编辑导语：在做产品时，有时候会用到数据决策，但是数据决策并不是完全准确的，它因为量化的差异本身有很多局限性；本文作者分享了关于数据决策的一些看法和认识，我们一起来了解一下。

刷黄即的时候看到一个动态，引发了我对数据决策的一些思考，他动态里有这么一句话——“做产品依赖数据做理性决策是一方面，另一方面是信息不完备时如何判断，以及承担结果的勇气”。

近期在思考一些数据决策和非数据决策的事情，还没有完全想明白，先把目前的一些想法分享下，一起探讨下。

平常在工作中大家也都比较喜欢基于数据达成的共识或者决策，这样比较顺利成章，也比较容易接受，但这样真的靠谱么？我不确定。

我发现其实有两种决策类型，一种是可以量化的，一种是不能量化的。

可以量化的，比如在疫情影响下，被迫需要关闭一家店，有两家各种条件差不多的店，一家营业额是200万/月，一家营业额是50万/月，关哪家？

不能量化的，比如我看到小米和B站的一些决策：

小米所有的硬件类产品，税后净利润不得高于5%。——小米CEO雷军

我们70%的流量其实都是分配给中小UP主，甚至是不知名的UP主。——B站CEO陈睿

这些决策能量化吗？能靠数据决策出来吗？很难，所以我就对数据驱动决策的适用边界有一定存疑，而且数据决策本身还有很多局限性。

一、数据的局限性

首先可能根本没有数据，刚起步哪有什么数据，而且一些新的模式、新的事物本身很可能就是反常识、不确定，甚至早期都不被看好的，毕竟看起来靠谱的事情可能早已经被别人做掉了。

其次是数据本身可能就有局限性，可能是信息渠道，也可能是信息获取方式，大多数的数据可能是抽样获得的，而抽样的样本量、样本范围、样本获取渠道，都会影响数据的准确性。

然后数据的加工处理方式也可能是有局限性的，不同的人看到的视角、维度、思考方式可能都是不同的，而且选择的数据和你想验证的东西之间，可能根本没有关联性，你怎么知道你是对的？

