车品觉如何让数据在产品中说话

　　上个月，我乘坐晚上七点的飞机从杭州到北京，结果七点整的时候，飞常准告诉我航班延误了，一个小时后，它再次告诉我延误继续，一直到晚上十一点。
　　这个APP一直在给我提供信息，但是这些信息并不能给我更多的决策判断。如果当时这个APP的产品经理能够设想关联更多信息，他是否可以告诉我隔壁海航有班八点的航班可以立即改签飞走？这还不是数据产品，只是把信息善用在产品上，就立刻使得产品有了新价值。
　　但是很可怜，当时我并没有获得这样的信息服务，一直从七点等到半夜十一点，飞常准不断提供的延误信息只能让我越来越苦恼。
　　信息化和数据化的区别就在于，信息化为我们提供了参考，而数据化让我们可以直接行动。从给建议到直接行动，这之间有巨大鸿沟。
　　为什么数据价值没法落地？
　　为什么眼下大量企业的数据案例难以凸显价值？其中很重要的一点是，产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段，靠感觉来做产品并不知道如何用数据来改善产品，更没意识到数据巳经成为了做产品的核心原材料。过去的IT时代我们只是简单的使用数据，很少为了解决问题而提炼过数据。为什么我要强调提炼过的数据？因为如果我们要让数据产生价值，让更贴身的数据分析框架去解决用户的实际问题，就需要将数据嵌入到产品或者生产流程中，在数据提炼的最后一公里，让数据在产品中说话。
　　如何让数据说话？在过去的信息时代，我们最擅长的方法是根据历史数据统计规律，指引行动。比如我们会统计过去一个月周五下午六点的出租车小费，计算出价平均数，然后告诉用户建议给小费5元。我们所使用的数据大多都是单一角度而静态的数据。
　　而现在，我们更希望得到全景而动态的数据集。比如我们可以获取不同街道的堵塞程度，从而计算司机对小费的敏感度；我们可以集合附近的天气情况，演唱会散场的时间数据等等来预测某个时段，某个地段可能成交的打车小费金额。这样的算法就是利用了更全面的大数据，通过更多的环境动态数据，而非历史统计数据来提供服务。
　　未来，产品经理需要懂得如何用数据来增值。这其中有三个关键点：产品化，数据化和商业眼光。而眼下很多产品经理更多关注的是产品化，忽略了数据化。
　　那么如何用数据来增值呢？让数据前置。
　　假定我需要为女儿选择一所学校，如果要等三个月后考试成绩出来，才知道学校不靠谱，会不会太糟糕？如果我能够根据数据计算来衡量这所学校是否适合我的女儿，这就是数据前置。很多数据价值的关键就是数据前置，让更多数据嵌入到产品之中，产生价值。
　　另一个更容易理解的案例是谷歌无人汽车。谷歌无人汽车就是在用数据分析框架来实现服务。这一服务的前提是数据的质量、稳定性和计算速度都已经足够完善，使得数据指引行动进入了完全自动的情境。谷歌的工程师用上千个模型来支持这一数据分析框架，以保证无人汽车在行驶中不会出现意外。
　　反观眼下大量公司的业务，很多公司还停留在用统计数据做决策参考，如果我们将数据分析框架应用到公司业务中，我们就会发现一个全新价值。
　　如何将数据嵌入业务？
　　也许你会问，我们一直在说将数据嵌入业务中，在实际操作层面，我们应该如何嵌入？
　　在我所在的工作团队中，我遭遇的困惑是，产品团队、数据团队和运营团队给我的方案总是如一盘散沙难以串联。很简单，产品团队很难有数据概念，数据团队也很少有产品理念，而运营团队更不习惯用数据做决策。但难题在于，如果没有办法把这三个团队链接在一起，数据价值从何说起呢。