|
一、前戏 看过我以往文章的朋友——《数据情怀这东西，你曾经拥有过？》。几年前，那时候我刚开始工作，曾经有一天，领导问每个人，你们职业路上，都有什么规划。身边的朋友都会说一些资深技术大牛的路线，轮到我，我只是说了，我想做一款数据产品。 那时候的确被笑了，不切合实际。我也没怎么继续聊下去了，把这个想法藏在了心里。 曾经说过，我算是比较纯正的一批大数据行业的从业者。现在准确来说，应该是比较靠前的一批踏上大数据产品探索的从业者。我工作这些年，都是在接触数据产品相关的工作。从一开始做的BI系统、类阿里指数和谷歌分析产品、用户画像这些数据产品，到现在反欺诈监控系统。无不例外。 在现在做反欺诈产品之前，在大数据生态圈子里，我绕着数据产品做了以下几点准备： 做过数据ETL开发，是为了去了解业务和数据源，确保了解业务需要哪些数据，数据从哪里来。 做过产品设计，它是我一直以来的兴趣，我认为数据产品存在的意义有两点：一是解决业务痛点；一是引导人们的需求。 做数据挖掘，它是利用大学打下基础去实践数据的价值，我很清楚整个建模过程需要注意各种细节。 了解大数据生态圈的技术，掌握MapReduce和Spark是为了清楚整个大数据生态圈数据的来龙去脉，并且能用code去实现每一个场景模型要实现的效果。
其实，于我而言，尝试性去做出一款数据产品并不是太难，因为我一直在努力着，仅仅缺少一个机会。
二、机会五个月前，我离开了上一家公司，待在老东家那段日子，总感觉有股劲试不出来，特别难受。所以，我决定寻找着可以有机会大展身手的一个平台。 我以前的文章也写了整个面试的过程。万般转折，我来到了目前所在的公司，一家老牌的互联网金融公司，整个公司技术氛围很好（每周三技术分享），跨部门之间的合作也很融洽，特别是CTO是做数据出身，背景也很好（微软、BAT），引导着公司未来数据事业的发展布局。
我到公司不到三周左右，我的上级领导就突然找我谈话，说公司打算在反欺诈这块做些产品出来，监控理财和借贷这两块业务，而且还是CTO牵头。还说集团还特意成立了子公司，并发的做这件事。
刚开始听到这个消息，一方面激动，一方面也紧张。毕竟新的领域，整个业务数据都还不了解，甚至是产品业务流程。 但是，整个数据中心是应该要在公司技术背景下打好自己的名声，要真正体现大数据的价值，而不是给别部门的印象仅仅是数据支持，这很low，这是我当初面试和领导说的其中一句话。 纵观整个部门，领导初步的认为我更合适牵头做这款数据产品，所以直接和我做了沟通。我经过了片刻的思考后，和领导达成了一致，决定着手调研。即使有别的跨公司的专业部门在和我们同时在做一件事，我们也会顶住压力，坚持下去。
三、弯路要说刚开始如何牛逼，那是不可能的剧情。以前做电商行业，现在转做互联网金融，业务差别肯定是有的，而且还从无到有去做一款数据产品，难度可想而知。 难产了几天，花了很多时间去了解产品业务流程和业务数据，刚开始走错了方向，主要有下面两点： 后面，我把自己遇到的困难和领导进行了反馈，经过讨论以后，初步确定了两条主线：
四、调研
确定好正确的方向，下一步就开始进行调研，主要有两个方面，调研人和调研产品。 由于被调研的人特别忙，而且还是高层，一般很难约到。多次联系，终于确定在周二下午3点，他在个人办公室等着我们，做一次业务层面上的支持。 领导、我，还有一个同事，三个人拿着笔记本和手机就准备敲门进去做调研了。之前路上，还进行了分工，谁做笔记，谁录音，谁提问，利用好这次快速学习金融业务的机会。
整个调研开展得很顺利，进行了一个半小时左右，对方很好奇，也感兴趣我们目前结合大数据在做得工作，所以大家聊得氛围很好。而和他聊天的过程中，总感觉城市套路太深，too young too simple。他告诉了我们很多他从事这十多年，遇到的形形色色的人和事，以及总结出的一些经验。比如有以下几点；
1.哪些区域的诈骗可能性最大，列举了至少十多个（这里防止地图炮，不具体）。 2.什么年龄层次、职业、社会人群最容易借钱不还。哪些正规渠道的人群是绝对不能放款。优质客户有哪些？ 3.如何设问题去套话，确认这个人借款的真实初衷，和还款能力。以及如何去校验用户的个人信息。 4.诈骗团伙都会有哪些伎俩去蒙骗过关，中介服务商是如何去帮助用户去骗取钱财，左手换右手的借款人都有什么特点，等等。 5.如何利用第三方数据源去填补线上借款数据的空白，比如快消行业的数据。
