1.2.2 商用数据产品
商用数据产品，即由企业或个人开发，提供给外部企业使用的，具备数据采集、计算、存储、展示和分析等功能的产品。随着社会分工日益细化，这类产品在国内外逐渐增多，从最早期的Webtrends、Omiture，到后来的Mixpanel、Amplitude，再到最近一两年在国内名声渐起的GrowingIO等，不一而足。
值得一提的是，国外在商用数据产品的分类上已经做得非常细致，在数据链条的每个环节都有大量企业竞争，导致整个行业分布非常碎片化和广泛。而因为国内外的企业市场成熟度等方面的差异，目前国内尚处于行业的起步阶段。
1.商用数据产品之分类
从图1-5及图1-6中可以看到目前商用数据产品的具体分类及领域中的相关产品。它们可分为数据分析师平台（Data Analyst Platforms）、数据科学平台（Data Science Platforms）、机器学习（Machine Learning）产品、BI平台（BI Platforms）、Web/移动端/交易分析（Web/Mobile/Commerce Analytics）、可视化产品（Visualization）、社交分析（Social Analytics）和数据源产品（Data Source，在下图中并未标识）等8个类型。分类角度可以多样，这里提供其中一种以供读者参考。
图1-5 商用数据产品1
图1-6 商用数据产品2
数据分析师平台定位于数据科学家和分析师，正如Alteryx的CEO乔治·马修对Alteryx的定位一样：
让分析师和数据科学家能够在一个平台上就完成数据输入、建模及数据图形化，而且使用简便，用户界面美观，用户体验比市面上的统计分析软件都要好。数据分析师们要完成这些工作可能需要用到两三个独立的产品，但是用它就可以一站式全部搞定，无须其他任何软件。
这类产品的特点是集合了数据清洗（不包括采集）到数据展示、数据挖掘等近乎全链条流程，数据工作者可通过该类平台一站式解决所有问题。
数据科学平台则只专注于提供各种数据挖掘及算法工具，不像数据分析师平台有专门的人群定位及整合式平台，因而灵活性更强，算法更强大，如SAS和MathWorks。与之对比，机器学习产品更专注于机器学习领域的研究和应用。
BI平台专注于数据清洗、展示和应用环节，定位于通过商业智能的方式，使企业内各个环节提高效率和降低成本。数据来自业务数据库、Excel等线下数据、云服务商等第三方数据接口，不一而足。国外最知名的产品莫过于在2019年被Google以26亿美元收购的Looker公司。图1-7介绍了Looker的工作模式，从连接数据源，到自动生成数据模型，然后改进模型以适应公司独特的指标和商业逻辑，到最后建立基础KPI看板和部门看板，让用户基本做到自给自足。
图1-7 Looker官网示例
Web/移动端/交易分析是互联网从业者接触最多的商用数据产品类型，更关注于互联网产品本身的分析，而BI平台虽然也会部分涉及产品分析，但其服务对象一般包含企业各个部门，如提供针对财务部门或者人力资源部门的分析模块，这是前者不会提供的内容。国外比较知名的产品有Google Analytics和Mixpanel等，国内就是早期的百度统计、CNZZ和友盟统计（现已被阿里收购，改名为友盟+），后期的GrowingIO和神策数据等。产品形式多为端到端的分析，从数据采集、分析到展示所有环节都会囊括进去。
可视化产品就很好理解了，见名知义，这类产品都专注于数据的可视化部分。最知名的可视化产品是长期霸占Gartner Data榜单第一名的Tableau，Tableau公司也是目前主打可视化产品的上市公司中市值最高的。它在2019年被Salesforce以157亿美元收购。从行业发展来看，BI平台和可视化产品与客户丰富、资源强大的To B企业合作是个大趋势，如微软拥有Power BI，阿里巴巴有友盟+和数加，Salesforce收购Tableau，谷歌很早就推出了Google Analytics，2019年又收购了Looker。与之对应的是，Domo作为一个曾经备受好评的公司（1.6节会专门介绍），上市前估值曾高达20亿美元，2018年6月于纳斯达克流血上市，2019年12月市值仅剩下6.43亿美元，算是此趋势的一个反面例证。
