文章分别对产品总监的两个能力：商业发现和高效表达展开了分析，最后结合案例详细阐述了数据驱动和自动化对互联网团队的意义，与大家分享。
阿里国际业务AliExpress的CTO郭东白老师曾经这样总结对产品总监这个岗位的能力期望：
有这么五个：商机发现、高效决策、细节表达、项目驱动和闭环思考。
今天我谈谈对其中前2条的思考。
在互联网的世界里就是通过对海量数据的分析和挖掘，并结合本企业业务的经营规律，发现用户没有得到满足的需求，并通过可以盈利的方式去满足这种需求。
我们可以用谷歌在相关搜索这个项目上的例子来做个说明：
谷歌不但通过日积月累的网页索引来大量采集数据，同时还通过旗下的产品提供海量可以用于挖掘用户价值和业务机会的数据：
这些数据收集后，谷歌如何利用呢？我来说一则谷歌内部人士都知道的往事即可。
拉里佩奇和谢尔盖布林一直希望通过谷歌搜索这个产品来改变用户使用互联网的习惯，也就是从不停地点击链接改为搜索关键词并获得最好的结果（搜完即走），所以对于相关搜索这个项目一直不表态支持（吴军博士曾经负责谷歌的相关搜索项目）。
其中的思考逻辑是如果培养了这种习惯，那么用户也会愿意使用Yahoo！和MSN这种门户产品。
吴军博士的团队在2次申请相关搜索项目被拒绝后，找到梅丽莎·梅耶尔说情。在当时，拉里佩奇还在和梅丽莎·梅耶尔谈恋爱，所以梅耶尔帮助团队做了2位创始人的工作（看起来人情世故还是很重要）。
看过团队提交的数据分析结果和原型设计后，拉里佩奇同意有条件地上线。
什么叫有条件呢？
就是只拿出1%的流量来验证这个新功能对公司的实际价值，也即是我们今天都在使用的A/B测试技术，最终证明在收入上给谷歌可以带来2%的搜索量增加，相关可以带动2%的收入增加。至此，谷歌决定把该项目扩展到所有的谷歌搜索中，并为了方便用户搜索，干脆主动提供搜索关键词提示。
对于一个基本上在每个主要的在线广告市场可以获得超过95%市场份额的企业来说，一个数据挖掘的成果每年增加2%的收入，这是一个非常惊人但合理的成绩。
产品负责人必须从业务思考出发，通过用户的反馈， 和BI 的商业分析来做有目的的数据挖掘，这是一个基于完整Hypothesis的数据验证过程。
也就是说，从数据洞察中发现机会就是产品负责人的核心能力。
高效决策，我觉得落地点的说法就是少无谓撕逼、少开会、独立决策、数据驱动。
对比一下国内的大部分创业企业，动不动就几十、上百人的团队，而硅谷的很多团队不过10来个人就能做同样规模的事情，为什么？
有一次曲卉老师（Acorns增长VP）在朋友圈和我有一个对话：
曲：我在Netflix的一个工程师朋友，年薪总值高达40万美元，负责数据系统搭建
顾：硅谷团队基本可以以工程的方法直接解决运营的事情，国内还需要学习如何从人力转自动化。
曲：说实话，咱国内人多，工作刻苦，速度也不慢，老外比较懒。
顾：理解万岁。
读到这里，大家是否想到立刻飞去硅谷工作，融入那个可以效率更高、工作时间更短、产出更高的世界？
但为什么同样的事情，我们自己就不去做呢？
我们曾经用微软Bing的一个例子来说明硅谷企业的效率是如何获得的。
在2012年,微软的一位Bing部门的雇员提出了一个改变搜索引擎广告头条显示方式的建议，开发并不需要太多资源投入，仅需要一位工程师几天的时间。但是这只是成百个提出的建议中的一个，项目经理并没有给与太高的优先级。
直到6个多月后，一位工程师看到实现代码的成本很低，进行了一个简化的在线的实验（ＡＢ测试）来评估这个想法的价值。仅仅在几个小时内，新的头条变体就呈现了超乎寻常的高营收趋势，触发了一个“效果好的都不敢相信是真的”警报。通常来说，类似的报警意味着线上的Bug：单在美国境内年化超过１个亿美金。而且还是在没有伤害到关键的用户体验指标的前提下做到的。在Bing的历史上，这是最佳的增收的主意，但是直到测试了它的价值，它都是被严重低估的。
这是技术和数据驱动的典范案例。
国内也有很好的例子，比如英语流利说，一家上海的互联网企业。
流利说的创始人团队都是技术产品背景，尤其是王翌和胡哲人。他俩之前都有做analytics的背景。哲人原来在Quantcast，王翌原来在Google Analytics。其实都是通过ipad analytics和web analytics手段去做互联网广告优化。所以他们从产品一开始就很注重数据驱动。只不过开始的时候没有自建，而是用了当时比较火的像友盟作为第三方数据平台去收集数据了解用户。然后到了第二年的时候就决定开始自建数据平台，需要自建这一块加强自身的数据驱动能力。
