新版前言 遍地黄金，未来的十年将是“数据化”的十年

2014年1月，当谷歌宣布以32亿美元收购Nest Labs时，所有人都觉得拉里·佩奇（Larry Page）疯了，因为谷歌竟然收购了一家恒温器和烟感器的设备生产商。事实上，Nest Labs在谷歌的平台之上，很可能会创造出一个价值数十亿美元的市场。这一判断建立在“家居数据平台”的基础之上，随着使用该公司产品的家庭越来越多，家庭消费习惯的数据将对于供电、家电等行业提供极富价值的指引。

一个小小的温度调节器生产商，通过智能化，居然产生了32亿美元的市场估值，这是令所有人都惊讶的事实。这意味着新一轮高增长的开端，而这同样也是未来大数据“遍地黄金”的最佳例证。

很多人说，大数据拥有无限前景以及钱景。但是大数据的价值到底在哪里？为什么很多人提到大数据，都觉得那是在“讲故事”、“离我们还很远”？事实上，数据离我们并不遥远，过去的数十年，很多行业都走向了“信息化”。而未来的十年将是“数据化”的十年，“遍地黄金”指的则是未来无所不在的数据化可能。

“遍地黄金”在哪儿

什么是产品数据化？它指的是以产品为立足点，寻找在产品元素或者生产流程中产生数据、运用数据的机会，以使数据在产品中体现。

比如，大众点评APP可以通过收集用户点餐数据，了解其用餐喜好、用餐时间和常去的餐厅，进而将数据代入用户推荐系统之中，让订餐更为精准、有效、快速。南方电网通过运营数据，让电网更加省电；物流业通过运营数据，让物流变得更高效、更便宜；如果百货商场了解了商场会员的兴趣爱好、逛街时间以及从哪儿来和到哪儿去，就可以从中寻找到巨大商机。巴西足球比赛也是如此。当德国队将每一位球员的状态数据化之后，教练从中便获得了更多信息，这有助于帮助他判断球员的上下场时间以及相应的战术决策。

数十年来，我们逐渐完成了产业的“信息化”和“自动化”，但鲜有尝试过用数据方式来清晰地勾勒产品、生产流程、用户和使用场景的“面貌”。

正如马云所说，未来的机会在于DT（Data Technology），但DT实现的前提是，企业拥有数据，并且已经完成了信息化。可见，数据科学是信息科学的延伸。现在，数据技术的时代刚刚开始，产品数据化将是其中最为关键的特征之一。

这是一个“遍地黄金”的时代。任何一种产品或服务都潜藏着巨大的“数据化”潜力。随着“数据化”进程的加快，传统产业（包括互联网）将迎来第二春，其会在原有的生产基础上，产生更高的附加值。同时，这对企业也提出了更高的要求——企业需要加强对数据的重视，更加注重数据的收集和整理工作。

但为何“遍地黄金”并非看上去那般触手可得？简而言之就是，为什么数据价值无法落地？为什么眼下大量企业的数据案例仍难以凸显价值？

其中很重要的一点是，产品经理不懂数据。很多产品经理还停留在以前做产品的阶段，他们靠感觉来做产品，不知道如何用数据来改善产品，更没有意识到数据已经成了做产品的核心原材料。

过去，我们使用数据的方法很简单，很少为了解决问题而提炼数据。那么，现在为什么我要强调对数据的提炼？因为如果我们想要让数据产生价值，让科学的数据分析框架去解决用户的实际问题，就需要将相互关联的数据嵌入产品或生产流程中，在数据提炼的“最后一公里”，让数据在产品中“说话”。

如何让数据“说话”

过去，我们最擅长的方法是根据历史数据总结规律，然后再采取行动。比如我们会统计过去一个月周五下午六点的出租车小费数额（根据租车APP），计算出小费的平均数，然后为用户提出“支付小费5元”的建议。当时，我们所使用的数据大多是从单一角度出发的静态数据。

而现在，我们更希望得到从全景出发的动态关联数据。比如我们可以获取不同街道的堵塞程度，从而计算司机对小费的敏感度；我们可以综合附近的天气情况、演唱会散场的时间等数据来预测某个时段、某个地段可能成交的打车小费金额。这种算法就是利用了更全景的大数据，通过更多的环境动态数据，而非历史统计数据来提供服务。

