小二来盘好吃的。我咋知道啥叫好吃的。来盘沙拉——咋没肉。想吃肉的话，京酱肉丝太瘦了，整个东坡肘子太肥了。你到底要吃啥？他说，“我要吃那半肥半瘦的，再来盘回锅肉”，这次整对了。我们是在不停地互相沟通学习中，把对方的业务诉求变成一个可被测量和观测的Y。所谓的数据思维，就是见到了搞数据的人，张口就能点出回锅肉的那种人。
如果我们的领导者能够具备这种思维方式的时候，能快速地点出回锅肉来，那么，你可以释放一大批的能量。这批能量来自于哪里？来自做数据分析的专业团队，他们在那个位置上可以有好多简单、复杂的工具去做。但是，如果说我们不具备这种数据思维规划的能力，那么就是你讲英文，他讲日语，两个人在讲不同的东西。
很有可能一个把数据运用到极致的公司，能够比客户本人还了解客户
在数据产品商业化的这个过程中，我们要核心思考的事不是精度无限制地提高。预测不准是常态，预测准确是变态，一定是错了。我们要思考的是，我们在预测不准，但是有改进的前提下，怎么样通过产品和商业模式上的创新，让更多的人能够体会到它的美好，这个事是努力的方向。
有一个人在路边喝咖啡，然后他就看到下雨了。下雨了以后就好多人在抱怨说，完了，今天这个生意又糟糕了。他说，这有意思。他就去研究下雨以后，到底对多少人的生意有影响。然后，竟然通过数据的分析和精算出了一款下雨险，让这些商家、个人买。你买了我这下雨险，如果下了雨赔给你，但如果没下雨我就赚钱了。这就是从一个数据慢慢地变成一个产品的过程。它最巧妙的地方是，它即使是预测下雨，再准也准不过中央电视台，它的资源有限。但是，它可以准到一定的程度，实现一个平均水平上的盈利，然后通过一个保险产品把这个东西实现掉。
它接受了不准确，把它量化成了一个数字，然后用一个产品来抵消它
在数据这个模型的产品化的过程中，一定要注意一个问题，我们要认可和接受它的不准确。如果我们的产品设计是假设它超级准，那这一定是不可能的。统计学关心的核心问题是对数据的分析、建模以及采集的整个流程。统计学关心的是数据分析问题，其中包括因果关系，也包括大量的相关关系，它都关心。而且事实上，能够建立因果关系的机会特别少
网友评论