产品经理如何让数据在产品中“说话”

　　上个月，我乘坐晚上七点的飞机从杭州到北京，结果七点整的时候，“飞常准”告诉我航班延误了，一个小时后，它再次告诉我延误继续，一直到晚上十一点。

　　这个 APP一直在给我提供信息，但是这些信息并不能给我更多的决策判断。如果当时这个APP的产品经理能够设想关联更多信息，他是否可以告诉我隔壁海航有班八点的航班可以立即改签飞走?这还不是数据产品，只是把信息善用在产品上，就立刻使得产品有了新价&＃20540;。

　　但是很可怜，当时我并没有获得这样的信息服务，一直从七点等到半夜十一点，“飞常准”不断提供的延误信息只能让我越来越苦恼。

　　信息化和数据化的区别就在于，信息化为我们提供了参考，而数据化让我们可以直接行动。从给建议到直接行动，这之间有巨大鸿沟。

　　为什么数据价&＃20540;没法落地?为什么&＃30524;下大量企业的数据案例难以凸显价&＃20540;?其中很重要的一点是，产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段，靠感觉来做产品并不知道如何用数据来改善产品，更没意识到数据巳经成为了做产品的核心原材料。过去的IT时代我们只是简单的使用数据，很少为了解决问题而提炼过数据。为什么我要强调提炼过的数据?因为如果我们要让数据产生价&＃20540;，让更贴身的数据分析框架去解决用户的实际问 题，就需要将数据嵌入到产品或者生产流程中，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”?在过去的信息时代，我们最擅长的方法 是根据历史数据统计规律，指引行动。比如我们会统计过去一个月周五下午六点的出租车小费，计算出价平均数，然后告诉用户“建议给小费5元”。我们所使用的 数据大多都是单一角度而静态的数据。

　　而现在，我们更希望得到全景而动态的数据集。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 可以集合附近的天气情况，演唱会散场的时间数据等等来预测某个时段，某个地段可能成交的打车小费金额。这样的算法就是利用了更全面的大数据，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增&＃20540;。这其中有三个关键点：产品化，数据化和商业&＃30524;光。而&＃30524;下很多产品经理 更多关注的是产品化，忽略了数据化。

　　那么如何用数据来增&＃20540;呢?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，会不会太糟糕?如果我能够根据数据计算来衡量这所学校是否适合我的女儿，这就是数据前置。很多数据价&＃20540;的关键就是数据前置，让更多数据嵌入到产品之 中，产生价&＃20540;。

　　另一个更容易理解的案例是谷歌无人汽车。谷歌无人汽车就是在用数据分析框架来实现服务。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”进入了完全自动的情境。谷歌的工程师用上千个模型来支持这一数据分析框架，以保证无人汽车在行驶中不会出现意外。

　　反观&＃30524; 下大量公司的业务，很多公司还停留在用统计数据做决策参考，如果我们将数据分析框架应用到公司业务中，我们就会发现一个全新价&＃20540;。

　　也许你会问，我们一直在 说“将数据嵌入业务”中，在实际操作层面，我们应该如何嵌入?

　　在我所在的工作团队中，我遭遇的困惑是，产品团队、数据团队和运营团队给我的方案总是如一盘 散沙难以串联。很简单，产品团队很难有数据概念，数据团队也很少有产品理念，而运营团队更不习惯用数据做决策。但难题在于，如果没有办法把这三个团队链接 在一起，数据价&＃20540;从何说起呢。

　　每当遇到这种情况，我会问自己的团队这些问题：什么问题?谁的问题?现在需要解决么?有数据可以满足解决么?假如数据皆可得，那么解决方案是什么?

　　尽管这些问题有助于梳理思路，产品、运营和数据团队之间的交叉还是非常困难。 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?哪些决策点是否可以用数据替代解决?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。

　　也许不用太久时间，产品经理们就会发现数据化对于产品的重要意义。数据必须要和产品结合，不然数据的 价&＃20540;难以落地。让数据变成产品，是产品经理最大的难点，也是产品经理最大的机遇和想象力。