流利说现在在这个内部平台上面利用开源软件做了非常多的内部工具，包括内部的整体的数据查询平台，包括一些数据可视化的工具，能够让数据做成为每一个团队所需要的工具，只要这个数据不是那么敏感，那些需要看的人就能够非常轻易的获取。
流利说在公司管理上比较倾向于硅谷文化，比如工程师驱动。对于一些东西特别注重，比如代码质量，测试、试验迭代等等。注重工具，优于注重流程，能够用自动化用系统的手段去解决更多问题，而不是简单的通过人工的流程。
比如我曾经工作过的携程，通过建设User Profiling，个性化推荐这样的自动化系统，减少了人力投入，但达到了更好的产品运营效果。
没有算法，数据再多也挖不出价值；没有数据，算法再好也找不到价值；
无视已有的、被证明过有价值的数字资源，是一种极大的浪费。
caoz的梦呓曾发文讨论大数据和人工智能时这正好印证了我们的一贯看法，偏离基础的数据工作，追求人工智能就是本末倒置。
试问，在这种情况下，不要说在各个网站和APP对每个用户做到精准营销和千人千面了，哪怕是最基本的数据分析和挖掘都可能无法实现，还谈什么数据驱动业务运营呢？
回顾从2016年到现在，我已经辅导了上百个互联网项目团队，从大型互联网企业、传统转型互联网企业到初创团队，感触很多。
对于我所遇到的大量互联网项目团队来说，实际情况是由于受到资本和市场竞争的助推，中国互联网行业发展过于迅速而导致每个项目的团队由于方法论和实施能力的不足，更多的时候是业务驱动、想法驱动，而数据驱动严重不足。
这背后体现的是：
1）企业内部的数据体系建设没有跟上，数据产品缺乏规划。
2）企业在“增长”的概念与实际增长的方法和工具脱节
3）企业对数据整合能力的缺失
4）企业的工程思维、试验驱动能力不够
按照AliExpress CTO郭东白老师的提法，AliExpress在200多个国家和地区有日常下单， 而所有的运营和产品加起来都不到100个人。这基本上就不可能靠运气去发现商业机会。对于产品团队来说，所有的决策必须是一个基于完整假设（Hypothesis）的数据验证过程，所以能够在数据中发现和洞察机会就是产品的一个核心能力。
相反，我在社群里就遇到过这些不同的情况：
1）我们公司是统计了业务数据，我们认为数据驱动意义在于使运营更加精准，可以做到多维度分析数据并拆分KPI，但我们目前感觉数据样本比较小，分析结果不具备普遍性，似乎无解。
2）我们公司用了第三方统计系统，自己也开发了数据统计模块，但总体没有数据驱动意识。原因可能是：
所以一家公司或一个产品能不能数据驱动主要依赖：
3）最近在改版移动站首页，深刻体会到数据驱动真的很难。以我现在在改版的移动网站为例子，只有来自百度统计的数据，基础的pvuv等数据是有的，对于特定页面/事件的转化率，上下有数据，地域和用户年龄性别比例这种分析属性的数据也是有的。关键是如何分析数据，并懂得用哪些数据来做出改版的决定，比如：为什么要改版首页呢？要往哪个方向改，希望达到什么业务目标？为什么要删除某些功能？为什么要优化某个流程？这时候就考验处理数据的经验了。
这些表面看上去是意识和经验不足，但其实是在公司文化、岗位、工具和工程方法这四个主要方面的缺失。
如果这四个方面的问题解决了，产品和运营团队就可以很好地回答以下的问题：
这些数据驱动的自动化手段，都是直接会影响企业是否可以顺利地完成不同阶段的融资，并逐渐甩开对手，形成自己的优势。
这方面做的很成功的比如美团、饿了么和Amazon，都是在内部数据产品建设上投入了大量技术资源。
我之前曾提出过数据驱动道术器三件事，请特别注意企业自有的数据产品建设上，会有一些工具、方法论指导互联网团队能够形成一个流程化的工作方法，达到阿里AliExpress郭东白老师提出的那种数据驱动期望。
一旦企业可以实现内部的数据整合、数据产品和数据工程方法，很多目前人工在做的事情就能够自动化、智能化（本质上是通过算法和机器学习来解决），所以首先要对数据产品范畴内的所有工具和方法论有一个良好的认知，并从实践中获得有助于企业业务发展的一手经验。
作者：顾青，DTALK.org创始人；公众号：DTalks (微信ID：dtalks），联系请关注后回复“人人PM”。
本文由 @顾青 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