軟件開發(fā) APP開發(fā) 軟件開發(fā)公司 APP開發(fā)公司

作為數據產品經理，必須要掌握一些必備的思維方式，例如：數據思維、產品思維、用戶思維、工程思維等，下面我們先以數據思維為例，來看一下在數據產品經理工作過程中，經常要用到的數據思維。

首先，來看一下數據、信息和知識這三個概念。

數據就是數值，是一種客觀存在，是通過觀察、實驗和計算得出的結果，并 隨著社會的發(fā)展而不斷擴大和變化。特別是在現在的移動互聯網時代，數據不再 是僅僅限于字面上的數字，圖片和視頻都是數據，我們開車或者騎行中的軌跡也是數據，甚至身體的健康狀態(tài)信息等也都屬于數據的范疇。

信息是對這個世界中人或者事的描述，泛指人類社會傳播的一切內容，它比數據更加抽象。

1948 年，數學家香農在題為《通信的數學理論》的論文中指出：“ 信息是用來消除隨機不定性的東西 ”。

信息是被組織起來的數據，是為了特定 的目的，對數據進行有關聯的組織和處理，賦予數據以具體意義，從而可以用來 回答 5W2H 中的 Who、What、Where、When的問題。

以 2018 年 10 月 23 日通車的港珠澳大橋為例：它是建立在中國境內， 連接香港、珠海和澳門的大橋，橋隧全長為 55 千米，其中主橋為 29.6 千米、香 港口岸至珠澳口岸為 41.6 千米，這便是由數據表述的有關港珠澳大橋的信息。

知識是通過數據和信息處理以后，被驗證過的，而且是絕對正確的。可見， 知識是數據和信息之上的，更加高級和抽象的概念，是基于信息之間的聯系， 總結出來的規(guī)律和方法論。

知識具有系統(tǒng)性、規(guī)律性和可預測性，主要用于回答Why和 How的問題，而得到的知識能夠使我們更加清晰地 了解世界和生活，還能夠不斷改變我們周圍的世界，這一切所有的基礎就是數據。 例如：北京夏季高溫多雨，8 月溫度為 20~36°C，平均降水天數為 12 天，這是根據多年資料總結出來的北京氣候的規(guī)律。

這個知識有三個作用：

回答問題，這個知識解釋了今年 8 月北京為什么下了那么多雨。

預測，明年 8 月，北京很可 能溫度還為 20~36°C，平均降水天數還為 12 天。3總結經驗。在 8 月來北京旅 游穿短袖衣服即可，體弱者要帶長袖衣服，最好帶傘。

下圖解釋了數據、信息和知識的層次關系和重要性，我們做任何決策的知 識都是要建立在信息的基礎上的，僅僅憑直覺和意識做的一些決策，如果沒有數據支撐，那么是沒有辦法經過積累沉淀下來形成知識的，有些企業(yè)只是收集數據， 卻不知道怎么用、應該用在哪里。

數據如果靜靜地放在那里是沒有任何價值的，有效的數據驅動可以將企業(yè)里的數據充分地轉化成信息，并且形成結構化的知識 體系，高效地指導企業(yè)各個業(yè)務快速發(fā)展。

數據、信息和知識的層次關系

另外，當對要解決的問題不能尋找到一個簡單、準確的解決方法時，我們可以通過歷史數據，尋找合適的算法，構建出模擬真實數據的模型，從而預測真實場景下的數據，尋求進一步的解決方案，這就是數據驅動方法的意義所在。

雖然這些模型都會有一定的誤差，但是在合理誤差范圍內的結果都可以進一步指導企業(yè)做出決策和對業(yè)務進行指導。隨著大數據時代的發(fā)展和硬件計算資源的進步，我們通過數據生成知識的速度會越來越快、效率會越來越高，在這個高速發(fā)展的時代，數據驅動會越來越高效地幫助企業(yè)發(fā)展，達到用數據匯集信息、通過信息挖掘知識、用數據驅動業(yè)務的目的。

數據思維就是所有做出的判斷和結論都基于數據，對數據敏感，而且善于應用數據。其實也比較簡單，就是對任何事情、任何看法要有數據作為依據，即用數據說話，而不憑借自己的主觀判斷。我們來看一個簡單的實例，所有喜歡 NBA的朋友都知道詹姆斯和庫里，那么如果問詹姆斯和庫里在中國誰更“火”呢?

要回答這個問題，首先要明確如何定義“火”，如果說一個 NBA 球員“火”， 那么到底指的是什么？是粉絲數多？還是比賽被觀看的次數多？還是球衣的銷量大？

這里我們假定根據粉絲數定義吧，粉絲數多就說明關注的人多，可以用來作為驗證一個 NBA 球員有多“火”的標準！在明確了要衡量的指標之后，我們就可以通過數據解決這個問題了。如果你只是和朋友茶余飯后聊天，那么你肯定會根據身邊的朋友或者自己的認知想當然地回答這個問題，例如：

你：我覺得詹姆斯更“火”，因為前段時間我看到很多人都在朋友圈發(fā)他簽約到湖人的信息，他的粉絲一定很多。

而作為庫里的球迷，你的朋友顯得很不買賬，他提出反駁意見。

朋友：前段時間庫里率領勇士奪得了總冠軍，應該更“火”，我覺得他打球華麗，而且最近還有中國行，也有很多人買他的球衣，難道不是他更“火”嗎?

