说起数据，我们并不陌生。互联网大数据层出不穷，支撑结论所需的数据论证，制定运营方案所需的数据统计，都是围绕数据展开的。虽然我们对数据这个词如此熟悉，但是我们知道很多领域都需要用到数据。但是要解释这些数据是什么就没那么容易了。

当然，官方的解读是科学准确的。但是我们能不能从一个产品人的角度，对数据有一个更常规、更日常的认识？让我们对数据对于互联网和产品的意义有一个更清晰的认识。

一、数据是用户信息

用户信息是指用户的姓名、性别、出生日期、居住地址、职业、家庭关系。

网上常说的获取用户数据，其实就是获取用户信息。

用户数据对于互联网来说非常重要，无论是电商、短视频、旅游还是其他互联网领域，获取用户的本质，还是获取用户信息。了解用户属性、偏好等。从用户档案信息中，从而更好的推出更好的产品来服务用户。

以电子商务为例。用户信息包括：姓名、性别、生日、搜索记录、送货地址、商品订单信息等。

根据这些数据，可以利用电商平台精准、人性化地推送产品，达到促成交易的目的。

例如，如果你想搜索鞋子。在用户没有准确输入男鞋或女鞋的情况下，性别是一个重要的属性。结果会抓取你的性别信息得到结果，这样就不会出现女鞋尴尬的情况。

搜索记录也是非常重要的数据信息，会被平台自动记录。你可以通过搜索记录来判断用户的需求和偏好。比如你浏览过男鞋，下次进入首页自然会被推荐给男鞋。

这些智能推荐并不是真正的智能，而是基于用户信息的数据分析，为用户匹配合适的结果，满足用户的需求。用户信息是重要的用户数据。

二、数据是产品内容

对于很多基于内容的应用来说，海量数据是他们赖以生存的资本，他们的数据量其实就是内容。

例如：Tik Tok、易车、头条等应用。

作为一个内容类型的应用，它需要海量的数据来支撑用户。

内容型应用有个特点，推荐阅读很厉害。推荐可以根据用户的位置、好友、观看类型等向用户推荐阅读内容。通过相同的属性在海量数据的基础上获取内容。

记得第一次刷视频的时候，给我一种放松和愉悦的感觉。之所以简单，是因为短视频容易阅读，不需要耗费你的心智。令人惊讶的是，它可以根据家乡、城市和观看类型推荐朋友和相关内容。

做完饭，会有更多美食视频推荐；当你了解了日本的文化习俗，你会推荐韩国和朝鲜给你看。

曾经有人开玩笑说，短视频软件可以帮助我们不出门就能看到世界。虽然是个笑话，但是真的一点都不夸张。短视频软件真的可以让我们刷各种内容，国外的，民间的，正经的，恶搞的……各种各样的。

对于以内容为中心的平台，数据就是内容，数据量大到你能想象的程度。

与此类似的还有在线上课、在线阅读等需要大量内容支撑的应用。对于以内容为生的产品来说，所有的内容都是数据。

三、数据是数字统计

我们大家常规理解的数据是数字统计，也可以说是数据监测。

软件应用程序在后台管理，用于统计数据。这些管理记录了产品的投放和使用。后台数据统计可以帮助产品和运营判断产品使用情况，制定产品计划。

例如，一个产品被投放到应用市场。后台可以统计有多少设备在使用，每天每个月有多少用户活跃等等。

统计数据是数字，是具有相同特征的数据的集合。

以某电商店铺为例：如果店铺当天的独立访客数(UV)为1000，那么A在一个订单下购买的商品数量为100。1000和100是一组数字统计。它们的相似之处在于结果相同。他们是逛商店的一组人和购买同一产品的一组人。

从数据统计中发现共性背后隐性秘密

很多人会忽略一件事，就是只看到了数据表面的共性，而看不到数据表象的背后的秘密或差异。

或者说不同的秘密在于，1000和100的同一个结果背后是不同的原因和行为动机，而背后的差异才是能够决定数字个数的关键因素。

假设产品A是男鞋，或者以购买100双男鞋为例。

相同点是：100个人买了这款鞋。

不同的是：100个人买这款鞋的动机和原因不同。也就是说，购买的动机和原因在数字表面是看不见的，需要我们去分析。分析造成这些相同结果的原因可以帮助我们继续扩大采购结果。

