“Data-driven”,一个大家天天挂在嘴边的词, 然而如果设计可以真正的Data-driven, 那么这个过程就可以由机器而非人来完成。一起从数据出发真的就能Drive出好的产品吗？

用户是设计最本源的出发点。在“以用户为中心”的设计理念里，引入任何其他的因素作为出发点都是多余的。数据是理解用户意图的的手段，这里包括他们是谁，他们需要什么，怎么用。。。但绝不是唯一的手段，装和猜也是常见的方式。
毋庸置疑，数据在这些手段中占有极其特殊的地位。其中最主要的一个原因是数据是一种无歧义，容易传递的沟通方式。不像“装”和“猜”那样具有显著的个体差异，只可意会不可言传。但不了解数据局限性的Data-driven往往是无法达到预期的效果的。

任何数据的获得都有其特定的渠道，渠道本身往往会带来一些偏向性。而且，用户数据的特性之一是你不需要的时候看着很多，需要解决具体问题时往往没有针对性的。东拼西凑，加减乘除是少不了的，这些来源各异的家伙们凑到一起负负的正不是没有可能，错上加错也是家常便饭。就算不论数据运算的后果，仅仅是简单的数据范围也会带来大相径庭的效果，就像对于全球变暖，你可以这么看 ，也可以这样看 。不用任何解释，并不矛盾的数据已经带来的截然不同的结果。

另外一种常见的问题是数据的覆盖往往是不全面的。你可能知道用户需要一个功能，但数据没有告诉你放在哪里；告诉你放在哪里，可能没告诉你放多大。然而这些数据的真空的处置对于体验至上的互联网产品往往会成为细节中的魔鬼。经验和态度在弥合这些缝隙中起着重要的作用，装和不装的效果迥然不同。跳过数据，直接了解用户是最有效的方式，经过精心设计的用户体验研究往往可以作为解决这些细节问题的很好办法。在这种情形下也会得到一些数据，比如5个用户中1个不喜欢，但如将其当作统计数据来使用，未免有失偏颇。

在充分考虑这些局限性之后，Data-driven就有效了吗。如果把金融投资也当作产品设计，似乎很容易得到数据导向会从整体上最大程度规避风险、获取收益。 然而产品设计，尤其是互联网的产品是典型的马太效应。使用用户产生的数据来分析用户注定只能做一个伺候主子的好奴才。疯子一般的乔布斯一次次的让大家在目瞪口呆后后猛掏钱包，这样的本事人人都想学到，但如果苹果仅仅是数据分析的NB，怕是早就有一堆的 Pear，Grape 之类的水果品牌了。

简单归纳一下：
- 学会装和猜才能更好的理解数据。读数据如读用户的前提是对用户感同身受。
- 把数据当作工具，了解工具的局限性，才能不被数据牵着走。
- 把握数据的来源，在使用具体数据的同时需要了解置信区间。
- 对于新产品，新市场。数据可以保证方向的正确，但无法保证成功。是保健因素而非激励因素。
- 区分数据的使用场景，对于细节改进和质量提高，如果有直接统计数据，可以放心的去使用。对于新产品，新功能，千万不要因为有大量数据而放弃装和猜。
- 把数据当作重要输入，而不是限制条件。尤其是对于新鲜想法，用数据否定需谨慎。

  • Share/Bookmark