數據分析是很多人推崇的產品需求制定方法，用數據說話已經漸漸變成產品經理的至理名言，但不能迷信數據，畢竟數據的真實性、客觀性、全面性不好保證，而且，數據和人的大腦總是差一些“靈氣”。

問：怎么評價產品經理拿數據說話這回事？如何做數據分析？
現在PM動不動就拿數據說話，找RD跑數據，有些數據是肯定必要的，有些數據是可要可不要的，比如對于某項目,PM憑經驗可說4級以上的用戶可xxx，這時候會有人跳出來問，為什么不是3級、5級？拿出數據來。 實際上真看了數據又能看出什么呢？看完后無非是再次驗證了4級，而且看了數據后主管判斷還是PM來下的。 再比如有的功能是肯定要上的，但領導會說，調研一下有沒有必要，評估數據搞半個月，評估的結果是：可做。 實際上，該功能整個平臺的用戶都希望做，是沒有必要耗費人力評估的，只要做就可以了。 很多數據和評估是必要的，但有些很形式化，請問有意義嗎？
 
數據分析是一種靠譜的產品研究方法, 這玩意有很多誤區, 也不能迷信, 最終到頭來還是要人來做決策
1.忽略沉默的用戶
二戰時英國空軍為了降低飛機的損失，決定給飛機的機身進行裝甲加固。由于當時條件所限，只能用裝甲加固飛機上的少數部位。他們對執行完轟炸任務返航的飛機進行仔細的觀察、分析、統計。發現大多數的彈孔，都集中在飛機的機翼上；只有少數彈孔位于駕駛艙。從數據上說, 加固機翼的性價比最高. 但實際情況缺恰恰相反, 駕駛艙才是最應加固的地方, 因為駕駛艙被擊中的飛機幾乎都沒飛回來.
"發聲"的數據是最好獲取的, 但如果沒把這些沉默的數據考慮進來, 那么這種數據分析是不靠譜的. 所以除了數據的結果, 還得嘗試解讀這些數據. 而解讀數據就完全依賴人了.
2.把沉默用戶當做支持和反對的中間態
u=3965659086,275639697&fm=23&gp=0
2家網站A和B，都經營類似的業務，都有穩定的用戶群。它們都進行了類似的網站界面改版。改版之后，網站A沒有得到用戶的贊揚，反而遭到很多用戶的臭罵；而網站B既沒有用戶夸它，也沒有用戶罵它。如果從數據來看, 應該是網站B的改版相對更成功, 因為沒有用戶表達不滿。但事實并非如此。網站A雖然遭到很多用戶痛罵，但說明還有很多用戶在乎它；對于網站B，用戶對它已經不關心它了.
網站A指的是Facebook，網站B是微軟旗下的Live Space。
3.把數據作為決策的唯一標準
通常認為數據分析指導工作是一種高性價比的做法, 不容易犯錯, 對于代表資方的管理層來說, 比起依賴于人的決策, 依賴于數據的決策似乎更穩健.
這種決策在從0.5向0.8的產品改進上, 可能是有效的. 因為一個已有的產品, 數據就擺在那. 100個用戶50個訪問超時, 解決了這個問題, 就提升了50%的效果.
但對于從0到0.1的新產品上, 由于數據很難獲取, 需要花大力氣在獲取模擬數據上. 往往是用一周時間去想明白一個做兩個小時的產品該不該做的問題. 而且模擬的結果還和最終實際相差很遠.
A/B test或是原型系統, 先做出來, 再去驗證, 在一些場合下比先拿數據要有效的多.
4.認為數據是絕對客觀的
為了減少內耗, 往往依賴于數據來做決斷. 我一直認為數據本身是帶有主觀性的, 完全客觀的數據是沒有的. 數據的獲取方法, 數據的解讀方法, 數據的統計方法, 都是人的決策. 一份數據拿出兩個相反的結論來也不是沒有可能. 即使主觀上沒有偏向性, 也受限于方法和視野.
決策上最終起作用的還是人不是數據. 雖然人有那么多的不確定性, 還可能出現爭論, 扯皮, 不敢承擔責任.