目录
简述
Saas产品-神策数据
数据分析
工作流
目标用户
交互设计
总结
投融资历程
百度指数
最后
简述
该篇分析，是从一名数据分析人员的角度，基于神策数据这款产品，延伸到数据分析常用产品，从Saas产品、数据分析、工作流、目标用户、交互设计五个方面来做阐述和看法。
本人并不是分析中所有产品的付费用户，因此无法深度和完整体验所有产品，可能会在一定程度上分析不到位，如有不足之处，还请各位指正和谅解，谢谢。
Saas产品中的数据分析产品-神策数据
神策数据作为一款Saas产品上解决了自身产品三个方面的问题和一个用户问题。
用户体验：一个账号关联整个工作流所有角色账号。
竞品抄袭：上门演示，确定用户身份，防止竞品抄袭。
陪跑员身份：所有Saas产品的尴尬处境。
用户体验
体验Demo没有采用售前的试用账号制。
一方面算是很大程度了降低了售前的成本（时间成本、人工成本）。
另一方面一个账号关联整个工作流所有角色，可以不用切换账号，或者调整权限或配置权限，才能体验相关功能，降低了用户的学习成本。
其实有不少saas产品没有这么做，直接将产品在未做优化的情况下直接完整的显示在前台，体验完整功能必须要用户自己配置好相应的角色、功能和权限，用户学习成本极高。
这一点我印象比较深的是纷享销客。
纷享销客
但可能由于两者定位不同，纷享销客定位的是 连接型CRM，重在体现各个系统间的联系，所以权限、功能设置。
竞品抄袭
数据产品有一定的上手成本是一方面，另一方面，上门演示，其实一定程度可以防范竞品抄袭。
陪跑员身份
这个可以说是所有Saas产品的尴尬处境。
所有Saas产品的尴尬处境在于，公司仅一个互联网/IT公司实体，没有自己的垂直用户，或者说渠道用户，自身公司的产品，只能定位于机构（以教育行业来说），或者说同行，定位于saas产品可以快速的积累行业经验和优势，但很容易沦落为陪跑员。
这可能是Saas产品中数据产品的一大优势，神策数据目前是两种身份，一种是saas产品，另一种是系统数据分析中间件身份。中间件身份一定程度上避免了用户仿制，并延长了用户生命周期。
私有化部署的必要性，同普通的saas产品不同，数据型saas产品需要一定的学习和再设计成本，而尽管用户为同行用户，但仿制成本大大上升，且有不小失败几率，对于小公司则不如直接私有化更为省力，主要精力则放在自身垂直业务上。
这里举例五个saas型产品为例好了。
1.小禾科技、2.云朵课堂、3.BDP、4、Tableau、5.PowerBI
小禾科技、云朵课堂
都是教育型saas产品，服务于教育机构，但机构体量业务一旦上来，不可避免的就造成用户开始仿制自研正在使用的saas产品，saas产品付费用户，开始居多后来则慢慢下滑。
saas垂直型产品典型的表现是用户粘性强，但生命周期过短。
BDP
BDP是国内早年间，定位于业务分析人员，数据分析和可视化产品的代表，曾经还和金数据有过合作，但现在，再去看一下，产品在可视化方面目前稍稍欠缺，个人版永久免费，企业版付费。
Tableau
Tableau、Microsoft PowerBI，自助式业务分析工具，定位于业务、数据分析师。
今年前不久Tableau还同阿里云合作，直接嵌入至阿里云，而PowerBi，则是好像在去年更早的时候就在58的系统中，被嵌入作为分析工具了。
Quick BI
说到阿里云，其实不得不说到阿里云内置的Quick BI，这个BI工具其实很微妙，我曾经做过短暂的试用，感觉上是一个起步稍晚点的 简化版的Tableau/Power BI，或者说是复制品。
但显然公司对这么一款产品不是很上心，教程、官方说明资料都缺缺，官方的视频教程由产品经理来演示，结果来磕磕巴巴，评论区甚至出现了，“这是你设计的产品吗?”这样的评论。
其实如果Quick BI 如果功能强大的话，Tableau也不会和阿里云/AWS达成合作了。
Microsoft Power BI
Microsoft Power BI是微软定位同Tableau的竞争者，为了占据BI市场诞生的产品。
主要定位于业务非IT人员使用，前身是 Excel 的 Power pivot、Power qurey和Power Map。Execel本来其实就是个二维数据管理工具，但在Excel2010版本时，将隔壁负责SQL的大神挖了过来，所以在诞生了excel中Power系列功能组件。
Microsoft PowerBI主打DAX函数，数据分析语言。
在基础分析功能上，两者其实都差不多，Tableau对于算法要求不高的用户更友好，可视化也更漂亮，
Microsoft PowerBI，则是对算法和分析上更精深一些，举个简单的例子，在客户价值分析中的RFM分析。
PowerBi和Tableau其实都可以完成，但tableau完成的方式是用if else的面向对象语言嵌套而成。
而PowerBi，则是基于数据查询语言的基础上使用数据分析语言来完成，简单的理解就是，多了“列”这个概念，而“列”则正是数据管理系统（数据库）中最重要的概念。
所以直观的体验上来看，起码在做RFM价值类分析的时候，使用tableau的时候，感觉上更多时间在编程写语言，而使用powerbi则是在做数据分析。
数据分析
上图是我所绘制了一个简单的基于互联网平台的数据流转图。