未来，产品经理需要懂得如何用数据来使产品增值。这其中有三个关键因素：产品化、数据化和商业眼光。眼下很多产品经理更多关注的是产品化，以致忽略了数据化和商业眼光。

那么如何用数据来使产品增值？答案就是让数据前置。

假定我需要为女儿选择一所学校，如果要等三个月后考试成绩出来才知道学校不靠谱，会不会为时已晚？如果我能根据数据计算来衡量这所学校，就是所谓的数据前置。很多数据价值的关键就是数据前置，即让更多数据嵌入产品之中，从而产生价值。

另一个更容易理解的案例是谷歌无人驾驶汽车。谷歌无人驾驶汽车就是用数据分析框架来实现服务的。这一服务的前提是数据的质量、稳定性和计算速度都已经足够完善，使得“数据指引行动”进入完全自动的情境。工程师用上千个模型来支撑这一数据分析框架，以保证无人驾驶汽车在行驶中不会出现意外。

反观眼下，很多公司还停留在用统计数据做决策参考的水平上，而如果我们将更具关联性的数据分析框架应用于公司业务中，那么就会发现一个全新价值。

所以，我们必须让数据进入某个特定的场景中，而且可以被使用。如果我们能够想象并重建人们行为发生的情境，所观察到的行为数据才是有意义的。也许你会问，我们一直在说“将数据嵌入业务”中，那么在实际操作层面，我们应该如何将之嵌入？

数据化思维：最关键的五个问题

我的工作团队所遭遇的困惑是，产品团队、数据团队和运营团队交给我的方案总是如一盘散沙，难以统一起来为我所用。问题其实很简单，那就是产品团队中很少有人有数据概念，数据团队也很少有人有产品理念，而运营团队也同样不习惯用数据做决策。但难题在于，如果没有办法将这三个团队连接在一起，数据价值就无从说起。

产品数据化看似简单，但这背后实际上需要产品经理改变思维模式，即要懂得用数据改进产品，懂得通过数据运营的方式来决定产品创新或者生产形态创新。

搭建“数据产品”的过程，其实就是产品数据化、运营数据化的过程。这个过程让我们发现“有用的关联数据在哪里”，懂得如何把数据应用于生产环节之中，进而改善流程，提高效率。

在运营数据的过程中，产品经理需要学会用数据思维去塑造产品，学会找到产品数据化的突破点和机会点。从现在开始，所有行业的产品经理都需要问自己以下五个关键问题：

眼下你遇到的是什么问题？（你改变了谁的体验？）

这是谁的问题？（以谁为中心来设计产品？）

你是否能解决这个问题？（你的核心竞争力能解决这个问题吗？你能理解客户的需求吗？）

这个问题现在就得解决吗？（时机比性能更重要。）

如果现在就得解决，那么可以支撑的数据在哪里？（数据是否是解决这个问题的核心？）

在问完以上这五个问题之后，产品经理就可以迅速找到问题所在。下一步其需要思考的就是，怎么解决问题？在这个环节中，产品经理可以询问自己以下几个问题：

用户目前的困难是什么？

已有的数据可以用于解决这个困难吗？

假如所有数据都可以被获取，那么你需要哪些方面的数据？

获得数据的成本和风险是什么？

你的数据解决方案是什么？

如果方案可行，你如何去获取这些数据以及如何积累这些数据？

很多产品经理在面对需求变更时，往往会表现得毫无头绪，而这两组问题可以很好地帮助其解决眼前的问题。在这两组问题中，前者解决了“我们该干什么”的问题，而后者解决了“我们怎么干”的问题。

这就是产品经理如何“用数据”的思维模式。未来，所有产品经理都需要懂得数据化，因为未来的所有产品都必将数据化。

尽管这些问题有助于梳理思路，但是要想实现产品团队、运营团队和数据团队之间的思维连接依旧存在一定的难度。

我通常的解决方案是，询问团队成员在特定生产流程中（有时同时也是一个决策流程），每天需要做多少决策？哪些决策点是可以用数据替代的？通过梳理决策点来寻找“数据嵌入”的灵感，是一个非常有效的方法。

未来，传统企业应该打造出更积极的数据团队，并使之活跃于业务部门之中，让研究数据的工作人员发现每一个产品中“用数据”的机会。这就是一个让企业从“看数据”迅速转变为“用数据”的关键方法，这样公司很快就能转变为一家数据化公司，从而具备生产数据产品的能力基础。

为什么你还看不到“遍地黄金”？那是因为你还没有看到数据创造商业的力量。当你的变速器还在一挡的时候，很难能看到加速到三挡的风景。

万物皆数据。