1+1>2的數據思維

筆者的風格就是喜歡在開頭和大家聊一聊閒話，以前經常看筆者文章的小夥伴比較熟悉。

從2019年11月份結束到現在2020年6月份一直處於封筆的狀態，一來是不想無病呻吟，二來是不想盲目輸出雜亂的東西誤導大家，三來是想專心在數據上有所感悟，有所得。

所以，筆者到今天為止，才正式開始提筆，寫一寫這段時間來的所得，另外後續，也是不定期更新的方式吧，但是這次筆者會更加勤奮的。

一、先來談談數據思維

現在大家應該經常在某某平台上，或者某某公眾號上看到數據產品經理的鼓吹、介紹以及培訓吧，説的最多的就是“學會python，走遍數據分析天下都不怕”，“數據類產品從0到1的培訓”，“sql學習”等等。

但是這些學會了真的有用嗎？筆者在這裏回答，的確有用。

這些都屬於數據產品人的工具，是手段，這些是藉助於表達自己數據思維的一種手段。就像語言一樣，你只有藉助語言表達這項能力才能有效表達出你的想法，也就是思維模式。

那麼什麼是數據思維呢？

案例一：

比如我們的物理學家喜歡用公式來表達自然界的規律，對物體的動力描述的公式是E=mc^2，我們可以用這個公式來計算出每一個物體所具有的動能大小，即對物體的動能進行了數據化的描述，也就是具體的數值標籤。

這樣，我們可以非常精確的描述物體的動能大小，而不是用語言的概念性的描述“大、很大、非常大”的詞彙，給人的印象就是很模糊，而且非常抽象。所以其實在中學的時候，學校就已經交給我們了數據思維的方式，就是對所有可見的東西，都需要一個具體的數值或者公式來描述。

案例二：

比如我們的數學學家，建立座標系來描述圖形形狀，比如圓、橢圓、雙曲線，都是用座標系來標準化表達圖形的形態。這樣的好處就是，我們可以用數據化的方式來表述圖形的形態，比如圖形的夾角是否為90度，只需要通過圖像夾角的兩條邊在同一個座標系中的斜率相乘是否等於-1來描述夾角是否為90度。

所以通過這些案例，我們總結下來就是，對自己所見到的事物，能通過數據化的公式或者數值來表示的一種思維，就是我們當前最需要的數據思維。比如點擊率=點擊次數/頁面曝光次數，這就是數據化的公式。

二、再來談談數據的應用

當我們具備數據化思維之後，我們所看到的就是一個數據世界，這個世界中的一切通過數據衡量之後，就需要我們進一步對這些數據財富進行採集和應用。

首先，我們要知道，這個世界上的所有東西，最後都是服務於人類社會的更好的生活和更好的發展，也就是需要不斷解決人類通往這個目標的過程中的困難和問題。

因此，數據的應用也需要具備目標。

一般來説分為兩類目標：一是解決問題，二是發現問題並解決問題。

第一類的解決問題無非是遇到了明顯的問題或者困境的時候，通過不斷蒐集數據來尋找問題根本原因，從而對症下藥，解決問題。比如，日活上來了，但是轉化率卻一直沒有變化，這就是問題。

第二類的發現問題並解決問題，就是需要對當前的情況有一個解剖性的瞭解和探究，從而找到進化的道路，成為一個新物種，佔領市場藍海。比如，拼多多通過對當前電商的數據結構發現有絕大部分的五線城市、農村等地方都沒有被電商所覆蓋，因此拼多多着力覆蓋這部分的人羣，從而發展成為了如今堪比淘寶的龐大體量。

三、最後來談談數據的迷霧

其實，我們一旦對這個世界進行數據化之後，就會陷入一片數據的海洋之中，讓人云裏霧裏，無法很好地利用數據，更無法挖掘數據的價值。

這裏，筆者想説，要穿越數據的迷霧，只能一步一個腳印，就是從自己遇到的問題所需要的最直接的數據入手，來分析解決。

就像支付寶的芝麻信用一樣，剛開始也只是通過花唄的還款行為來打分，由於業務的不斷髮展以及認知的不斷提高，才慢慢發展到現在的綜合的評分機制。所以，我們只要在能見到的迷霧範圍內，一步一個腳印行走，快速試錯和迭代優化，就能越來越多的發掘出數據的價值。

四、總結

數據並非多麼神秘的東西，1+1=2是數據，2，4，6，8這種規律也是數據，2，3，5，7這種質數也是數據，傅立葉變化也是數據公式，歐拉函數也是數據公式，從簡單到複雜，無處不是我們的學者從簡單的數據化應用到高升的數據化發展的演變的歷程。

我們要做的就是首先建立什麼是數據化思維，如何看待數據的價值，這樣我們就能逐漸入門，漸入佳境。

本文由 @蕭羽 原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議