什麼是資料產品?

資料產品只是一種包裝資料的方法,以解決特定業務問題。我們不會提供可能雜亂或令人困惑的原始資料,而是將資料視為商店貨架上的產品,提供完整說明,包括資料內容、使用方式,以及保證資料準確無誤。將原始資訊轉換為高品質、可探索的資產,供整個組織使用。

這就像購買散裝食材和購買料理包的差異。資料產品就是這樣的套件,將原始資料與解決特定業務問題所需的指示和背景資訊包裝在一起。將分散的資料轉化為組織可信任、容易尋找,且可以即時發揮效用的資訊。

重點摘要

資料產品的應用形式相當廣泛,包括:

  • API,可傳回預測分數 (例如信用風險分數)
  • 應用程式內建的資訊主頁,顯示使用者數據分析
  • 推薦引擎,可推薦電影或產品
  • 機器學習模型,可即時偵測詐欺行為
  • AI 代理可根據已清理、整理且符合業務目標的資料進行訓練及運作

資料即產品與資料產品

「資料產品」和「資料即產品」這兩個詞很容易混淆,但兩者意義不同。瞭解兩者差異,對建構雲端解決方案至關重要。

  • 資料即產品 (DaaP) 是一種思維或策略,通常與「資料網格」架構概念有關。也就是以嚴謹的態度處理內部資料集,如同處理公開軟體產品一樣。
  • 另一方面,資料產品則是實際的技術成果。這些是預先封裝的資料,可為您使用高品質資料建構的軟體或工具提供支援。

主要差異:

功能

資料即產品

資料產品

這是什麼?

策略或理念。

預先封裝的資料資產。

主要目標

提升資料品質和可信度。

解決特定使用者問題。

範例

BigQuery 中的乾淨且已記錄的「顧客」資料表,並已指派擁有者。

「徹底瞭解客戶」資料產品,從該資料表擷取資料,顯示使用者的歷史記錄。

資料產品的用途

資料產品可做為治理功能使用,將資料和模型包裝成符合邏輯、安全且容易探索的單元。機構可透過核准工作流程,明確劃分擁有權並管理存取權。


零售商可將顧客行為數據和產品推薦模型包裝成單一「個人化資料產品」。透過 Knowledge Catalog,組織可確保只有獲得授權的開發人員,才能存取基礎資料集和模型端點。這個治理層會透過中繼資料 (切面) 提供背景資訊,同時保護機密的使用者互動。

金融機構可以建立「詐欺風險」資料產品,將即時交易串流與機器學習模型結合。這個整合式套件可確保核准工作流程安全無虞。調查人員需要存取風險分數時,會透過中央入口網站提出要求。這可確保存取權限具時效性,並經過完整稽核,防止未經授權的資料暴露。

在製造業中,「機器健康狀態」資料產品會結合感應器資料和異常偵測模型。自動資料品質檢查和剖析等治理功能,可確保模型只使用可信的資料。避免因感應器故障或原始輸入資料「雜亂」,所導致的錯誤故障預測。

物流團隊可將路線演算法和車輛限制資料集包裝成「配送最佳化」資料產品。透過在 data fabric 中建立網域層級擁有權,公司可以追蹤資料歷程,清楚瞭解原始位置資料如何轉換為最終的駕駛員排班表。

資料產品的優點

建構資料產品可為企業帶來顯著優勢。這能協助企業從單純收集資料,轉為實際運用資料創造價值。

做出更佳決策

機構可透過資料產品,將重要洞察資訊直接提供給有需要的人。這有助於團隊根據證據而非直覺,做出更明智的策略選擇。

加快創新速度

可重複使用的資料產品能縮短實作新用途所需的時間。開發人員可將現有資料產品整合至應用程式,加快推送功能和解決問題的速度,不必管理複雜的原始資料管道。

提升收益

資料產品可協助公司直接透過資產營利。舉例來說,企業可能會將專屬資料包裝成其他開發人員可使用的產品。

取得競爭優勢

以資料為導向的組織通常能更有效地獲取和留住客戶。相較於未有效運用資料的競爭對手,公司只要提供更智慧、更個人化的體驗,就能脫穎而出。

安全地建構代理

在這些「預先封裝」的資料產品上建構 AI 代理,可確保 AI 從經過驗證的高品質資訊學習,而不是雜亂的原始資料。這樣就能建立一個安全環境,讓 AI 提供準確且可信的答案,不會意外洩漏機密或錯誤資訊。

示例:使用 Knowledge Catalog 和 BigQuery 的企業電子商務開發人員

我們來看看如何使用 BigQuery 和 Knowledge Catalog 等工具,打造「零售庫存預測器」等資料產品。

目標:打造內部工具,告知店經理哪些商品庫存不足,並預測下週需要訂購哪些商品。

步驟 1:使用 BigQuery 擷取及儲存資料

首先,您需要一個地方來儲存銷售資料。您可以使用無伺服器資料倉儲 BigQuery,設定管道將各分店的每日銷售數字串流至 BigQuery 資料表。

步驟 2:使用 Knowledge Catalog 管理及控管資料

在建構模型前,您需要確保資料乾淨無誤。Knowledge Catalog 可協助您管理資料生命週期,例如:

  • 為資料建立目錄,方便其他開發人員尋找
  • 設定資料品質規則 (例如「價格不得為負數」)
  • 保護資料,確保只有授權使用者可以存取

步驟 3:使用 BigQuery ML 建構模型

現在,您要建立情報。您不必將資料匯出至其他工具,只要使用 BigQuery ML 編寫簡單的 SQL 查詢,就能訓練機器學習模型。這個模型會查看過去的銷售趨勢,預測未來的需求。

  • SQL
載入中…

步驟 4:公開資料產品

最後,您可以使用 Looker 建構簡單的 API 或資訊主頁。當商店主管登入時,不會看到 SQL 查詢,而是簡潔的介面,上面寫著「週二前再訂購 50 件紅色襯衫」。恭喜!您已成功將原始資料轉化為實用的資料產品。

透過 Google Cloud 解決業務難題

新客戶可以獲得價值 $300 美元的免費抵免額,盡情試用各項 Google Cloud 功能。

其他資源

展開下一步行動

運用價值 $300 美元的免費抵免額和超過 20 項一律免費的產品,開始在 Google Cloud 中建構產品與服務。