢？
数据产品始于数据
在你进行任何分析，建立推荐系统或开始训练机器学习模型之前，你需要数据来进行详细剖析。剖析的目的不是简单地堆积数据，而是要丰富数据的种类，Rogati如是说。这意味着你要尽可能地装备你的应用来录入数据，因为有些数据很可能会永远遗失。举例而言，“只录入用户点击推荐产品的数据是远远不够的，你还得知道其他被推荐的产品，被推荐产品的顺序以及在显示器上的位置，”Rogati说，“此外，你还要记录用户使用的算法版本、参数、字符串，因为这些在几个月内可能都会改变。”
可信的数据流
如果你没有可信的数据流，那么即使是最好的装备，最好的机器学习算法也帮不了你。“如果你改变了参数的属性或是你的基础结构不足以容忍错误或无法升级，那你收集的数据就是不准确的。”Rogati说道。控制面板的运行以及内部分析都遵循这个道理，数据产品就更是了。
当你将数据回流给用户，造成了数据流断裂时，后果是非常严重的。因为你没能提供好的推荐，从而错过了销售的机会；你的应用也可能因此崩溃，因为一个队列被堵塞了。与此同时，你还失去了用户的信任。
有效数据和快速迭代
许多文章都已经指出数据处理和清理的重要性。我们经常听到这样一个说法：“数据科学家80%的时间都是在处理数据。”这个说法还赋予了一些人恶搞数据科学家的灵感（数据科学家80%的时间都在抱怨数据处理）。但是，Rogati希望这些数据科学家能接受这样的事实：处理数据的工作不是在贬损你的能力。完善的数据准备是一项探测性工作；只有兼具直觉、经验、智慧的实用主义者才能胜任。
Rogati表示：“为处理数据付出努力是完全值得的，因为它对结果的影响比你选择算法的影响还要大。”
真正的挑战来自于你根本无法预测数据错误的种种方式，这使快速迭代（不管是底层数据处理还是产品运送）显得无比重要。
反馈回路中的人
不管是数据产品还是传统分析，用户体验都是其中至关重要的一环。即使你的后端数据纯净有条理，你也得开发一个设计合理的用户界面。另外，你还要有一个不是太难用，不会阻碍员工进行探索的控制面板，用于报告和分析。为了真正投入对收集的数据的分析中并吸引团队里多种多样的意见以及创造性的见解，你要保证每个人都对他们投入数据分析以及得到结果的方式感到自在。而一个不合理的界面会成为实现这一切的巨大阻碍。
对于数据产品来说，用户体验就是一个门控因子。“要确保用户的互动流畅、直观、稳定，因为有些人会误解这种互动，有些人会点到 ‘错误的’东西上或怀有不同的期望值。”
优质的用户体验和准确的数据会让产品看起来更智能。
数据产品都有两面性，这两面互相巩固会创造一个良性的反馈循环。在实践中要怎么做呢？你得让用户能够方便地使用那些与人们生活无缝融合的软硬件，这样，它就能产生更多更优质的数据。
Rogati根据她的经历举了一个自动输入程序的例子：“比如说你正在往Jawbone的移动应用里输入饮食记录，这时快速自动输入就显得非常重要了，因为它能帮助用户更快地完成记录。用户输入信息越快，他们就会越频繁地使用这个应用。这样你最终也能获得更多优质、连续的数据。如果你能自动输入人们的想法，你就能避免错别字以及避免使用同一概念的数千种说法。”
分析良性的反馈循环，从中你能获得更多的优质数据，而这些数据反过来也会让自动输入更快、更好用，这样用户在使用该应用时也会感觉更流畅、更智能。“这就是顶级数据产品需要可靠的数据流、快速迭代以及密集型反馈循环支撑的原因，也是提升用户体验，实现真正智能化的条件。”
Source:Firstround
