2014年1月，當谷歌宣布以32億美元收購Nest Labs的時候，所有人都覺得拉里·佩吉（Larry Page）瘋了，谷歌竟然收購一家恒溫器和煙感器的設備生產商。事實上，Nest在谷歌的平臺之上，很可能會創造或者顛覆一個價值數十億美元的市場。這一判斷是建立在“家居數據平臺”的基礎之上的，隨著使用Nest的家庭越來越多，家庭消費習慣的數據將對于供電，家電等等行業提供有趣的指引。

一個小小的溫度調節器廠商，通過智能化，撬動了32億美元的估值，這是令所有人驚訝的事實。這意味著新一輪高增長的開端。這就是未來大數據“遍地黃金”的最佳例證。

很多人都在說，大數據有著無限的前景以及錢景。但是大數據的價值到底在哪里呢？為什么很多人提到大數據，都覺得那是在“講故事”，“離我們還很遠”呢？數據距離我們并不遙遠，過去的數十年，很多行業走向了“信息化”，未來的十年將是“數據化”的十年。我所說的“遍地黃金”也就是指未來無所不在的數據化可能。

“遍地黃金”在哪兒？

什么是產品數據化呢？是以產品為立足點，尋找產品元素或者生產流程中，產生數據、運用數據的機會，把數據在產品中體現出來，就是產品的數據化。

這

比如，大眾點評APP可以通過收集用戶點餐的數據，了解用戶的用餐喜好、用餐時間和常去的酒館，進而可以將數據代入到用戶推薦系統之中，讓訂餐更為精準、有效、快速。南方電網通過運營數據，讓電網更加省電。物流業通過運營數據，讓物流變得更高效更便宜。百貨業正在“數據化”的進程中，如果銀泰百貨了解到商場會員的興趣愛好，逛街的時間點，從哪兒來，往哪兒去，就可以從中尋找到巨大的商業機會點。

巴西足球比賽也是如此。當德國隊將每一位球員的狀態數據化之后，教練獲得了更多的信息，有助于幫助他判斷球員的上下場時間，以及相應的戰術決策。

在過去的數十年，我們逐漸完成了產業的“信息化”和“自動化”，但從鮮有嘗試過用數據的方式來清晰地勾勒一個產品、生產流程、用戶、使用場景的“面貌”。

正如阿里巴巴集團董事長馬云先生所說，未來的機會在于“Digital Technology”，但DT實現的前提在于，你的企業有數據，完成了信息化。數據科學是信息科學的延伸，數據技術的年代剛剛開始，產品數據化將是其中最為關鍵的特征之一。

這是一個“遍地黃金”的時代。任何一種產品或者服務都潛藏著巨大的“數據化”潛力。現在隨著“數據化”的進程，傳統產業（包括互聯網）將迎來第二個春天，在原有的生產基礎上，產生了更高的附加值，同時這對企業也提出了更高的要求，企業需要更注重數據，加強對于數據的收集整理。

但為何“遍地黃金”并非看上去那么觸手可得呢？簡言之，為什么數據價值沒法落地？為什么眼下大量企業的數據案例難以凸顯價值？

其中很重要的一點是，產品經理不懂數據。很多的產品經理還停留在以前做產品的階段，靠感覺來做產品并不知道如何用數據來改善產品，更沒意識到數據已經成為做產品的核心原材料。

過去的IT時代我們只是簡單的使用數據，很少為了解決問題而提煉過數據。為什么我要強調提煉過的數據？因為如果我們要讓數據產生價值，讓更貼身的數據分析框架去解決用戶的實際問題，就需要將有關聯的數據嵌入到產品或者生產流程中，在數據提煉的最后一公里，讓數據在產品中“說話”。

如何讓數據“說話”？

在過去的信息時代，我們最擅長的方法是根據歷史數據統計規律，指引行動。比如我們會統計過去一個月周五下午六點的出租車小費（打車APP），計算出價平均數，然后告訴用戶“建議給小費5元”。我們所使用的數據大多都是單一角度而靜態的數據。

而現在，我們更希望得到全景而動態的關聯數據。比如我們可以獲取不同街道的堵塞程度，從而計算司機對小費的敏感度；我們可以集合附近的天氣情況，演唱會散場的時間數據等等來預測某個時段，某個地段可能成交的打車小費金額。這樣的算法就是利用了更全景的大數據，通過更多的環境動態數據，而非歷史統計數據來提供服務。

