決策型產品設計實踐

決策型產品是經過理解業務需求，創建業務模型，提供數據展現與分析，進而實現自動決策的產品。本文將結合咱們在嚴選供應鏈的實踐，分析在設計一個決策型產品時，最應該關注什麼，產品設計成功的關鍵點是什麼等問題。

1. 什麼是決策型產品

大數據技術的成熟及其在企業決策流程中的普遍應用，讓基於數據的各種業務產品在企業產品矩陣中的地位愈來愈重要。此類業務產品按照對於業務決策支持能力的強弱，能夠分爲三個發展階段：

1. 第一階段：報表型產品，爲業務人員提供各種數據報表，幫助他們瞭解業務的運行情況，業務人員能夠藉助報表展現的數據進行分析和決策；

2. 第二階段，分析型產品，分析型產品更進一步，除了數據展現外，將成熟的業務分析思路嵌入產品，提供不一樣程度的數據分析能力，加強了輔助業務決策的能力；

3. 第三階段，決策型產品，利用數據、規則、算法進行自動化決策，極大提升業務的自動化程度和決策水平；

咱們認爲，決策型產品是經過理解業務需求，創建業務模型，提供數據展現與分析，進而實現自動決策的產品。本文將結合咱們在嚴選供應鏈的實踐，分析在設計一個決策型產品時，最應該關注什麼？產品成功的關鍵點是什麼？等等問題。

2. 決策型產品的設計路線

咱們認爲，決策型產品的核心要素有三個：模型+數據+策略。與此相對應的，爲了可以讓一個決策型產品成功落地，主要須要作好三件事：

1. 構建領域模型，即要充分抓住決策型產品所解決的真實的業務問題，構建精準且可擴展的領域模型；
2. 挖掘數據價值，即要從業務、流程、系統等各個層面挖掘數據價值，以數據驅動業務決策；
3. 打造決策閉環，即要讓決策系統是一個能夠持續優化的閉環，以不斷知足快速變化的業務需求；

咱們會在下面的章節展開對這三個核心要素的討論。

3. 構建領域模型

決策型產品圍繞一個或一組業務場景進行設計，專一解決特定的業務問題，所以，深挖業務規則、理解業務流程、明確業務指標是構建業務模型的突破口。能夠說，一套精準又強大的業務模型，是一個決策型產品的靈魂。

咱們所理解的構建業務模型一般是產品技術人員的工做。雖然這件事情很重要，但因爲團隊責任劃分，一般負責需求的業務人員不會參與業務模型的構建，而是將需求經過層層傳遞的方式告知給產品技術人員，這可能形成關鍵信息丟失，進而致使構建的業務模型的精準性和擴展性不足。

這種模型構建方式的直接後果是：業務人員腦子裏的模型、產品人員腦子裏的模型與開發真正實如今代碼裏的模型都不同，最終形成不一樣角色間溝通困難，代碼持續腐化，新需求開發週期變長等問題。

那應該怎麼作呢？下面提出一些解決該問題的關鍵點。

3.1 達成普遍共識

決策型產品設計之初，就應該要求參與產品的各方，都可以對於業務模型、業務流程和業務指標達成共識。該實踐的重點是，構建業務模型的工做不能僅僅是由產品技術人員來完成，而是應該由整個團隊（包含業務人員、產品、技術、數據等角色）共同完成，讓每一個角色都可以對業務模型所包含的模塊，模塊之間的關係等有深入的、一致的認知。

在領域驅動設計（DDD）的實踐中提出了一種稱爲「事件風暴」的方法：業務專家向團隊全部成員描述詳細的業務流程，整個團隊積極參與討論，並在過程當中找到核心域、非核心域，明確實體、聚合、事件等關鍵元素，最終完成業務模型構建。

在具體的實踐中，可否高質量地進行事件風暴，除了很考驗每一位參與者的專一度與執行力以外，還特別須要一名業務專家的積極投入。所以必需要讓業務專家意識到，一方面他的專業知識對於業務模型的構建相當重要，另外一方面一套清晰、精準、強大的業務模型也能大大幫助他完成業務目標。即在這個過程當中，要讓業務專家由提需求的人，變成協助/甚至主導構建業務模型的人。

