数据决策真的靠谱吗?

4 评论 6801 浏览 6 收藏 12 分钟

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

给作者打赏,鼓励TA抓紧创作!
1人打赏
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 打卡~

    回复
  2. 说得有道理

    回复
  3. 学就完了

    回复
  4. 沙发。学习到了

    回复