可能对运营工作不太了解的朋友，可能猛一看有些蒙。OK，我们换一张简单点的，看下面一张传统数据流转图。
那么绘制这两张图其实并不难，但首先是要心中有有一个 数据“流”的概念，意思是数据是有方向的流转状态的。其次是对各个业务环节的作用和基础数据有一定的了解。
那么为什么要将数据分析，数据流向放在这里讲，其实是跟我自身经历有一定的关系。
首先在进入互联网行业前，我是一名传统行业的工作者，但是因为工作的要求，要经常要和不同部门接触、合作，并处理很多的数据，并做分析。其次是经历了从传统到互联网，从简单到复杂的数据流转关系，对数据的流转过程比较了解。
工作流
神策数据，起码是目前官网的体验Demo的产品设计，是按照数据的采集→分析→操作→产出，这一道完整的工序来进行的，并且分出了不同行业的体验模板、不同功能等。
什么意思？神策数据Demo是一个典型的，对B端决策者设计的产品，而且还是对数据加工处理有很深了解的决策者，并且对部门间协作步骤和流程十分了解或者界定十分清晰的决策者。
但是符合这类条件的决策者并不多，我见过不同类型的运营，或者说叫小编、后台管理员更合适些，基本上就是了解一些转发、原创、新增、留存、流失，做一些社群管理员。
运营职位的种类也分很多种，用户运营、社群运营、内容运营、数据运营，而最关键的是数据运营，要对数据有一定的理解，而数据运营也是要求最高，也是最少的运营。
目标用户的设定
面向To B端的交互设计，目标用户的设定，要遵循两个原则。
目标用户要设定为起码两个或两个以上不同的人物模型（用户画像），一个为决策者（付费者），另一个为日常用户。
从交互和用户研究的角度，一个产品的需要具备以下几种人物模型（用户画像）。
2. 不论哪一种人物模型，都需要满足马斯洛需求层次。
这时候把马斯洛需求层次拉出来，不是用来讲大道理和吹嘘使用，而是在B端产品中，真真实实存在的。什么意思？
马斯洛需求层次的实践
在文章的前面我绘制数据流关系图，就是我实现一个基础从业者马斯洛需求层次的过程和实践。
我是一名从基础业务逐渐追求和提高自我价值的产品，发展路径是 基础业务→数据分析→产品。
神策数据目前的Demo设计问题
满足次要人物模型：目前来看，神策目前的Demo设计满足了决策者的设计（即客户模型/次要人物模型），将工作流分开的同时，又满足了对数据的加工和处理需求（有PC端也有移动端，很好的满足了决策者需求）。
并未满足主要人物模型：并没有满足 基础用户 （起码是有自身追求的运营或者业务人员）的产品设计。
原因有三：
基于工作流协作和分工导致的产品功能割裂（学习和使用成本上升）
数据分析功能不足（基于列的分许不足，无法完成RFM分析，起码Demo上无法满足）
糟糕的交互设计（是真的糟糕）
目前神策数据的目标用户的设定和基于用户的功能设计，会有哪些影响呢？
企业决策者试用产品的可能性微乎其微？目前再优秀的工作流分组，但估计面向的决策者很少，除非是互联网创业者，但互联网创业者，再使用saas的可能性不高，简单功能自己开发足矣。
面向有自身价值追求的业务人员、运营工作者层级太深，功能分散，学习成本太高，导致的转化降低。
to B的购买流程一向是由使用部门试用，然后向决策者推荐并付费，既然试用的决策者不多，那么目前基于工作流的功能体验，导致了学习成本的上升，以至于一定可能性降低转化概率。
再回头看BDP、Tableau、PowerBI
Tableau、Power BI且不说，看BDP的banner，多么直白，“秒变老板跟前红人！”
符合B端中主要人物模型的马斯洛需求层次。爱和归属感→尊重→自我实现
且不说BDP的数据可视化效果，做的确实有点不尽人意，但和国内一种厂商比起来，大家也都是半斤八两的感觉，但人家目标用户定位准确。
起码不需要一个精通数据分析和营销的老板来试用和体验产品，而且Saas数据分析产品，主要定位就是在创业公司，对人员都要求是特种兵，一专多能，哪有那么多钱雇佣那么多职位的人来做协作呢？
交互设计
界面布局
概览
用户分群
分析模板
事件分析、用户属性分析这两个分析，是基于最小单位的分析，目标用户和意义不太清楚。
分布分析：实际分析的结果有些问题，应该是将一天的时间，按一定时间单位切割开，看用户集中在什么时间段使用App的数量多些。
自定义分析
使用的HIVE做自定义分析，界面上显示的语言类似于 SQL和javascript语言的结合，不会Hive的数据分析师，估计就直接不会用了。
总结
在数据分析型产品中，我个人更看好自助式的业务分析产品，大概可能是我接触PowerBI产品更早一些。
在数据分析发展方向上，也更看到基于DAX分析语言，基于数据分析语言而非编程语言的产品。
基于数据分析语言的产品更专注于数据分析，而非数据的清洗、转换和存储或其他方面。
投融资股权历程
这放上四张基于企查查的投融资历史，分别是友盟、海致BDP、神策数据、Tableau，这里面不包含Microsoft Power BI，为什么？微软自家产品还需要别人投/融资么？！？
百度指数
百度指数的历史趋势分析，包含BDP、神策数据、Tableau、Power BI、友盟等关键词。
去除友盟之后的百度指数对比。
最后
最后放上几张一位PowerBI大神基于Power BI制作的自助分析报表给大家分享一下。