然后雙方爭執(zhí)不下，如果你是一個數據產品經理，你想解決這個問題，那么你要怎么辦？很簡單，用數據說話，圖 2-21 是從 2018 年 2 月 1 日到 2018 年 11 月 6 日來自百度搜索指數的數據，展現了 PC 端 + 移動端用戶的搜索指數。

詹姆斯和庫里的百度搜索指數曲線

從上圖中的數據來看，詹姆斯在 5-6 月的百度搜索指數大幅領先于庫里，即便處于總決賽時期，從搜索指數來看，詹姆斯也更受關注，然后你拿著百度搜 索指數的數據成功地說服了朋友，同時你也發(fā)現，原來明星的話題性這么強，能夠因為某個事件引爆巨大的流量，這就是數據思維在實際生活中的一種體現。

當然，這個例子還有一些不完善的地方，例如百度搜索指數是否準確，單獨的搜索情況覆蓋的人數是否足夠多，還有就是單獨比較這一段時間會不會偶然性太大等。由此我們發(fā)現，對于一個簡單的問題“詹姆斯和庫里到底誰更‘火’” 來說，其實背后需要考量的因素有很多，同時也發(fā)現數據對我們生活的幫助是很 大的，數據越多、越全面將越有助于我們更清晰地認識一件事情。

那么，如何培養(yǎng)自己的數據思維呢？

首先，要時常關注數據，對數據敏感。這一點其實我們每天都在做，只不過很多人關注的大部分數據都可能是娛樂性質的罷了，還有一些可能由新聞報道得到。例如：很多人都通過微博或者今日頭條等新聞資訊客戶端獲取數據。

比如：小米和美團點評誰又上市了，誰的股票漲了，誰的市值高；哪些明星又發(fā)生了什么事，誰偷稅漏稅了，被罰了多少錢，誰又參演電影了，哪部電影的票房高等。這些其實都是數據，只不過你關注的點大多數是娛樂性質偏多一些的。

而數據產品經理更應該關注大數據行業(yè)的一些數據，當然你有時間的話也可以去關注一些自己感興趣的模塊，養(yǎng)成查找數據的能力，可以關注更多領域的更多數據，獲取更多領域的知識。

這就需要我們提升自己查找數據的能力，例如：通過百度搜索指數、艾瑞數據、TalkingData、阿里數據、微信搜索指數等，這些網站都有針對一 些領域、關鍵字的數據分析和統(tǒng)計，多查一查、看一看，對于了解感興趣的事物都是很有幫助的。

其次，多思考數據背后的東西，把數據轉化成知識，讓數據產生真正的價值。 在很多時候，數據可能就是一個冰冷的數字，或者一些簡單的折線圖等圖表，但是經過我們的分析和思考，這些冷冰冰的數字就會轉化成挖掘寶藏的鑰匙，幫助我們做一些決策分析，讓我們更客觀地了解事物。

我們來看一看拼多多背后的數據：拼多多上市讓很多人都意想不到，甚至有一些人在它上市后才知道拼多多的名字，一個 2015 年 9 月才成立的公司，僅僅運營 3 年便成功上市，活躍用戶數突破了 3 億個。外界都很好奇為什么拼多多的成長速度這么快，覺得拼多多上的有些商品質量一般，只是通過拼團的方式銷售，商品價格比較低。

但是，如果我們分析拼多多背后的數據就會發(fā)現，拼多多的成功看似不可思議，其實是理所當然的!這些數據背后反映了最真實的用戶。

從用戶收入來看，大部分用戶的人均收入不足 3000 元，根據國家統(tǒng)計局 2017 年發(fā)布的《中華人民共和國 2017 年國民經濟和社會發(fā)展統(tǒng)計公報》數據顯示：2017 年全國人均全年可支配收入為 2.6 萬元，這樣一算人均月可支配收入僅為 2000 多元，我們或許沒有意識到這個問題，也沒有注意到這個數據，而拼多多的主流用戶就是這些三四五線城市的用戶，以及大量的鄉(xiāng)鎮(zhèn)和農村用戶。

再從用戶消費的品類來看，極光大數據顯示：拼多多的用戶中約 65% 來自 三四五線城市，這些用戶的收入都普遍偏低。拼多多平臺上銷售的貨物價格低廉， 剛好可以滿足這些用戶的需求。這些都是生活在“北上廣”的人所體會不到的， 而在一些小城市仍然有些人經常會發(fā)砍價的鏈接。通過數據我們發(fā)現，拼多多能夠積累到 3 億個用戶絕非偶然。

最后，要多與人溝通，不要偏執(zhí)，在相信數據之前，要有勇氣否定自己的一 些經驗和想法，做到時常關注數據，多思考數據背后的東西?，F在的互聯網時代衍生出了很多新的玩法和新的事物，已經遠遠超出了我們過去的認知，不要一味地堅持自己的想法而放棄傾聽其他人的觀點。

人在很多時候是很有意思的，特別是越在沒有人認同你的觀點的時候，就越希望說服別人認同你。在做數據產品經理工作的時候，我們要注意避免這個問題，多溝通而不要固執(zhí)己見，并要注意溝通的方式，多獲取別人的信息和數據。

很多時候被別人說服很簡單，但是完全接受別人的想法，并說服自己接受是一件困難的事情。放棄偏執(zhí)，通過交流，獲取別人的數據和知識，結合自己的認識，做進一步的決策，這才是一個數據產品經理應該有的態(tài)度。