公司作为商业的主体，总会遇到不确定的挑战。想要更好的解决问题，必须加强学习，以知识作为决策模型迎接挑战。第一步：从数据开始。

面对不确定性是公司最大的挑战。无论是初创公司还是老牌公司，在开始开发产品时，都需要确定市场规模、找到痛点并提供一套可行的产品解决方案。

同时当公司进行扩张时，不确定性也会以变化的形式出现：外部市场会变化、用户需求会变化、公司组织结构也会发生变化。

考虑到这一点，面对不确定性时，一些公司依靠本能和观点去处理问题，而我认为最好的处理方案就是把公司建立成一家学习型公司，以知识作为决策模型，那公司到底该如何去做，下文我提供了一些自己的思路。

了解如何建立学习型公司之前，先给大家介绍数据/信息/知识到底是什么？

数据/信息/知识悖论（摘自DIKW金字塔）

数据：数据来源于用户、市场或产品的反馈。它可以是冗长的电子表格（定量），也可以是与用户的一对一访谈（定性）。它是关于事件的客观的事实描述，是构成信息和知识的原始材料。

信息：信息是经过分析的数据输出。因此，数据分析的目的是找出发生该事件的原因。信息仅是数据分析人员理解数据的能力，或者是产品经理具有同理心的能力。从这个意义上说，从数据到信息的差距是技术性的。定量数据需要掌握数据的分析，定性数据需要同理心。

知识：知识是数据的结果。知识只有在信息被消化并接受后才会产生。但是尽管无法反驳数据，但是信息是分析输出，所以经常会被怀疑。你可以接受或者不接受信息。从信息到知识是和跟每个人的文化经验有关的。

从数据到信息

数据分析师或用研人员需要花费大量时间完善自己的专业知识，才能了解如何从数据中提取信息。

数据分析师需要具备一定的技术能力，能用软件大规模处理数据。用户体验研究人员需要依靠同理心的一些方法来理解用户心理。数据 处理或用户研究通常被认为是一项需要高度专业化的工作。

大多数人现在其实不需要很高的技术能力来分析数据。将数据接入第三方专业的数据分析平台（talkingdate、友盟等），大大降低了公司开发工作，还能更好的进行数据分析。

但是，知道如何使用平台工具只是信息处理的的一部分，你还需要知道如何使用分析数据。从数据到信息的不确定性可能有多种形式：

从信息到知识

从数据中提取信息是一个人进行分析后并得出的结果。但是，从信息到知识的转换涉及其他人。正是因为在此阶段还涉及其他人员，所以我们必须研究公司的文化与组织结构。

公司组织结构导致信息只流向高层，很少会跨部门传播。并不是每个人都能获得相同的信息量。

管理层在向上传播时可能会扭曲信息：导致高层做出的决定最终可能与一开始的意图相去甚远。

仅仅因为你进行了分析得到了你的信息，并不意味着公司中的人会认可这个信息。公司经常遭受信息偏差的困扰，尤其是当信息挑战公认的观点时。

我们可以看到，从数据到信息的转换需要专业知识，从信息到知识的转换取决于公司文化。因此，这很自相矛盾：一家利用数据决策的公司需要根据其文化组织开展工作。

想要以知识作为决策模型，就必须得到信息，而想要得到信息，就要必须了解数据，所以，建立一家学习型公司，就必须从数据入手，这里我提供一种“从上向下数据模型”，给大家参考。

从上向下数据模型

从数据到信息再到知识的流程自然地反映了从个人到团队再到整个团队的流程。因此，要构建数据模型，需要从上到下解决三个层次：公司、团队/产品、个人。

1. 公司层面

设置数据模型时，最常见的错误之一是对其进行过度设计并度量所有数据。首先，并不是所有的数据都需要测量。实际上，太多的噪音可能比没有数据还要糟糕。

首先测量最重要的事情：你的北极星指标（NSM）。

1）什么是北极星指标？

这是衡量公司影响的一项指标。如果有人问公司在实现使命方面有多成功，你会怎么想？对于某些人来说，它可以是收入指标，而对于其他人则可以是价值指标。

你的北极星应该是：

例如，今日头条的NSM：花在阅读上的时间。

• 可监测：花费的总阅读时间可以很容易地显示出来，任何人都可以访问。
• 可操作：当看到花在阅读上的总时间时，很快就会看到需要改进的地方。你要么增加阅读的人数，要么增加写作的人数。它使增长非常明确。
• 相对：可以每周/每月/每年测量花费在阅读上的总时间，并以同类队列进行测量，以追踪发展情况。也可以将其与其他平台进行比较（例如趣头条）。
• 基础：阅读所花费的总时间融入了今日头条的价值主张（不能应该增加阅读时长而放弃文章的好坏）。