我回去以后总结了整个调研的全过程，反复看了好几遍。其实，对于资深的业务人员来说，他会告诉你很多他的经验法则和诈骗场景。而对于从事大数据的人来说，能体现的还是用户群体细分、诈骗用户画像构建、以及针对差异化场景确定相应的征信校验，洞察用户心理。
做竞品分析是做大部分数据产品必须要经历的过程，这其中有很多原因，一方面是明确自身产品的优势以及价值点，简单来说，你要做的产品有什么不可替代的价值，公司为什么花资源去做它。一方面，从竞品的调研过程中，看到别人的优缺点，更高效明确可以借鉴和完善优化的功能点。 肤浅的竞品分析仅仅是在看别人页面长什么样？有哪些产品功能点？那个页面交互做得不错？ 鉴于我并不是专职做产品的，我并不会深入去得到结论。但是，从我做数据产品的角度（差异于做业务产品的人员），我当时分析国内外比较有名的产品以后（比如同盾、FICO），主要从这几个点去思考：
数据源：数据缺乏整合性、数据匮乏是很多商业数据产品的一大弊端，不完整的用户全路径行为，以及用户业务数据，挖掘出的用户特点很不健全。我们公司积累5年1200w左右的用户数据会是我们一大优势。 风险库：目前很多市面产品，甚至是公司自主开发黑白名单库，都是死数据，也就是说，用户存在即能判别，相反则视为安全。这是传统的做法，很难解决冷启动问题，对于300w网贷用户来说，能覆盖的面极少。如果能找准关键性特征向量，做一个监督性模型去自主学习，不断完善风险库，这也会是一个很大的优势。 维度单一：单方面只考虑用户行为数据，比如设备信息、网络信息、个人基本信息，绝大程度上能解决的问题并不多。真正专业诈骗的团伙是很容易规避这些规则，这是商业机密的特殊性（市面产品很难接触每个公司用户交易数据和个人敏感信息），也是规则引擎所带来的不足。
所以，当时得到结论是这样的，我们做这个产品的优势和突破点，可以放在这几个方面： 全渠道用户数据整合与积累，这其中，渠道整合代表着PC、WAP、IOS和安卓，用户整合代表着用户行为数据、基本信息以及资金流向数据，以及第三方有价值的数据源。 优化反欺诈校验流程，完善风险库和规则引擎所体现的不足，整个产品系统，融合4个模型去做深入挖掘分析。 优化风险库的启动机制，让它构造成一个可监督的自主学习体系，不断学习完善风险库的数量级。 增加征信校验流程，真正切切将数据产品与产品流程进行融合，不断推进整个产品的学习和完善。
五、和理财运营产品经理的耐撕那时候，整理需求，以及调研就花了两周左右时间，各种会议讨论，最终我们确定先着手理财端羊毛党这块的反欺诈监控。 曾经有一次，我约了整个理财运营部门，负责做业务数据分析的同事、产品同事和运营总负责人，想一起确认下最终的需求方案。但是很难把三个人凑在一起，确定会议时间，又修改会议时间，重复很多次都没正式开始。 这种现象是可以理解的，一方面每个人都的确有事忙。一方面，和我们做同样产品的其他部门，应该也联系过他们，他们也不想重复性去针对同一个问题去沟通两次。总之，时间成本很重要，每一次沟通都需要重视。 当时有些孤军奋战的感觉。那天下午想了想，觉得也不能这样耗下去，过需求，确定功能方向点是不可避免的。 我当时做了一个决定，直接带着电脑，坐着电梯，去理财运营部门主动找他们过方案。碰巧，他们都聚在一起，正在开会讨论理财发奖励给用户促进投资的事，这事也和羊毛党反欺诈系统有关系——只想发奖励给有价值的潜在用户，节约运营成本。 很快，我就被拉进会议，和他们一起讨论，也开始了后面和他们产品经理各种思路碰撞。刚开始大部分时间都是他们产品经理在说，主要讲了几个点的问题： 这不是一场耐撕的口水战，毕竟我是来找别人确认需求方案，不是比谁说话大声，而是真正说服别人，提现自身价值。我当时主要回答了这几个问题，也是我对这块产品的认识。 设备指纹，不需要将它神圣化，我们也有算法在做这件事，更多要是，它只是能够辨别用户唯一身份的标识，并无他用。（他认可了） 产品真正痛点，不管是对接哪个部门，哪个产品，理财运营羊毛党反欺诈监控，真正的需求痛点只有两个方面：实时和精准。实时性体现在事前监控，响应时间至少要保证在秒级别。精准体现在，真正羊毛党反欺诈监控的核心不在于判别用户是否属于羊毛党，而是在于判别用户属于哪一类的羊毛党群体，个人，家庭，朋友，这些羊毛党群体，整个平台是可以接受的。（他也认可了） 资源力量：既然你认可需求痛点，那这里面，仅仅一个实时性，就是非常有技术门槛，不管是Spark Streaming，还是Strom，这些技术都是在大数据生态圈里，一个传统型业务部门，要做这样的事，不另招资源，而且还是高薪，能完成？而且仅仅依靠着死的风险库，能解决的问题极少，很多业务冷启动问题，它的优势是完全体现不出来。（他一知半解）
