数据产品经理修炼手册_数据产品经理必备思维之——数据思维

作为数据产品经理，必须要掌握一些必备的思维方式，例如：数据思维、产品思维、用户思维、工程思维等，下面我们先以数据思维为例，来看一下在数据产品经理工作过程中，经常要用到的数据思维。

首先，来看一下数据、信息和知识这三个概念。

数据就是数值，是一种客观存在，是通过观察、实验和计算得出的结果，并 随着社会的发展而不断扩大和变化。特别是在现在的移动互联网时代，数据不再 是仅仅限于字面上的数字，图片和视频都是数据，我们开车或者骑行中的轨迹也是数据，甚至身体的健康状态信息等也都属于数据的范畴。

信息是对这个世界中人或者事的描述，泛指人类社会传播的一切内容，它比数据更加抽象。

1948 年，数学家香农在题为《通信的数学理论》的论文中指出：“ 信息是用来消除随机不定性的东西 ”。

信息是被组织起来的数据，是为了特定 的目的，对数据进行有关联的组织和处理，赋予数据以具体意义，从而可以用来 回答 5W2H 中的 Who、What、Where、When的问题。

以 2018 年 10 月 23 日通车的港珠澳大桥为例：它是建立在中国境内， 连接香港、珠海和澳门的大桥，桥隧全长为 55 千米，其中主桥为 29.6 千米、香 港口岸至珠澳口岸为 41.6 千米，这便是由数据表述的有关港珠澳大桥的信息。

知识是通过数据和信息处理以后，被验证过的，而且是绝对正确的。可见， 知识是数据和信息之上的，更加高级和抽象的概念，是基于信息之间的联系， 总结出来的规律和方法论。

知识具有系统性、规律性和可预测性，主要用于回答Why和 How的问题，而得到的知识能够使我们更加清晰地 了解世界和生活，还能够不断改变我们周围的世界，这一切所有的基础就是数据。 例如：北京夏季高温多雨，8 月温度为 20~36°C，平均降水天数为 12 天，这是根据多年资料总结出来的北京气候的规律。

这个知识有三个作用：

回答问题，这个知识解释了今年 8 月北京为什么下了那么多雨。

预测，明年 8 月，北京很可 能温度还为 20~36°C，平均降水天数还为 12 天。3总结经验。在 8 月来北京旅 游穿短袖衣服即可，体弱者要带长袖衣服，最好带伞。

下图解释了数据、信息和知识的层次关系和重要性，我们做任何决策的知 识都是要建立在信息的基础上的，仅仅凭直觉和意识做的一些决策，如果没有数据支撑，那么是没有办法经过积累沉淀下来形成知识的，有些企业只是收集数据， 却不知道怎么用、应该用在哪里。

数据如果静静地放在那里是没有任何价值的，有效的数据驱动可以将企业里的数据充分地转化成信息，并且形成结构化的知识 体系，高效地指导企业各个业务快速发展。

数据、信息和知识的层次关系

另外，当对要解决的问题不能寻找到一个简单、准确的解决方法时，我们可以通过历史数据，寻找合适的算法，构建出模拟真实数据的模型，从而预测真实场景下的数据，寻求进一步的解决方案，这就是数据驱动方法的意义所在。

虽然这些模型都会有一定的误差，但是在合理误差范围内的结果都可以进一步指导企业做出决策和对业务进行指导。随着大数据时代的发展和硬件计算资源的进步，我们通过数据生成知识的速度会越来越快、效率会越来越高，在这个高速发展的时代，数据驱动会越来越高效地帮助企业发展，达到用数据汇集信息、通过信息挖掘知识、用数据驱动业务的目的。

数据思维就是所有做出的判断和结论都基于数据，对数据敏感，而且善于应用数据。其实也比较简单，就是对任何事情、任何看法要有数据作为依据，即用数据说话，而不凭借自己的主观判断。我们来看一个简单的实例，所有喜欢 NBA的朋友都知道詹姆斯和库里，那么如果问詹姆斯和库里在中国谁更“火”呢?

要回答这个问题，首先要明确如何定义“火”，如果说一个 NBA 球员“火”， 那么到底指的是什么？是粉丝数多？还是比赛被观看的次数多？还是球衣的销量大？

这里我们假定根据粉丝数定义吧，粉丝数多就说明关注的人多，可以用来作为验证一个 NBA 球员有多“火”的标准！在明确了要衡量的指标之后，我们就可以通过数据解决这个问题了。如果你只是和朋友茶余饭后聊天，那么你肯定会根据身边的朋友或者自己的认知想当然地回答这个问题，例如：

你：我觉得詹姆斯更“火”，因为前段时间我看到很多人都在朋友圈发他签约到湖人的信息，他的粉丝一定很多。

而作为库里的球迷，你的朋友显得很不买账，他提出反驳意见。

朋友：前段时间库里率领勇士夺得了总冠军，应该更“火”，我觉得他打球华丽，而且最近还有中国行，也有很多人买他的球衣，难道不是他更“火”吗?