未來，產品經理需要懂得如何用數據來增值。這其中有三個關鍵點：產品化，數據化和商業眼光。而眼下很多產品經理更多關注的是產品化，忽略了數據化。

那么如何用數據來增值呢？讓數據前置。

假定我需要為女兒選擇一所學校，如果要等三個月后考試成績出來，才知道學校不靠譜，會不會太糟？如果我能根據數據計算來衡量這所學校，這就是數據前置。很多數據價值的關鍵就是數據前置，讓更多數據嵌入到產品之中，產生價值，Instead of throwing money for the uncertainty。

另一個更容易理解的案例是谷歌無人汽車。谷歌無人汽車就是在用數據分析框架來實現服務。這一服務的前提是數據的質量、穩定性和計算速度都已經足夠完善，使得“數據指引行動”進入了完全自動的情境。工程師用上千個模型來支持這一數據分析框架，以保證無人汽車在行駛中不會出現意外。

反觀眼下大量公司的業務，很多公司還停留在用統計數據做決策參考，如果我們將更具關聯性的數據分析框架應用到公司業務中，我們就會發現一個全新價值。

必須讓數據進入某個特定的場景中可以被使用。如果我們能夠想象并重建人們的行為發生的情境，我們所觀察到的行為數據才是有意義的。也許你會問，我們一直在說“將數據嵌入業務”中，在實際操作層面，我們應該如何嵌入？

數據化思維：最關鍵的五個問題

在我所在的工作團隊中，我遭遇的困惑是，產品團隊、數據團隊和運營團隊給我的方案總是如一盤散沙難以串聯。很簡單，產品團隊很小人有數據概念，數據團隊也很少有產品理念，而運營團隊也不習慣用數據做決策。但難題在于，如果沒有辦法把這三個團隊鏈接 在一起，數據價值從何說起。

產品數據化看似容易，這背后實際上需要產品經理改變思維模式——懂得用數據改進產品，懂得通過數據運營的方式來決定產品創新或者生產形態創新。

在搭建“數據產品”的過程中，其實就是產品數據化，運維數據化的過程。這個過程讓我們discover發現“有用的關聯數據在哪里”，懂得如何把數據放到生產環節之中，進而如何改善流程，提高效率。

在運營數據的過程中，我意識到，作為產品經理，需要學會用數據的思維去塑造產品。學會找到產品數據化的突破點和機會點。可能所有行業的產品經理從現在開始，都需要問自己這最關鍵的五個問題：

眼下你遇到的是什么問題？（你改變了誰的體驗？）

這是誰的問題？（以誰為中心，來設計產品？）

這個問題你能解決么？（這是你的核心競爭力能解決的么？）（你能理解他們的需求么？）

這個問題現在解決么？（時機比性能更重要）

如果現在解決，那么可以支撐的數據在哪里？（數據是否是解決這個問題的核心？）

在問完以上五個問題之后，產品經理可以迅速找到問題所在。下一步我們需要思考的是，怎么解決這個問題？在這個環節，產品經理可以進而詢問自己以下幾個問題：

描述下目前用戶的困難是什么？

目前已有的數據可以解決這個困難么？

假如所有的數據都可以獲取，那么你需要哪些方面的數據呢？

考慮下獲得數據的成本和風險是什么？

描述下你的數據解決方案？

如果方案可行，我們如何去獲取這些數據以及如何積累這些數據？

很多產品經理在面對需求變更的時候，往往完全抓不住頭緒，這兩組問題可以很好地幫助你解決眼前的問題。這兩個問題組，前者解決了“我們該干什么”，后者解決了“我們怎么干”。

這就是產品經理如何用數據的思維模式。未來所有的產品經理都需要懂得數據化，因為未來所有的產品都必將數據化。

盡管這些問題有助于梳理思路，產品、運營和數據團隊之間的思維交叉還是非常困難。

我通常的解決方案是，詢問團隊成員在特定生產流程中（有時同時也是一個決策流程），每天需要做多少決策？哪些決策點是否可以用數據替代解決？通過梳理決策點來尋找“數據嵌入”的靈感，是一個非常有效的方法。

未來，傳統企業應該更積極的數據團隊活躍于業務部門之中，讓研究數據的人發現每一個產品中用數據的機會點。這就是一個迅速讓企業從“看數據”到“用數據”的關鍵方法，這樣公司很快能轉變為一家數據化的公司，有了生產數據產品的能力基礎。

為什么你還看不到“遍地黃金”？這往往是因為你還沒有看到數據創造商業的力量。當你的變速器還在一檔的時候，你很難能看到加速到三檔的風景。