除了對業務模型的構建達成共識外，還須要各方對於整個業務將來的發展取得基本共識，例如將來業務會重點朝哪一個方向努力，哪一個業務域的可挖掘價值最高等等。這麼作的目的是可以讓產品技術團隊進行必定的提早佈局：例如是否須要拆分微服務、是否能夠將非核心的模塊外包、是否應該在某個模塊開發時投入主要精力等。

3.2 統一溝通語言

達成普遍共識的最終狀態應該是：在將來需求迭代、系統演進的過程當中，各個相關方可以使用同一套話語體系（Ubiquitous Language）進行溝通。這不只避免了各方在溝經過程中的信息失真，更重要的是可讓你們都可以在同一個思惟框架內去認知和討論。

當各方對於領域模型達成普遍共識，並可以用同一套語言進行溝通時，就能夠大大提升業務需求從提出到落地的效率。除此以外，還有其餘諸多好處：

1. 當面臨一個業務需求時，有兩種思考方式，一種是根據系統現狀，直接實現業務需求；另外一種更好的方式是，對照領域模型，對業務需求進行結構化分析：
1. 爲了支持業務需求，核心域是否須要進行能力擴充（即對核心業務模型進行擴展）
2. 爲了支持業務需求，支撐域是否須要新增處理邏輯（即對支撐業務邏輯進行調整）
3. 各個子域之間的交互方式是否須要升級
2. 當提出需求的人和實現需求的人對於領域模型有共同的認知時，那他們也能更好地就需求的投入產出比達成共識（而與此相對應的是，提需求的人對於需求實現的難度沒有概念，形成開發資源的浪費）；

3.3 挖掘核心業務指標

咱們首先須要明白一個道理：「若沒法衡量，則沒法優化」。對於一個決策型產品而言，咱們必須找到一系列指標，來衡量產品作出的各種決策的質量優劣，進而可以圍繞這些指標，來持續進行決策功能的優化。

同時，對於一個團隊來講，共同挖掘業務指標的過程，也是一次發現價值的過程。你們須要回答這些問題：

1. 什麼是這個產品須要知足的最核心價值？
2. 什麼是這個產品取得成功的最關鍵因素？
3. 什麼指標能夠幫助咱們衡量產品是否取得成功？
4. 什麼因素真正影響着這些業務指標的變化？

還有一些構建指標過程當中的注意事項：

1. 業務指標應該是分層的，哪些是核心指標，哪些是非核心指標，一個核心指標下面關聯哪些非核心指標。分清核心指標和非核心指標，對於產品的設計也有很大的影響，例如在咱們的一些供應鏈產品中，主頁面只須要展現最核心的庫轉和缺貨等核心指標便可；
2. 業務指標彼此可能存在衝突，例如成本和用戶體驗，一般爲了優化一個，就必須在必定程度上犧牲另外一個。咱們應該結合業務發展示狀，來選擇當前業務更加關心的指標，找到影響這些指標的關鍵因素來進行優化；
3. 業務指標的評價口徑不是一成不變的，而是應該隨着業務的發展而發展，定義業務指標的目的是爲了更好地理解業務的運行狀態，挖掘系統下一步的優化目標，所以當指標的統計口徑不能很好地指導業務發展時，就應該改變指標的統計口徑；

4. 挖掘數據價值

對於互聯網這樣的數字化業務，業務流程中的方方面面都須要利用數據。一個經得起市場檢驗的決策，是基於儘量普遍的數據收集和儘量嚴謹的邏輯分析基礎上得來的。所以，決策型產品的第二個關鍵要素是對業務數據的分層抽象與使用，深度挖掘數據價值。咱們能夠將數據的加工與使用分爲三層：

• 第一層，數據只是一串經過觀察而記錄下的符號，所含內容十分有限，沒法回答特定的問題。
• 第二層，經過加工解釋、分析數據間的關係得到了信息，信息是具備邏輯關係的數據，但此時信息中可能包含大量的冗餘內容，還不足以指導用戶決策。
• 第三層，進一步對龐大無序的信息進行管理和分類，知識是從相關信息中過濾、提煉及加工而獲得的有用資料。具有知識的決策產品可以直接推進用戶的決策和行爲，加速行爲過程。