社交分析产品则主要是利用市面上已有的社交产品数据进行分析并得到公关舆情、社交情绪等方面的结果。数据源产品则是利用应用商店、自有SDK或者运营商数据，进行清洗、挖掘和整合后，单独售卖的商用数据产品，国内的Questmobile即为此类。
2.商用数据产品之挑战
商用数据产品作为To B市场一个很大的组成部分，在比较成熟的美国市场发展得如火如荼。近年来这种趋势渐渐蔓延到了中国市场，在2019年伴随着数据中台概念的大热，商用数据产品更是如雨后春笋，比比皆是。不同类型的商用数据产品有其特定的市场和产品特征。我们这里以国内常见的Web/移动端/交易分析类产品和偏产品分析的BI平台为例，来研究下商用数据产品目前面临的挑战和抉择。
首先，企业市场产品不可避免地要在平台型和项目型间游走。要想以低成本扩充用户群体，获得更高价值，必然得走通用型产品的路子。但企业与消费者不同，需求计划性及业务特性较强，通用型的产品往往不能满足其需求。为了满足这些大客户，并在竞争中获胜，企业可能慢慢滑向定制化，变成高科技外包公司。对于数据产品来讲尤其如此，不同行业的公司，甚至一个行业的不同公司，对数据的需求也会千差万别。举例来讲，同样是O2O的餐饮行业，美团外卖和回家吃饭关心的数据类别、分析方式有很大不同。而对于协作类、流程类产品来讲，这种差异性可能没那么大。
其次，数据的价值体现在使用者手里，不在数据产品身上。这点也和其他类企业产品不同。沟通类、协作类和流程类企业产品的价值体现在自身产品上，只要有人用了就有价值。而对于数据产品来讲，更重要的是企业如何根据数据作出行动。这要求企业本身具备浓厚的“用数据说话”的文化，并且能够由上往下推动此事进展，而这不啻又一座大山。如果不能翻越这座大山，数据产品的价值就无法被客户感知，从而导致产品黏性下降，客户流失。
最后，因为数据的安全性和重要性，此类公司价值存在一定的天花板。在未来的时代里，数据的重要性越来越大。马云曾给阿里巴巴定下“五新战略”，数据就是其中之一：新资源。公司但凡成长到一定阶段，具备挖掘数据的技术能力，都会开辟一个新战场，好好挖一挖这种新时代的“石油”。而数据安全性也必然会引起拥有用户隐私的企业（如银行类、航空类公司）前所未有的重视。基于以上两点，大公司势必会选择将数据紧攥在手心，成立团队独自开发。这就限定了此类公司的目标群体只能在中小型企业身上，成为此类型企业最明显的边界。在大型企业中，它们最合适的定位是作为企业数据战略的补充者存在。
3.商用数据产品之机会
在高山地见攀登者，于远洋处有渡航人。尽管上文列出了一些挑战，但这个行业之所以发展旺盛，自有它的迷人之处。
机会一，数据价值的广泛性。相对于企业数据产品价值只局限于一个企业，商用数据产品则天然为更多的企业服务，既能对外输出产品服务，提供商业价值，也能通过更多企业使用来发挥更大的数据价值。数据产品就像中世纪的骑兵，培养成型后纵横沙场、威震四方，但一般国家承担不起，因为既无钱财人马又无机制传承。中小型公司因为人员和精力的问题，并没有机制和能力管理数据，更别谈专业的数据分析。商用数据产品冲进来后填补了这块市场空白，解决用什么（What）和怎么用（How）的问题，以此将数据能力赋予中小企业。这如同提供可供雇佣的骑兵队伍，帮助他们征战沙场取得胜利，而骑兵的价值在这个过程中也被相应地放大了。
机会二，数据需求的抽象性。如果旨在做一个通用的分析平台，那么如何将多样化的数据需求抽象成一个个产品就是关键。甚至可以针对不同行业、不同职位的人提供对应的分析模板，以及有普适性的分析功能。商用数据产品要求产品本身要拥有较高的行业洞察力和理解能力，并将需求进行更高一层的抽象。如果说企业数据产品的抽象是部门级或企业级的，那么商用数据产品的抽象就属于行业级别。
机会三，数据需求的实现程度。可以投入大量精力开发在企业数据产品中投入产出比较小的功能，如更智能、适应性更广的分析产品等。对数据相关的从业人员来讲，它有着另外一个魅力：数据产品也开始注重产品设计和用户体验。虽然这并不是此类产品成功的核心要素，不过也算是告别了企业数据产品“做出来你就得用”的时代，需要考虑数据如何以更便捷、更友好的方式展现给用户。
4.小结
随着中国市场人口红利的消失及劳动力价格的上升，专注于提高企业效率的To B产品渐渐受到投资行业和众多公司的关注。商用数据产品作为其中一员，亦将在这波浪潮中受益。如上文所提，此行业内挑战与机会并存，对比已经发展成熟的美国市场，中国在优秀的企业服务公司上还是一片空白。期待中国商用数据产品市场迎来丰收的一天。