基于生命周期管理的大数据产品定位研究

基于生命周期管理的大数据产品定位研究

李炜喆，赵耀

中国移动通信集团湖北有限公司，湖北武汉，430023

摘要：研究大数据产品的生命周期，对产品的定位与规划，具有重要意义。传统的数据产品，其生命周期主要包括调研、设计、开发、运营、升级和退市等环节。作为一类数据产品，大数据产品有其特有的生命周期。本文从大数据产品的生命周期出发，围绕着大数据产品的（设计、市场、商业）定位，对大数据产品的逻辑流程与愿景、产品线、技术服务、CRISP-DM数据挖掘方法论等展开研究，旨在为大数据产品的研发提供参考。

关键词：全生命周期管理；大数据；数据类产品；CRISP-DM；数据挖掘方法论

1  概述

数据类产品，其生命周期包括产品调研、需求分析、版本设计与规划、产品设计、产品研发、产品与项目运营、版本迭代、产品退市等环节。尽管大数据产品也是一类数据产品，但其4V特性（数据量大、数据种类多、数据的获取速度快、数据的价值密度低）决定了大数据产品与一般的数据产品具有一些差异。

作为一类数据类产品，大数据产品的生命周期，主要包括四个环节：（1）起步期：在这一阶段，大数据产品的市场增长率较高，然而产品设计尚未成熟，行业利润率较低，需求增长较快，技术变动较大，行业参与者主要致力于开辟新用户占领市场，但此时技术上有很大的不确定性，在产品、市场、服务等策略上有很大的余地，对行业特点、行业竞争状况、用户特点等方面的信息掌握不多，企业进入壁垒较低；（2）成长期：在这一阶段，大数据产品的市场增长率很高，需求高速增长，技术渐趋定型，行业特点、行业竞争状况及用户特点已比较明朗，企业进入壁垒提高，产品品种及竞争者数量增多；（3）成熟期：在这一阶段，大数据产品的市场增长率不高，主要体现在需求增长率不高，技术上已经成熟，行业特点、行业竞争状况及用户特点非常清楚和稳定，买方市场形成，行业盈利能力下降，新产品和产品的新用途开发更为困难，行业进入壁垒很高；（4）衰退期：在这一阶段，大数据产品的市场增长率严重下降：行业生产能力会出现过剩现象，技术被模仿后出现的替代产品充斥市场，需求下降，产品品种及竞争者数目减少。

结合多年的大数据产品研发经验，本文对大数据产品的定位规划展开研究，提出了大数据产品的设计逻辑，给出产品线的概念，并使用CRISP-DM方法对大数据的定位进行分析。本文的工作，主要是为企业高层提供方向参考，为中层管理提供决策支撑，为一线技术人员提供技术指导。

2  基于生命周期管理的大数据产品定位与规划

2.1  大数据产品的设计逻辑与产品线

图1：大数据产品设计的逻辑示意图

大数据产品的设计与定位，应该紧紧围绕公司的企业愿景与目标，对公司的业务板块进行梳理，然后开展问题域的识别，梳理出整个业务流程。在这些工作的基础上，开展大数据产品的价值分析与呈现。

2.2  数据产品的总体构成与愿景

图2：大数据产品的愿景定位

大数据产品的愿景，就是让数据可得、可用、可见、可运营、可增值，实现大数据产品的业务数据化、数据资产化、资产服务化、服务业务化。所谓的数据资产化，是指对企业的数据标准、数据质量、数据模型、数据集成等数据生命周期进行维护与管理。所谓数据服务化，包括分析服务、查询服务、规则服务、搜索服务等。所谓的数据业务化，包括：（1）推荐服务：按用户画像、兴趣特征、标签化的通用技术服务；（2）更多服务：基于其他业务场景，通过数据进行预测、洞察、文本分析、语义分析、机器学习等服务。

2.3  大数据产品的产品线

产品线是提供功能相近、满足相同的消费群体、使用相同的营销渠道并在一定价格范围的产品集。产品线可以看作是公司层面的细分市场，一个产品线可能是企业的一个财务核算单位。产品线是一种业务分类，实质上是业务线；存在技术或市场方面的协同效应。大数据产品线的评价因素，主要包括：

（1）产品组合：一个企业提供给市场的全部产品线和产品项目的组合或搭配，公司级产品组合一般包括若干产品线，每一条产品线内又包括若干产品项目；产品组合可以用产品线的宽度、长度、深度和一致性来说明。

（2）产品线宽度：产品组合的广度，是指企业产品组合内的产品线数目；产品线越多，产品组合越宽；反之，产品组合越窄；产品线宽度视企业的规模而定，一般不建议超过6条产品线，如某公司拥有金融、能源、交通、电能等方向的研究领域，那该公司产品线的宽度为4。

（3）产品线长度：每一条产品线内的产品品类数称为该产品线的长度，如果一个公司具有多条产品线，公司将所有产品线的长度加起来，得到公司产品组合的总长度，除以宽度则可以得到公司平均产品线长度；长度越大，表示产品中产品项目越多；反之，产品项目越少，如某公司网络游戏产品线共有五款产品，该产品线的长度为5。

（4）产品线深度：公司每条产品线上的每个产品项目可供用户选择的种类；如某手机提供了不同存储容量和不同种屏幕尺寸供用户选择，存储容量和屏幕尺寸构成了该公司手机产品线深度。

2.4  基于生命周期的大数据产品迭代

数据类产品生命周期与迭代过程，可以使用CRISP-DM（CRoss-Industry Standard Process for Data Mining，跨行业数据挖掘标准流程）工具进行出来。CRISP-DM数据挖掘方法论的内容包括：（1）业务理解：了解进行数据挖掘的业务原因和数据挖掘目标；（2）数据理解：深入了解可用于挖掘的数据；（3）数据准备：对待挖掘数据进行合并、汇总、排序、样本选取等操作；（3）建立模型：根据前期准备的数据选取合适的模型；（4）模型评估：使用在商业理解阶段设立的业务成功标准对模型进行评估；（5）模型部署：使用挖掘后的结果提升业务的过程。

图3：基于生命周期的大数据产品迭代过程

3  结束语

在产品战略规划过程中，不仅要考虑产品在当前市场的吸引力、竞争地位和财务贡献，还要从未来发展的角度对产品进行规划。在聚焦项目方面，主要是概述目前的重要产品线或产品，是公司的现金流、利润、市场份额和品牌的主要承担者。在重点项目方面，市场潜力大、销售额可以迅速增长，通过重点投入和技术、市场突破的项目，能够在未来1-2年成为聚集项目。在布局项目方面，主要是市场潜力大，竞争不激烈，至少在一年内不会产生利润的项目，但未来发展潜力巨大，对公司后续发展有重要影响。

参考文献

[1]王鸿鹭; 蒋炜; 魏来; 黄文坡. 基于物联网的产品全生命周期质量管理的模式创新与展望[J]. 系统工程理论与实践. 2020(11).

[2]任建勋; 秦修功; 滕绍东; 郭栋; 杜已超. 产品生命周期统一数据模型研究[J]. 制造业自动化. 2021(03).

[3]任杉; 张映锋; 黄彬彬. 生命周期大数据驱动的复杂产品智能制造服务新模式研究[J]. 机械工程学报. 2018(08).

-------------

作者介绍：

李炜喆(1984-）,男，汉，湖北武汉人，中级工程师，主要从事通信行业终端市场及大数据产品方面的研究。赵耀（1987-），男，汉，湖北襄阳人，集团内省级专家初级，主要从事通信行业政企市场DICT业务拓展。