舉個例子來講明。例如，某個商品在A倉庫有10件，在B倉庫有20件，C倉庫有15件，一個用戶訂單須要購買5件。這是數據，只是單純的記錄，沒法幫助業務決策應該從哪一個倉庫給用戶發貨是最優的。繼續分析發現，用戶地址離A倉庫最近，配送時效更快，可是A倉庫的庫內操做費和配送費都比B、C倉庫更高，同時，B倉庫存在產能不足的問題、C倉庫的商品即將過時……能夠看到，信息開始變多變雜，咱們開始面臨新的問題：如何肯定這些信息的價值或者說優先級，從而制定最佳決策呢？此時，咱們能夠進一步分析信息之間的關係，並肯定業務最關心的指標。例如，將影響調度結果的信息歸類爲成本、時效、產能、效期等因素，明確信息之間的協同或互斥關係。當業務目標是肯定以用戶體驗最優爲導向時，咱們即可以根據業務模型快速構建決策鏈路，最終獲得決策建議，從最近最快的A倉庫爲這位用戶發貨。

設計決策型產品的一大核心在於，須要圍繞業務目標對數據進行「數據-信息-知識」的逐步提煉，最終系統能夠在一個完善的知識體系下實現「因地制宜」的決策效果。在這個過程當中，咱們認爲，主要應該關注數據在三個方面的價值表現。

4.1 業務價值

做爲面向企業內部的產品，決策型產品的一大重點在於爲業務指標服務。知足業務需求、解決業務痛點是決策型產品須要具有的核心能力，而數據則是這項能力的關鍵載體。在規劃決策型產品時，不只要清楚數據在整個業務流程中的運轉規律，更須要釐清原始數據在每一次使用和運算後產生的新信息的含義，再結合業務規則和邏輯對新信息進行加工。

用一個例子來講明。在庫存平衡的業務場景中，調撥人員天天都要建立倉庫與倉庫之間的調撥單據，當系統只記錄和提供各類商品在每一個倉庫的數量時，在調撥場景中是沒有業務價值的，咱們不只須要提供庫存的實時數據，更重要的是知足調撥核心需求——該從哪一個倉調撥哪些商品調撥多少數量到哪一個倉，才能夠幫助庫存平衡，從而達成業務指標。咱們一樣能夠經過如下幾步來解決問題：

• 第一步，挖掘倉庫、商品、庫存、時間、路線等多維度數據之間的關聯關係，得到更多信息；
• 第二步，基於以上信息，構建合理、模塊化的業務模型，規範統一輸入參數，也就是搭建知識體系；
• 第三步，綜合以上全部條件並集合算法計算出符合核心目標的最佳組合；
• 最後，覆盤每次調撥決策中存在的異常和問題，做爲下一次對模型或參數優化的輸入。

決策型產品要讓數據爲目標所用，冗餘的數據會讓用戶困惑，每個展現給用戶的數據在特定場景下都應該有它的業務價值所在。隨着系統的自動化程度變高，咱們向業務人員提供的數據重心也會逐步從信息展現類轉向風險預警類和異常分析類，一方面提升系統輔助業務決策的前瞻性，另外一方面也爲下一步的自動化決策作準備。

4.2 流程價值

在系統還未發展成熟的階段，業務人員每每會經過各類各樣的方式達成業務目的。即便在同一個業務場景下，不一樣的業務人員操做流程也頗有多是不同的。千人千面的用戶習慣對於總體業務流程來講實際上是一種資源損耗，業務人員可能花費大量精力在數據的獲取和清洗上，甚至是僅根據少許數據拍腦殼作決策，可能致使一些意想不到的異常狀況和後續很難解釋的補丁流程。企業內部產品實現提效的根本在於做業流程標準化，所以，找出不一樣業務行爲背後的根本問題，經過構建合理的數據模型重組業務流程，促進流程標準化，是決策型產品應該從數據中挖掘到的第二重價值。

咱們仍是以調撥爲例。在人工處理時期，業務須要根據採購計劃、銷售活動、庫存水位、倉庫路線、調撥成本等信息綜合判斷，人工篩選、計算每條路線須要調撥的商品數量，計算結果受我的影響大且難以監控。能夠看到，在整個過程當中，使用到了銷售、商品、採購、庫存、配送等多個維度的數據，而業務如何使用這些數據實際上是不明朗的。

