如果没有亲身体验过，我们都见过他们就会连珠炮一样地询问。我三岁的孩子充满好奇，问了一连串的问题，“妈妈，这是为什么？”“爸爸这是为什么？”“那是什么东西？”我最近最喜欢的经历就是无意中听到有父母敢承认，“我不知道”，接下来马上的问题就是，“你为什么不知道呢？” 这些类型的问题包含很多东西：可爱的或者固执的，但在我看来，它们最突出的特点是天真。这决不是孩子的错，因为他们需要指导。在没有经验的情况下，人需要学习有效提问的结构，也就是在他们问题的形式和所寻求信息的类型之间建立联系的意识，学会缩小后续查询，而且也许最重要的是，就是要有一种意识，那就是什么类型的问题会得到回答人的答案。 这种动态不同于突然在企业拥有深数据科学。在数据实验室外，没有人可以合理被期望知道数据科学准备回答问题。因此聪明的业务用户如何在一个开放的、非结构化的现状下问正确的问题？ 重要的是，他们天生的好奇心经过磨练很快会超越天真的问题，到达一种状态。这种状态挑战数据科学团队回答或追求一些问题的答案，这些问题对于业务有重大意义和价值。 所以你怎么能快速地将企业带到这样一个成熟的水平呢？那些能够解决企业共通问题的产品化的数据分析和解决方案，将是一个非常有效的切入点，因为它们为数据分析的运行提供了一个框架。事实上，虽然经常有满含激情的数据科学的态度“上限”，然而产品化的数据分析为在可理解的架构内迅速解决问题提供了一种手段。 有了产品化的数据分析，数据用户可以使用文档说明详细的解决方案。这就产生了一些有用的界限，在这些界限内提问的流程可以被优化。好奇的用户可以挖掘产品化的数据分析以了解所使用的数据，获得针对具体问题的数据分析和模型的洞察力，获得表现洞察的可视化中的深度意义，并且重要地是用这种意识来帮助提高数据产品的业务知识。 突然，在实验室真空中工作的数据科学家和其他业务之间的差别被消除。有一个反馈过程，通过这个过程，具有商业知识的人将根据数据洞察力采取行动，这个反馈过程可以改进他们的问题，并有助于改进数据分析。这不仅是对消耗数据科学产出的管理人员和其他使用数据科学成果人员的有意义的改进，也改变了数据科学家的脚本。随着业务用户变得更加熟悉，他们可以超越“什么”和“为什么”的这些基本问题，并开始提出更复杂的问题，并且帮助数据科学团队更好地将努力定位于高价值的成果。 好奇心的驱动，对每一个回答都用一个新的“为什么”来回应并不局限于儿童。它是驱动最有活力的新企业以及存在于大公司中的新企业的发动机。看到反应，无论是产品还是数据洞察力，并不是目的，而是一个提问的机会，这些问题让我们深入探究问题，这些问题都是值得鼓励的。产品化的数据分析，提供记录和解释的方法，提供了一种结构，非数据科学家可以在这个结构内询问广泛和复杂的问题。当大量的人了解数据、数据分析和可视化，他们就成为了数据科学的利益相关者。 这个问题，“为什么你不知道”，可能是非常有意义的，当它来自于理解以前的问题之间的联系的某个人，这个人就了解现有的数据，并已经看到了数据分析之前传播的东西。产品化数据分析是激发企业用户问出好问题的捷径。