迈克·弗拉基米尔（Mike Vladimer）
现代产品设计师在从大数据中提取价值时面临着被忽视的挑战。 业务中的经典启发式方法之一是80/20规则（即帕累托原理），该规则假定20％的投入导致80％的产出。 我认为在涉及大数据时，帕累托原理是相反的。 本质上，大数据有20/80规则，这意味着80％的分析只能捕获20％的价值。
帕累托原理
80/20规则背后的想法是，世界是不平衡的，因此从战略上集中精力进行努力可以使您更有效。 维尔弗雷多·帕累托（Vilfredo Pareto）首先指出了这一点，他指出自己花园中80％的豌豆仅来自20％的豌豆荚。 对于帕累托而言，这意味着他应该将在花园中的前20％时间（投入）集中在收获最胖的豌豆上，而豌豆则拥有80％的豌豆（产出）。 此后，帕累托停止工作，因为这样做只会带来很少的收益：工作增加了80％，豌豆只增加了20％。
80/20规则很有价值，因为它适用范围很广。 在业务中，公司经常发现80％的收入仅来自20％的客户。 在经济学中，大约80％的财富归20％的人口所有。 等等。 如果您想取得成果，例如增加业务收入，则应该关注前20％的客户。 剩下的80％将会是很多工作，几乎没有收益。 尽管80/20规则在许多情况下适用，但该规则在应用于大数据时会中断。
大数据正在引起范式转变
这是2018年初，我们正在围绕数据进行范式转变：人和机器现在正在生成比以往更多的数据。 直到最近，才从未大规模捕获数据。 例如，过去是您的朋友会给您写一封信，您会读并扔掉它。 现在，机器一直在捕获这样的数据。 当您发送电子邮件时，Google会将该邮件以及元数据（例如您收到时）存储在其Gmail服务器上。 物联网（IoT）背后的部分想法是，设备也会发生这种现象。 现在，每次您打开灯或进行温度测量时，都会有一个物联网产品准备记录该数据。
因此，根据IBM的数据，最近两年记录了全球90％的数据。 这意味着从2015年12月31日午夜之前发送的所有数据，从古埃及象形文字到古腾堡的第一本印刷圣经到“新年快乐！”短信，都已记录下来。是2016年和2017年。世界的这种变化解释了为什么我们经常感到不知所措-大多数信息价值不高。 20-80大数据规则提供了一个框架，可以更好地控制我们的数据饱和世界。
大数据的问题是复杂性，因此解决方案是简化的。 物联网和其他大数据产品经常使消费者不知所措。 以物联网温度计为例。 该物联网温度计的原始数据为：
{时间：11：00am，温度：65.0}，
{时间：11.01am，温度：65.2}，
一周大约有10,000分钟，因此您可以查看原始数据量如何迅速增加。 这给产品设计师带来了一个挑战，即如何给消费者提供简单，有用的外卖食品。
就个人而言，我看到了太多的物联网设备，其中“外卖”只是一个时序图，从本质上对消费者说：“这是一些数据分析； 现在您可以找出其余的内容。” 数据分析的前80％对消费者的作用很小：它仅捕获价值的前20％ 。 那是因为消费者购买产品来解决问题。 当产品向消费者提供“待办事项”列表而不是完整的解决方案时，它并不能真正解决问题。 相比之下，我看到了一些产品，这些产品的数据分析产生了有意义的，切实可行的外卖，可以完全解决消费者的问题。 这就是数据分析的最后20％如何捕获剩余的80％的值 。
让我们看看20/80大数据规则如何适用于温度计。 首先，考虑一个传统的温度计（不是IoT），该温度计告诉消费者现在温度在62°F外-它不会捕获任何数据，因此20/80规则不适用。 接下来，考虑一个典型的物联网认证温度计，该温度计可以连续记录温度并将数据存储在云中。 该典型的物联网温度计向消费者显示当前温度以及时序图，显示过去几天的温度。 这是一个糟糕的产品，因为它使消费者无法解决他们的问题并且几乎没有获得任何价值。 相比之下，遵守20–80规则的IoT温度计会将其拥有的所有数据提取为简明而有意义的见解：“是的，您今天需要穿一件夹克。”
20-80条规则的关键是确定并解决消费者的实际问题。 当消费者问“外面的温度是多少？”时，产品设计师需要认识到消费者的真正内在需求。 消费者询问温度，因为这是传统温度计曾经回答的唯一问题。 提供大量温度数据的物联网温度计无法解决根本问题。 一位出色的产品设计师意识到，即使消费者询问温度，他们真正关心的还是“我今天应该穿夹克吗？”
作为一名工程师，我可以满足向消费者展示所有数据的愿望。 只说“穿夹克”的想法太过简单了。 但是大多数消费者并不关心详细的数据，因此向他们显示所有数据会增加复杂性并损害其价值。 产品是要让消费者满意。
当然，“ 20/80大数据规则”存在一些风险。 首先，至关重要的是，产品设计师必须确定正确的潜在问题。 如果消费者真正的问题是“今天在沙滩上好吗？”，那么就穿夹克提出一个简洁的答案很烦人，无济于事。 产品设计师可以通过仔细研究他们的消费者并明确表达其产品的价值主张来缓解这一问题。 另一个挑战是个性化。 对于某些消费者来说，夹克天气为62°F，而其他消费者则穿着短裤和T恤。 产品设计师可以通过在IoT产品中加入一些细微之处和反馈来减轻这种情况：“您今天可能应该带一件夹克”，并询问“您昨天穿夹克了吗？”
大数据产品具有完全解决问题的独特能力，而20/80规则可确保其发挥潜能。 常规产品提供不完整的解决方案，因为它们受到可测量的内容和如何使用数据的限制。 传统的温度计现在只能测量温度。 它不能存储以前的测量值，也不能考虑其他因素，例如天气模式或个人喜好。 大数据“服装助手”会考虑所有这些因素。 大数据产品的基础是诸如人工智能和机器学习之类的新工具，它们使我们能够回答更深层次的问题。 我们作为产品设计师的工作是找出正确的问题，并使用我们的工具提供引人注目的完整解决方案。
80/20规则和20/80规则都显示了如何分配努力。 在传统的传统系统中，“ 80/20规则”规定您应该在投入前20％的努力后就应该停止工作。 对于大数据，“ 20/80规则”则相反：您的前80％的努力只会产生一点收益，因此请继续努力到100％。 我希望我已经提出理由，当涉及大数据时，您应该将数据分析一直进行到一个简单，可行的方法，使客户满意。
免责声明： 本文中表达的观点和观点属于作者，不一定反映奥兰治或奥兰治硅谷的立场或观点。