決策型產品須要很是清晰地定義數據使用分幾個階段、每一個階段使用哪些數據、使用的順序是什麼、不一樣數據的權重如何等問題，咱們要明確將哪些流程封裝到系統進行自動化，哪些流程仍然須要業務人工處理，而這個設計也很是依賴於數據的可靠性、完整性和準確性。經過對數據的定義與抽象分析，業務流程中的共性與特色也將脫穎而出，成爲咱們標準化流程的關鍵。

此外，在咱們設計產品的過程當中還須要保持獨立的產品視角，明確產品的階段與發展形態，在承接業務需求時，儘可能與產品的發展路線相匹配，而不是一味地進行功能點的堆砌。對業務需求和規則作必要的抽象，沉澱爲系統的通用能力，從而能夠知足將來更多的業務場景。

4.3 系統價值

打造數據流轉閉環、反哺系統建設是決策型產品發展歷程中的高級形態。當前咱們使用的多數內部決策型產品基本還處於輔助決策的狀態，這裏的「輔助」不只僅指系統對於業務來講，是一種數據分析與計算的工具，不具備徹底決策能力，也表示對於產品自己而言，還缺少一種自我迭代機制，用戶的行爲數據還未實現反向輸入或分析，產品的更新與進步仍然須要依賴於用戶主動的自我意識，致使產品品質與使用者的專業素質關係綁定很深。

反向分析用戶行爲數據的過程實際上是一種對用戶已有經驗知識的逆向解析，目前大多數狀況下，咱們經過人爲儘量地普遍收集用戶工做方法與經驗，將用戶經過經驗造成的知識解構爲信息和數據，再嵌入到產品中供系統識別和使用。這樣作的缺點在於每每受我的偏好的影響較大。智能決策型產品則須要具有自我學習能力，能夠基於更多角度的、更深度的、更實時的信息和知識進行解析和覆盤，得到新的知識與技能，持續優化決策。此時，決策型產品便完成了正向「數據分揀-信息聚類-知識架構」和逆向「知識解構-信息轉化-數據捕捉」的完整數據閉環。這也是決策型產品設計的第三大核心「打造決策閉環」的前提。

5. 打造決策閉環

決策型產品的最終目標，是可以實現自動化決策，取代業務人員平常決策的工做。實際上，實現自動化決策自己其實並不難，難的是如何實現一套可持續迭代優化的自動化決策系統。咱們把這項工做稱爲打造決策閉環，即實現「決策→覆盤→優化→再決策」的閉環。

不難理解，只有完成了決策閉環的構建，纔算真正意義上實現了自動化決策。進一步，經過一輪輪決策閉環的迭代優化，完善策略，強化算法，才能發揮決策型產品的價值，將業務人員從平常的決策工做中解放出來。

下面詳細介紹，要實現決策閉環，有哪些關鍵步驟。

5.1 構建評價體系

一套完備的、標準化的評價體系相當重要。上文咱們已經討論過須要挖掘關鍵的業務指標，而評價體系裏除了業務指標外，還包含兩類指標：

• 面向業務的中間指標 —— 例如供應鏈的核心業務指標爲默認倉知足率，而咱們能夠根據系統優化的須要，定義諸如最優倉知足率等指標，幫助咱們對系統進行更準確的評價；
• 面向系統的技術指標 —— 例如系統的訂單處理能力、算法執行速度等指標；

在構建評價體系的過程當中，有幾點須要注意：

1. 構建的評價體系是須要多層次的、完備的，可以對系統的方方面面進行評價。舉例嚴選的倉配決策系統，咱們有針對訂單層級的指標，如拆單率等，也包含運單層級的指標，如第二天達率等；
2. 在評價體系裏實現的業務指標，必定要和業務方承認的核心指標對齊（即須要被業務方承認），最好是可以直接接入真實的業務核心指標計算邏輯裏。這麼作的好處是，評價體系容易被業務方承認，同時一旦業務指標的計算邏輯有更新，也可以立刻反應到評價體系裏；

5.2 覆盤與模擬

爲了可以讓決策型產品作出的決策質量更高，必須持續對每一次決策進行復盤，而覆盤的關鍵，就是要看每一次決策對於評價體系的各項指標產生什麼影響。更進一步，可以分析出指標變化的緣由，從而在下一次的決策過程當中調整參數，以指望獲得更好的決策結果。

