|
1.1 为什么要数据驱动 美国科学家做过一个思想实验：把魔方打乱，交由一个盲人还原，假设盲人永生且不需要休息，每秒转动一次，理论上他需要多久才能将魔方复原？ 答案是一百几十亿年，也就是从宇宙大爆炸到现在，还需要再等几十亿年才能实现。 如果加入一个变量——每转动一次魔方，就有人向他反馈一个信息，告诉他是更接近目标了，还是更远离目标了，请问盲人需要多久才能把魔方还原？答案是两分半！ 这个思想实验揭示了一个秘密：迭代反馈是一种强大的宇宙法则。 我们做数据化就是为了让我们所有的策略变得可视，可以看到结果的量化，就意味着每次转动魔方知道是转对了还是转错了，就可以提升迭代的速度。 1.2 数据驱动能做什么 数据驱动就是让结果可以被量化，整体的业务可以被量化，数据只能告诉你现状，好比病人去医院看病，医生告诉你高血压，他不能给你开降压药，如果我们把人的身体比作业务，数据驱动只能告诉你当前你的业务状态，他并不能告诉你造成这个状态的原因。 当然如果你的数据基数非常大的时候，这种情况下你通过做一些策略，一些修改迭代找到策略和结果的相关度就是可以的。但是我们依然不鼓励这么做，最好还是需要你做数据驱动，还需要做用户调研和需求分析。 所以数据驱动只能做到正确的做事儿。正确地转动魔方。 事实上我们的业务比转动魔方要复杂的多，因为转动魔方包含的隐含假设是：错误和正确的信息反馈本身就包含了策略解决方案。即你不向着错误的方向旋转魔方，你就一定向着正确的方向旋转他。 但是大多数现实情况，现实的状态反馈不会直接给到你解决方案。（这种边的变化量复杂度，我会再写一篇文章。） 但是长期正确的做事可以极大地提升做正确的事情的概率。 我们最终的诉求是把事情做正确，但是这并不是数据驱动业务必然的结果，数据驱动业务是做正确的事情的基础。 1.3 你的业务是否可以数据驱动 在启动数据驱动前，还需要了解的是那么就需要去思考三个问题看下看你的业务是否可以数据驱动。 这也就引出了我们的第二章节，数据驱动的三个问题：
|
|
|