然后双方争执不下，如果你是一个数据产品经理，你想解决这个问题，那么你要怎么办？很简单，用数据说话，图 2-21 是从 2018 年 2 月 1 日到 2018 年 11 月 6 日来自百度搜索指数的数据，展现了 PC 端 + 移动端用户的搜索指数。

詹姆斯和库里的百度搜索指数曲线

从上图中的数据来看，詹姆斯在 5-6 月的百度搜索指数大幅领先于库里，即便处于总决赛时期，从搜索指数来看，詹姆斯也更受关注，然后你拿着百度搜 索指数的数据成功地说服了朋友，同时你也发现，原来明星的话题性这么强，能够因为某个事件引爆巨大的流量，这就是数据思维在实际生活中的一种体现。

当然，这个例子还有一些不完善的地方，例如百度搜索指数是否准确，单独的搜索情况覆盖的人数是否足够多，还有就是单独比较这一段时间会不会偶然性太大等。由此我们发现，对于一个简单的问题“詹姆斯和库里到底谁更‘火’” 来说，其实背后需要考量的因素有很多，同时也发现数据对我们生活的帮助是很 大的，数据越多、越全面将越有助于我们更清晰地认识一件事情。

那么，如何培养自己的数据思维呢？

首先，要时常关注数据，对数据敏感。这一点其实我们每天都在做，只不过很多人关注的大部分数据都可能是娱乐性质的罢了，还有一些可能由新闻报道得到。例如：很多人都通过微博或者今日头条等新闻资讯客户端获取数据。

比如：小米和美团点评谁又上市了，谁的股票涨了，谁的市值高；哪些明星又发生了什么事，谁偷税漏税了，被罚了多少钱，谁又参演电影了，哪部电影的票房高等。这些其实都是数据，只不过你关注的点大多数是娱乐性质偏多一些的。

而数据产品经理更应该关注大数据行业的一些数据，当然你有时间的话也可以去关注一些自己感兴趣的模块，养成查找数据的能力，可以关注更多领域的更多数据，获取更多领域的知识。

这就需要我们提升自己查找数据的能力，例如：通过百度搜索指数、艾瑞数据、TalkingData、阿里数据、微信搜索指数等，这些网站都有针对一 些领域、关键字的数据分析和统计，多查一查、看一看，对于了解感兴趣的事物都是很有帮助的。

其次，多思考数据背后的东西，把数据转化成知识，让数据产生真正的价值。 在很多时候，数据可能就是一个冰冷的数字，或者一些简单的折线图等图表，但是经过我们的分析和思考，这些冷冰冰的数字就会转化成挖掘宝藏的钥匙，帮助我们做一些决策分析，让我们更客观地了解事物。

我们来看一看拼多多背后的数据：拼多多上市让很多人都意想不到，甚至有一些人在它上市后才知道拼多多的名字，一个 2015 年 9 月才成立的公司，仅仅运营 3 年便成功上市，活跃用户数突破了 3 亿个。外界都很好奇为什么拼多多的成长速度这么快，觉得拼多多上的有些商品质量一般，只是通过拼团的方式销售，商品价格比较低。

但是，如果我们分析拼多多背后的数据就会发现，拼多多的成功看似不可思议，其实是理所当然的!这些数据背后反映了最真实的用户。

从用户收入来看，大部分用户的人均收入不足 3000 元，根据国家统计局 2017 年发布的《中华人民共和国 2017 年国民经济和社会发展统计公报》数据显示：2017 年全国人均全年可支配收入为 2.6 万元，这样一算人均月可支配收入仅为 2000 多元，我们或许没有意识到这个问题，也没有注意到这个数据，而拼多多的主流用户就是这些三四五线城市的用户，以及大量的乡镇和农村用户。

再从用户消费的品类来看，极光大数据显示：拼多多的用户中约 65% 来自 三四五线城市，这些用户的收入都普遍偏低。拼多多平台上销售的货物价格低廉， 刚好可以满足这些用户的需求。这些都是生活在“北上广”的人所体会不到的， 而在一些小城市仍然有些人经常会发砍价的链接。通过数据我们发现，拼多多能够积累到 3 亿个用户绝非偶然。

最后，要多与人沟通，不要偏执，在相信数据之前，要有勇气否定自己的一 些经验和想法，做到时常关注数据，多思考数据背后的东西。现在的互联网时代衍生出了很多新的玩法和新的事物，已经远远超出了我们过去的认知，不要一味地坚持自己的想法而放弃倾听其他人的观点。

人在很多时候是很有意思的，特别是越在没有人认同你的观点的时候，就越希望说服别人认同你。在做数据产品经理工作的时候，我们要注意避免这个问题，多沟通而不要固执己见，并要注意沟通的方式，多获取别人的信息和数据。

很多时候被别人说服很简单，但是完全接受别人的想法，并说服自己接受是一件困难的事情。放弃偏执，通过交流，获取别人的数据和知识，结合自己的认识，做进一步的决策，这才是一个数据产品经理应该有的态度。

上面就是我对数据产品经理必备思维方式——数据思维的理解，想了解更多，向你推荐《数据产品经理修炼手册-从零基础到大数据产品实践》这本。

本文由 @ 梁旭鹏 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议