上面所說的這個「決策→覆盤→優化→再決策」的過程，在實際執行的過程當中會比較複雜，主要緣由是：

1. 實際中的業務指標，常常受到不少因素的共同影響，因此很難簡單的歸因於某一個具體的決策致使了業務指標的變化。例如對於用戶訂單的拆單率，可能受到用戶訂單數量、庫存分佈狀況、倉庫產能等數十個因素的影響，若是咱們想要找到拆單率變化與某個決策之間的關係，實際上是很困難的；
2. 實際中的業務指標，可能須要很長時間纔可以真正體現出影響來，這致使了從覆盤、優化到再決策的週期很長，系統優化的效率低下。例如商品的採購策略，可能會影響將來幾周甚至幾個月的銷售狀況、庫存成本等，咱們不可能真的等到這批庫存賣完，才能對採購的下一次決策進行優化；

爲了解決這個問題，系統在設計的時候，能夠考慮引入仿真模擬系統。簡單來講，仿真模擬系統是基於業務模型構建的一套虛擬運行環境，經過控制整個系統變量的數量，來對系統決策如何影響指標變化進行量化。仿真模擬系統可以大大加速覆盤週期，例如快速將用戶過去半年的訂單以事件流的方式進行重放，讓「決策→覆盤→優化→再決策」的閉環可以真正落地。

所以，咱們應該考慮圍繞仿真模擬系統去打造決策反饋閉環。

5.3 圍繞模擬的反饋閉環

須要說明，咱們所說的「決策」，其實是決策產品在面對某個業務場景時，所執行的一套規則或一組算法，而不管是規則或算法，都是由一系列的參數來控制的。所以本質上，咱們說的覆盤，除了對於規則或算法自己的更新修正以外，更多的是來複盤面對某個業務場景是，對應的各項參數配置是不是「最優的」（注意：咱們討論規則是否「最優」，必定要和業務場景相結合，不難理解，庫存管理系統針對大促時期和平銷時期的最優參數配置必定是不一樣的）。

爲何須要圍繞仿真模擬系統打造反饋閉環呢？

1. 仿真模擬系統能夠根據歷史數據和將來指望數據，在決策前即對可能的業務結果進行仿真模擬，明確決策對於業務各項指標的影響，達到決策有預期，避免錯誤決策；
2. 在決策後，仿真模擬系統能夠持續對影響決策的參數進行模擬，嘗試尋找更優的參數配置。一旦找到了更優的參數，就能夠對線上的決策參數進行替換了。
   固然，在產品設計時，當發現更好的參數配置，有兩種作法：一種是將更好的參數及其模擬結果告知業務方，由業務人員確認，另外一種是直接由系統替換配置，再告知業務人員配置變動的緣由。選擇哪一種方式，取決於系統的成熟度，一般都是從第一種方式向第二種方式逐漸過渡；
3. 即便在多輪模擬後、甚至第一輪配置時就找到了決策對應的最優參數配置，可是因爲決策面臨的外部場景會發生變化，決策依賴的參數配置也須要隨之改變。經過仿真模擬，咱們能夠以更短的週期（例如天天）結合最新的業務變化狀況與爲將來的預測狀況進行模擬，從而找到與將來狀況更匹配的決策參數；

結尾

隨着企業各種業務線上化、自動化和智能化的推動，會出現愈來愈多的決策型產品，幫助業務人員作好各種業務決策。咱們相信，在推動決策型產品落地的過程當中，若是圍繞咱們提出的核心要素進行設計和實踐，可以幫助你們少走彎路，一次把事情作對。

做者簡介

麥格，網易嚴選供應鏈策略系統產品經理，負責嚴選供應鏈策略系統建設，專一於供應鏈訂單調度、庫存平衡、仿真模擬等方向。

斯內普，網易嚴選供應鏈技術架構師，負責嚴選供應鏈策略系統建設，目前專一於供應鏈系統建設、仿真模擬系統實踐。

本文由做者受權嚴選技術產品團隊發佈

本文分享自微信公衆號 - 嚴選技術產品團隊（YanxuanTechProd）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。