最后想说的是，数据代表着过去，是已经发生的静态事情，我们需要做的是基于现状，来预判将来可能发生什么，而在预判这件事上，我们绝大多数人并不擅长。

通过2个案例来简单看下。

湖中有一片睡莲叶子，这片叶子以每天增长一倍的速度向外扩散；如果48天后莲叶就能覆盖整片湖面，那么其覆盖湖面一半的面积需要多长时间？

答案是多少，24天么？

还是47天？

另外看一下之前一些大佬们的预测：

“人们没有理由想要在家里拥有一台电脑。”———数字设备公司总裁肯·奥尔森（1977年）

“手机绝对取代不了固定电话。”———手机发明人马蒂·库珀（1981年）

“苹果手机没有机会占据大量市场份额。”——微软CEO史蒂夫·鲍尔默（2007年）

回过头来看，你可能觉得这些预测很可笑，这不是显而易见的事情么，可当我们自己在那个时代，那个背景，那个角色下，我们又真能做出更好的判断么？我不知道。

心理学上针对这种现象有一个专门的名词，叫后见之明。

所以啊，数据本身就有很多的局限性，而且只是辅助，最终还是取决于判断力，也就是决策水平。

二、我们能怎么办

具体要怎么办，我能想到的有这么几点：

1. 大胆设想，小心求证

上文中提到了，有些东西在早期的时候，看起来是很不靠谱的，假定要做的话，就不要加那么多限制条件，不要急于否定它。

要能够想办法去证实或者证伪，在验证的过程中，可能发现是对的，也可能发现是错的；保留变化，而不是基于自己的观点再去找支撑自己的数据或者事实。

当发现和猜想不一样的时候，要能勇于承认自己的错误判断并且不断修正它，而不是把一些东西掰碎，再强行填充到自己的判断里。

排除了一切的不可能，剩下的不管多么难以置信，一定就是真相。— 柯南道尔

最后就是在决定尝试之前，不妨问问自己——假定最坏的情况，会发生什么；对于这种情况，自己能否接受。

2. 做大概率的事情

对于单次博弈，输赢是不确定的，只要你赢的概率比输的概率高，哪怕只是高一点点，只要重复的次数足够多，就能稳赢。

抛硬币的时候，理论值是正面和反面概率都50%，对于单次抛硬币而言，结果是不确定的；当重复几千甚至几万次的时候，正反面次数应该是差不多的。

假定正面为赢，赢一次可以获得100元，反面为输，输一次会输100元；整体的期望是0，我们玩的次数越多就越会接近0，假定玩1万次的话，最终的结果会趋近于0，也就是不亏不赚。

假定现在通过某种手段，把硬币的正面动了一些手脚，正面的概率是51%，反面的概率是49%，赢的概率高了1%。

同样1万次的话，最终的期望结果是20000元，而上一次最终的期望结果是0。

可以看到在多次重复博弈中，哪怕只是提高一点点概率，最终的结果可能就有不少差异。

我们的人生也是一连串决策所塑造的，在这种情况下，比较理性和科学的方式，就是坚持做大概率的事情。

3. 打造自己的决策系统

为了能提高自己的准确率，我们要做的其实是打造自己的决策系统。

在俞军老师的书里有这样一个观念，理性决策的三要素：信念、目标、行动，优先级为理性的信念＞理性的目标＞理性的行动。

理性的信念是对自我认知的认知，对于某个事情，我能获取到的信息可以打多少分，我的决策思维方式能打多少分，我可能有哪些认知的偏误。

理性的目标就是为了达成这个事情，我的关键目标是什么；为什么是这个而不是其他的，为了达成这个目标到现在，有什么关键变量已经发生变化，或者将要发生变化。

理性的行动就是基于信念，目标，找到当下的最优解。

这其实就是一个信息输入、加工和输出的过程，在这个过程中，不断修正自己的决策模型，以提高准确率。

4. 坚持做正确的事情

如果实在不知道怎么做，遵守自己内心的选择吧，相信某个东西是对的，然后坚持它。

就好像雷总相信好的产品要感动人心，价格厚道，他担心公司上市之后，迫于资本的压力后续的CEO可能会提高硬件产品的价格，所以把硬件类产品税后净利润不得高于5%写进公司章程。

就好像B站的陈总相信只有让优质的内容得到更多的流量，优质的UP主才会越变越多，优质的UP主越变越多，才能够产生更多的好内容，平台的流量才能越来越大。

当然，当我们发现自己坚持的信念不对的时候，也需要及时进行目标和行动的调整。

三、最后

想用张一鸣的一句话作为最后的警醒——“同理心是地基，想象力是天空，中间是逻辑和工具”。

数据决策也只是一种工具，有时候我们需要看数据，有时候需要靠模糊的感觉。

推荐策略中有一种算法叫贪心算法，它有一个非常大的局限性，就是从当下来看，每一步的最优解，未必是全局的最优解。

人生的决策何尝不是如此，有的时候洋洋得意的决定，若干年之后发现其实是很蠢的决定；有的时候觉得很糟糕的经历，若干年之后，也可能会感谢这段经历塑造了现在的自己。

所以啊，数据决策未必靠谱，但基于做大概率事情的原则，在没有更好方式的前提下，能量化的就进行量化；但需要警惕由于信息不完备，决策过程也会有各种坑。

在这个过程中，建立自己的决策模型，不断的优化迭代，然后提高自己决策的准确率。

实在不知道怎么选的时候，就选择自己相信的东西，然后坚持它。

以上，就是本文的主要内容，欢迎斧正、指点、拍砖。

#专栏作家#

王家郴 ，公众号：产品经理从0到1，人人都是产品经理专栏作家，喜欢网球和骑行的产品汪，目前奔走在产品的道路上，漫漫产品路，与君共勉。

本文原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 unsplash，基于 CC0 协议