数据思维，对很多数据产品经理来说是既熟悉又陌生的词汇。什么是数据思维？怎样应用数据思维？本文将从四个角度进行分析，希望对你有帮助。

笔者的风格就是喜欢在开头和大家聊一聊闲话，以前经常看笔者文章的小伙伴比较熟悉。

从2019年11月份结束到现在2020年6月份一直处于封笔的状态，一来是不想无病呻吟，二来是不想盲目输出杂乱的东西误导大家，三来是想专心在数据上有所感悟，有所得。

所以，笔者到今天为止，才正式开始提笔，写一写这段时间来的所得，另外后续，也是不定期更新的方式吧，但是这次笔者会更加勤奋的。

一、先来谈谈数据思维

现在大家应该经常在某某平台上，或者某某公众号上看到数据产品经理的鼓吹、介绍以及培训吧，说的最多的就是“学会python，走遍数据分析天下都不怕”，“数据类产品从0到1的培训”，“sql学习”等等。

但是这些学会了真的有用吗？笔者在这里回答，的确有用。

这些都属于数据产品人的工具，是手段，这些是借助于表达自己数据思维的一种手段。就像语言一样，你只有借助语言表达这项能力才能有效表达出你的想法，也就是思维模式。

那么什么是数据思维呢？

案例一：

比如我们的物理学家喜欢用公式来表达自然界的规律，对物体的动力描述的公式是E=mc^2，我们可以用这个公式来计算出每一个物体所具有的动能大小，即对物体的动能进行了数据化的描述，也就是具体的数值标签。

这样，我们可以非常精确的描述物体的动能大小，而不是用语言的概念性的描述“大、很大、非常大”的词汇，给人的印象就是很模糊，而且非常抽象。所以其实在中学的时候，学校就已经交给我们了数据思维的方式，就是对所有可见的东西，都需要一个具体的数值或者公式来描述。

案例二：

比如我们的数学学家，建立坐标系来描述图形形状，比如圆、椭圆、双曲线，都是用坐标系来标准化表达图形的形态。这样的好处就是，我们可以用数据化的方式来表述图形的形态，比如图形的夹角是否为90度，只需要通过图像夹角的两条边在同一个坐标系中的斜率相乘是否等于-1来描述夹角是否为90度。

所以通过这些案例，我们总结下来就是，对自己所见到的事物，能通过数据化的公式或者数值来表示的一种思维，就是我们当前最需要的数据思维。比如点击率=点击次数/页面曝光次数，这就是数据化的公式。

二、再来谈谈数据的应用

当我们具备数据化思维之后，我们所看到的就是一个数据世界，这个世界中的一切通过数据衡量之后，就需要我们进一步对这些数据财富进行采集和应用。

首先，我们要知道，这个世界上的所有东西，最后都是服务于人类社会的更好的生活和更好的发展，也就是需要不断解决人类通往这个目标的过程中的困难和问题。

因此，数据的应用也需要具备目标。

一般来说分为两类目标：一是解决问题，二是发现问题并解决问题。

第一类的解决问题无非是遇到了明显的问题或者困境的时候，通过不断搜集数据来寻找问题根本原因，从而对症下药，解决问题。比如，日活上来了，但是转化率却一直没有变化，这就是问题。

第二类的发现问题并解决问题，就是需要对当前的情况有一个解剖性的了解和探究，从而找到进化的道路，成为一个新物种，占领市场蓝海。比如，拼多多通过对当前电商的数据结构发现有绝大部分的五线城市、农村等地方都没有被电商所覆盖，因此拼多多着力覆盖这部分的人群，从而发展成为了如今堪比淘宝的庞大体量。

三、最后来谈谈数据的迷雾

其实，我们一旦对这个世界进行数据化之后，就会陷入一片数据的海洋之中，让人云里雾里，无法很好地利用数据，更无法挖掘数据的价值。

这里，笔者想说，要穿越数据的迷雾，只能一步一个脚印，就是从自己遇到的问题所需要的最直接的数据入手，来分析解决。

就像支付宝的芝麻信用一样，刚开始也只是通过花呗的还款行为来打分，由于业务的不断发展以及认知的不断提高，才慢慢发展到现在的综合的评分机制。所以，我们只要在能见到的迷雾范围内，一步一个脚印行走，快速试错和迭代优化，就能越来越多的发掘出数据的价值。

 四、总结

数据并非多么神秘的东西，1+1=2是数据，2，4，6，8这种规律也是数据，2，3，5，7这种质数也是数据，傅立叶变化也是数据公式，欧拉函数也是数据公式，从简单到复杂，无处不是我们的学者从简单的数据化应用到高升的数据化发展的演变的历程。

我们要做的就是首先建立什么是数据化思维，如何看待数据的价值，这样我们就能逐渐入门，渐入佳境。

本文由 @萧羽 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