产品决策需要多少数据支持？对专家来说，不多

一个大而空的话题：产品决策需要多少数据支持？

我记得大概是十多年前，有一篇广为流传的张小龙分享，有人问他 “你关注数据吗？”

张小龙说，我不关注数据。

这句话有人觉得封神，有人觉得装逼，产品经理怎么能不关注数据呢？

我当时只是个三十多岁的中阶，似懂非懂。又过了好几年，我才理解这句话背后的意思。

因为专家做出决策，并不需要许多数据，也不需要时时刻刻关注数据。

我在 40 岁以后，大概也来到了专家段位。

举个例子。

我做顾问接触新公司，新项目的时候，先理解结构，再按我自己的逻辑线提出非常多的数据需求，密密麻麻的一份清单。

一线产品经理按我的要求，把清单上的数据整理好给到我，我会 1V1，面对面地和他一起看这份清单。一边看，一边对不理解的部分提问，一边对感知强烈的部分大发感慨。

有意思的是，并不需要看完所有的数据，通常看到清单里 1/3 的数据之后，我已经得出结论了。事后验证，结论大概率正确。

剩下的数据，我依然会看完，很不耐烦，走马观花，避免有什么漏掉的东西影响之前的推导。看完可能会有一些局部的细节补充，仅此而已。

后来自我总结了一下，1/3 的数据已经足够推导出结论，但我还是需要完整的数据进行校验。

有意思的是，对于陌生的项目，我并不能提前知道哪 1/3 的数据可以推导出观点，但在分析数据的过程中，自然而然走向这个结果。

这是我初次接触新公司，新项目的情况。

如果换成我主持的项目上线，我还是会提前整理一份密密麻麻的数据需求清单，因为是我主持的项目，我熟啊，这次只用大约 10-20% 的数据就能推导出结论，剩下 80-90% 依然用于校验可靠性。

上线后，我关注的数据分成这几部分：

关键 KPI
影响关键 KPI 的过程数据
影响流程转化的交互数据
影响用户体验的交互数据

在日常维护阶段，日常关注 1 和 2 的曲线变化，如果变化不剧烈，就不用过度敏感，更关注新鲜的用户行为，鲜活的用户反馈。除非出现异常波动——我从日常的曲线起伏中解读不出来什么新东西，但用户的行为与表达往往能给我灵感。

或者说，重复看相似的数据，并不能获得高明的产品洞察。

在有知有行这样的小型产品里，这两年月会上的数据分析，主要是看新功能上线后是否符合预期，每月通报几分钟就够了。

每月还有一场用户反馈会，运营整理收集几十条有价值的用户反馈，一条条读给产品经理听——这个会是我的最爱，两眼放光，有时候用户的一句话翻来覆去读，理解背后的场景与心态。

回到正题：产品决策需要多少数据支持？

对专家来说，不多。

之前犬校同学引用了专业文献的研究结果，结果相似，专家往往只需要很少的数据就能推导出正确的结论。我以己推人，认为原因是在每一项数据背后，专家映射过往经验，把数据蕴含的背景信息在脑子里展开。也就是很少的数据在专家脑子里解码以后，类似于三维展开成二维，很大一个面积。以及某几项数据的关联解读往往能激发洞察力。