整个聊天的最后，大家也聊天很平和，我也没有继续去过需求方案，但是通过沟通，我也更加确定产品要解决的事，需要的功能点，以及和业务的融合形式。
部分需求方案流程 六、产品设计
坦坦荡荡，说服了自己，也说服了别人。终于准备开始产品设计了，很多人对产品经理的理解更多在于画产品原型，特别是数据产品经理，很难有个理解去定义会做哪些事。 正如大部分人所知道的，画产品原型。我看过一些仅仅做产品设计的同事，设计得很粗糙，而且很复杂，不切合实际，这也是为什么程序猿会谋杀产品经理的原因了。 因为工作的原因，我会经常和UED的同事沟通，有一次，我打趣问她们，我设计的产品原型是不是很挫（故意的）。她很吃惊的看我，这样的原型已经比很多做业务的产品经理设计得好太多了，她还一开始认为我是做产品的人，毕竟我天天催她任务进度。 很多人会花很多时间在产品原型的设计上，甚至会用一些比较高级的画图软件。其实是很浪费时间成本的，而且意义并不大。 我自我感觉设计还算合格，而且我就用一些比较简单的小软件，却能设计出想达到的效果。比如颜色取色RGB，一款小软件colorpix。图标样式，就用阿里图标库。原型设计就用Axure RP Pro软件就可以了。（如果做日常设计，excel和百度对于我来说就足够了，画图神器）
阿里图标库 这个点真没必要耗费太多时间，我认为在对接UED时，能够确定三点就可以了：布局样式、主题风格和颜色搭配。一方面时间可以节省他们的构思时间，一方面润色上可以交给他们专业上去完成。真正的数据产品，缺乏功能规划都只是花瓶。
这个点是很容易区分开来水平高低的一个方面，也是市面上绝大多数数据产品经理难跨过去的一道坎。 在我看来，写一篇文章的技巧，和规划一个产品功能是同一个道理。主要思考有这三点：1.整个产品解决什么痛点问题？2.系统功能学会闭环，而不是堆砌。3.页面功能要有主题，主次分明。 这不就是写文章过程中，主题、故事线、笔墨主次之分？ 我看的很多尝试做数据产品的人，甚至是后面对接其他部门做同样产品的产品经理。在规划数据产品的过程中，都会暴露几个功能方面的问题： 其实，这主要的原因，还是见得少，了解得少，对业务不熟悉，对技术不了解，特别还是大数据生态圈数据流程。
当初规划五个板块的功能模块，目前已经开发完成8个页面，还剩2个页面正在开发中。
当时花了一周初步规划好整个系统的页面功能点，反复修改了很多次，确定无误以后。准备邀请CTO、理财运营人员、后端工程师一起过整个产品前端页面的功能点。 那天的讨论比较顺利，至少在业务方向上是被认可的，可行性上也能够实现。唯一的不足就是对我们产品的真正落地，还持有质疑性。毕竟公司内部没有人做过，对于这样的数据产品，大家也没有一个成型的样式在脑海里。 这样的质疑是可以理解，别的不说，踏实做好，用心去做就足够。至少当时我是这样想的，我也还一度认为，原来做数据产品会这么简单，需求调研，产品规划，剩下的就是一个干。 后续任何真正有挑战的事，并不是想象中如此简单。我当时把它想得太简单了。我们是优先开发后端功能，总共五个引擎服务（用户行为跟踪、风险库引擎、规则引擎、反欺诈用户关系网络和监控预警），在这过程中，整个产品一度走上了难产、破灭的阶段，甚至领导也不相信它还能够落地，甚至有机会申请创新项目。 厚积薄发，在最困难的关键时刻，想到自己当初的梦想，仍然难以实现，不甘心。我果断站了出来，顶住压力把产品带到了现在，这里面除了欣慰，更多是一种难忘的经历。 下一篇文章会继续讲述，整个数据产品是如何走向危险，以及如果突破困难，坚强站了出来。
作者介绍 汪榕，3年场景建模经验，曾累计获得8次数学建模一等奖，包括全国大学生国家一等奖，在国内期刊发表过相关学术研究。两年电商数据挖掘实践，负责开发精准营销产品中的用户标签体系。发表过数据挖掘相关的多篇文章。目前在互联网金融行业从事数据挖掘工作，参与开发反欺诈实时监控系统。
对此你有何评价？欢迎回帖和大家一起评论 ---------------------------------------------- 米多大数据引擎，帮助传统品牌企业实现物联网时代的“四个现代化”，即企业平台化、品牌人格化、产品个性化、员工创客化。
| 