购买的动机和理由可能包括：价格合适，款式新颖，穿脱方便，耐脏，享受优惠，海报细节设计等等。

这100人的购买是由以上原因构成的。当然，各种原因所占的比例是不一样的。对于原因占比大的商家，可以进行优化。学会分析背后的原因，好处是可以帮助调整策略，提高销售数据。

比如价格高就稍微下调，优惠券力度更大，海报设计更好优化。销量可能高于100甚至更多。

四、产品人要如何看待数据的作用？

1. 了解用户，服务用户

只有更了解用户，才能提供更好的服务。

就像熟悉我们的朋友一样，他们很容易知道我们需要什么，却不知道一个陌生人需要什么。

了解用户，就很容易知道用户需要什么。

而天猫和百度，他们记录了我们的每一次搜索记录。根据浏览时间、浏览频率、浏览价格区间，层层分析用户需求，捕捉符合用户习惯的商品，最终推荐给用户。经过这样多维度的数据分析，结果和用户要求的准确率已经很高了。

2. 审视自己，发现不足

数据也像一面镜子，组成的数据也能折射出产品本身。

16年，在一家互联网财税平台公司工作。根据当时的数据，深圳每天大约有3000家新公司注册。当时公司的定位是做深圳最大的互联网财税平台。但公司每天只有十几二十个客户，占比不到1%，与公司最大的互联网财税平台相差甚远。所以，从这个数据统计中，我们可以审视自己的不足。

例如，存在不足之处：

公司注册记账外包服务品牌在很多创业者中并不强，没听说过公司品牌；公司网站SEO没有做好，用户在搜索引擎上无法访问公司；向公司拓展客户的业务没有做好；是否有必要通过广告做更多的曝光和传播。

3. 提出目标，制定策略

数据统计的一大作用就是量化。用量化来了解自己在哪里，判断是否有提升空间。

以上述案例为例：

一天几十个客户，市场份额接近1%。对于一个小工作室来说，业务量可能是铺天盖地的。但对于一个近200人的公司来说，就是杯水车薪，不到1%的市场份额可能只能在竞争中垫底。

假设的短期月度目标：将客户数量增加到100。

措施可以是：

了解线上创业平台，与创业者接触合作，尝试做广告，增加曝光；很多创业者从网上了解注册公司，重视搜索引擎的SEO优化；易拉宝推动线下宣传。(以上措施仅作案例分析，仅供参考)

五、若无法获得统计数据？用“费米问题”进行估算

有些数据我们拿不出来。

比如策划项目前期做的一些市场分析和市场数据，项目需要根据市场情况给自己定位；再比如竞争对手的情况。

这些都不是我们可以直接获得的，但它们是至关重要的。

在这种情况下，我们可以使用估计方法来估计我们的数据参考。这种方法被称为费米估计。

举例：请估算一下一家商场在促销时一天的营业额？

思路：从商场和商铺的规模入手，通过每平米租金估算商场的日租金，再根据商铺的成本构成得出整个商场的日均交易量。然后考虑促销期间的销售额和平时销售额的倍数关系，乘以倍数得到促销期间的日营业额。具体而言，包括以下估计值：

以某大型商场为例。商场一般有六层，每层长约100米，宽约100米，总面积6万平方米。

商铺规模约占商场规模的一半，共计30000平米。

商铺租金40元/m2左右，预计年租金40 * 3万* 365=4.38亿。

对于商家来说，租金一般占销售额的20%左右，所以一年的销售额是4.38亿* 5=21.9亿。计算出来的日均销售额是21.9亿/365=600万。

促销期间的日销售额一般是平时的10倍，所以大概是600万* 10=6000万。

误差分析：我们这里的计算是在理想状态下，肯定会有空置的商铺和商场里正在出租的商铺。我们还应该排除空置率。这是一些关于费米估计的想法。供参考。

小结

数据是数据库中存储的所有信息。可以是用户信息、产品内容以及各种数值数据的统计。

统计学不仅仅是表面的数字集合，它还有内在的意义。客观统计数据的背后是由很多主观动机组成的，要善于发现和分析主观因素。

统计可以帮助分析产品的投资和运营。产品负责人要清楚的了解产品数据对于产品内外的意义。

本文由@我是广告类原创发布。每个人都是产品经理。未经许可，禁止复制。

来自Unsplash的图像，基于CC0协议。