2）为什么需要北极星指标？

将其称为北极星指标，也可称为公司目标，设立北极星指标是帮助公司制定下一阶段的方向，设立之后重要的是将哪些指标引入目标表格中：

每个部门/团队通常有不同的目标。但是，当公司共同定义北极星指标时，会有一个共同目标，自然地使所有部门/团队都朝着这个目标前进，使部门/团队保持一致并超越孤岛。

当定义北极星度量标准时，部门/团队将了解他们在更大范围内扮演的角色，并且更容易理解公司的总体目标。

当部门/团队同步信息并且他们了解如何帮助公司完成北极星指标时，就会有更多的信任和更大的自主权。

2. 产品/团队层面：漏斗模型

设置目标之后，你就可以发挥自己的作用来提出该指标。当你查看今日头条的北极星指标时，你会发现产品/团队该如何在增加阅读总时间。

• 你可以增加平台上的新用户。
• 你可以让激活更多的用户。
• 你可以让更多用户持续活跃。
• 你可以研究用户为什么会分享内容。
• 你可以制定价格以吸引更多用户。

这些行动中的任何一项最终都会增加北极星指标：阅读所花费的总时间。这正是AARRR框架的全部目的。

• 获取：你如何获得更多用户？
• 激活：如何吸引更多用户参与？
• 留存：如何使用户回来？
• 推荐：你如何使用户自己带来更多用户？
• 变现：你如何获利？（如果你有盈利模式）

当然，这些是宏观问题，它们是对目标的抽象表达。但是，它们对于改变公司实现增长的方式至关重要。

在回答“如何吸引更多用户参与？”这一问题时，你提出了假设。有些假设可能具有高度的不确定性，有些假设对你的指标有很大的影响，有些则影响很小。这是数据，信息和知识发挥作用的地方。

你首先要提出一系列问题。对于每个问题，你都会提出假设。你进行实验，收集数据，对其进行分析，然后为你的假设找到答案。

然后再次使用新的信息，提出新的假设，进行实验分析，直到找到答案等等。

普通产品经理原来都是做基于观点的产品工作，但是数据产品经理一定要去基于假设来完成产品工作。从基于观点的工作转变到基于假设的工作。同时要想产品更快的增长，个人、团队和公司就要更快的提出假设，更快的进行实验。

3. 个人层面

当然，个人提出假设并不简单。如果将10个非常相似的人放在同一数据的前面，则很可能会有10个非常相似的假设。

提出想法需要思想的多样性，罗斯·阿什比的必要多样性定律是这种多样性需求的最好例证，所以提出假设是全公司都要能参与的事情。

实际上，参与假设的人越多，结果就会越丰富，个人的学习就会越快。简而言之，你学习能力的提高程度取决于实验过程中所涉及人员的数量和范围。

那么，思想的多样性是什么？这是公司中的个人从不同角度解决问题的程度。

• 它可能来自人们的多样性–拥有不同性别和背景的人们。
• 它还来自于专有技术的多样性–由不同专业知识组成的团队。
• 它也可以通过让处于不同职业阶段的人们参与进来，例如将初级员工与更多高级员工聚集在一起。

将同一组数据放在不同的组面前，会收集到影响北极星指标的不同假设。

最后

促使员工对数据感兴趣的最难的部分可能就是让他们感到好奇并能首次去参与尝试。这篇文章的要点是它不是关于数据，而是关于学习：个人能与团队和公司一起进行学习。

但是，我认为个人想在公司中学习就必须对自己的工作感到兴奋，并且公司能够提供这种数据学习的机会。