说起数据，我们并不陌生。有时下流行的互联网大数据，有结论需要数据论证，还有运营和计划中使用的数据统计等等，所有这些都是围绕数据展开的。尽管我们对数据这个词如此熟悉，但我们知道很多领域都需要数据。但解释数据到底是什么并不容易。

百度百科对数据的解释是：数据是一个数值，是通过观察和实验计算出来的结果。

当然，官方的解释是科学准确的，无需质疑。但我们能否从产品人的角度对数据有更常规、更生活化的认识和理解呢？让我们更清楚地了解数据对于互联网和产品到底意味着什么？

一、数据是用户信息

用户信息是指用户姓名、性别、出生日期、居住地址、职业、家庭关系等信息。

互联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至关重要，无论是电商、短视频、旅游还是其他互联网领域获取用户本质或者获取用户画像信息。从用户画像信息中了解用户属性、偏好等，以便更好地推出更好的产品服务用户。

以电商为例，用户信息包括：姓名、性别、生日、搜索记录、送货地址、产品订单信息等。

电商平台可以利用这些数据，精准、人性化地推送商品，促成交易。

例如，您想搜索鞋子。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。结果会捕捉你的性别信息来产生结果，这样女鞋就不会让人感到尴尬。

搜索记录也是非常重要的数据信息，会被平台自动记录。可以通过搜索记录确定用户的需求和偏好。例如，如果您浏览男鞋，下次您进入首页时自然会向您推荐男鞋。

这些智能推荐并不是真正的智能，而是通过用户信息进行数据分析，为用户匹配合适的结果，满足其需求。用户信息是重要的用户数据。

二、数据是产品内容

对于很多内容型应用来说，海量数据是它们赖以生存的资本，它们的数据量其实就是内容。

例如：抖音、易车、今日头条等应用。

作为内容型应用，需要大量的数据来支撑用户的使用。

基于内容的应用有一个特点：推荐阅读功能非常强大。推荐可以根据用户的位置、好友关系、观看类型等向用户推荐阅读内容，在庞大的数据库上获取具有相同属性的内容。

记得刚开始看短视频的时候，给我一种轻松、愉悦的感觉。简单是因为短视频易于阅读并且不需要动脑筋。令人惊讶的是，它可以根据你的家乡、城市和观看类型推荐朋友和相关内容。

如果你看烹饪，会有更多美食视频推荐；如果你了解这个国家的文化和习俗，会推荐你观看韩国和朝鲜。

曾经有人开玩笑说，短视频软件可以帮助我们足不出户就能看到世界。虽然是玩笑，但确实不夸张。短视频软件确实可以让我们浏览各种类型的内容，国外的、民间的、正经的、恶搞的……应有尽有。

对于一个以内容为核心的平台来说，数据就是内容，数据量大到你无法想象。

与此类似的还有在线课程、在线阅读等需要大量内容支撑的应用。对于依赖内容的产品来说，所有内容都是数据。

三、数据是数字统计

我们大家普遍理解的数据就是数字统计，也可以说是数据监控。

应用软件都有后台管理统计数据。这些管理记录了产品的发布和使用。后端数据统计可以帮助产品和运营确定产品使用情况并制定产品计划。

例如：一款产品上架应用市场。后台可以统计有多少设备正在使用，每天、每月有多少活跃用户等。

统计数据是数字，是具有相同特征的数据集合。

以某电商店铺为例：如果当天该店铺的独立访客数（UV）为1000，产品A的订单数为100，则1000和100是数值统计集合。他们之间的相同点就是结果是一样的。它们是访问商店并购买商品的人数的集合。使用同一产品的一群人。

从数据统计中发现共性背后隐性秘密

很多人忽略了一件事，那就是只看到了数据表面的共性，却看不到数据表象背后的秘密或者差异。

区别或秘密在于，1000和100的相同结果是由不同的原因和行为动机组成的。它们背后的差异是能够决定数集大小的关键因素。

假设产品A是一款男鞋，或者以购买100双男鞋为例。

同样的事情是：100人买了这款鞋

不同的是：100个人购买这款鞋的动机和理由各不相同。换句话说，购买的动机和理由不能从表面的数字上看出，需要进行分析。分析造成这些相同结果的原因可以帮助我们继续放大购买结果。

购买动机和理由可能包括：价格合适、款式时尚、穿脱方便、防污、享受折扣、细致的海报设计等。

这100人的购买就是由以上原因组成的。当然，每种原因所占的比例是不同的。原因比例大的商家可以进行优化。学会分析背后原因的好处是可以帮助调整策略，提高销售数字。

比如：价格高了，稍微降低一点，优惠券就会更强，海报设计也会更好优化。也许销量高于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

只有更好地了解用户，才能提供更好的服务。

就像我们熟悉的朋友一样，他们很容易知道我们需要什么，但他们却很难理解陌生人需要什么。

一旦了解了用户，就更容易知道用户需要什么。

天猫和百度，他们记录了我们的每一次搜索。并根据浏览时间、浏览频率、浏览价格范围，层层分析用户需求，捕捉符合用户这些习惯的产品，最终推荐给用户。分析了这么多维度的数据，结果和用户需求的准确性已经非常高了。

2. 审视自己，发现不足

数据也像一面镜子，组成的数据也能反映产品本身。

2016年，我在一家互联网+财税平台公司工作。当时的数据显示，深圳每天约有3000家新注册企业。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%，这与公司最大的互联网财税平台远远不相符。所以，从这个数据统计中，你可以审视自己的不足。

例如，其缺点包括：

公司注册+会计的外包服务品牌在很多创业者心中并不强，从未听说过该公司品牌；

公司网站SEO没有做好，用户在搜索引擎上找不到公司；

公司在向客户拓展业务方面做得不好；

是否有必要投放广告以增加曝光度和传播度等。

3. 提出目标，制定策略

数据统计最重要的功能之一就是量化。使用量化来了解您所处的位置并确定是否有改进的空间。

我们以上面的案例为例：

一天有几十个顾客，市场占有率接近1%的顾客。对于小型工作室来说，业务量可能是巨大的。但对于一个近200人的公司来说，简直就是九牛一毛。低于1%的份额可能只能在竞争中垫底。

假设短期每月目标是将客户数量增加到100 个。

措施可以是：

了解网络创业平台，与创业者接触合作，尝试广告，增加曝光度；

很多创业者从网络上了解公司注册，注重搜索引擎SEO优化；

易拉宝促进线下促销。

（以上措施仅用于案例分析，仅供参考）

五、若无法获得统计数据？用“费米问题”进行估算

有些数据我们无法获得。

比如在策划项目前期就做了一些市场分析和市场数据。项目需要根据市场情况进行自身定位；另一个例子是竞争对手的情况。

这些都不是我们可以直接获得的，但它们至关重要。

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：从商场规模和商铺面积入手，通过每平方米的租金估算商场的日租金。然后根据店铺的成本结构，得到整个商场的日均交易额，再考虑促销期间和正常销售期间的销售额。倍数关系乘以倍数即可得到促销期间的一日成交额。具体来说，估计包括以下内容：

以大型商场为例，商场一般按6层计算，每层长约100米，宽约100米，总面积达6万平方米。

商铺面积约占商场的一半，总计3万平方米。

商铺租金约为40元/平方米，年租金估算为40*3万*365=4.38亿。

对于商户来说，租金一般占销售额的20%左右，因此年销售额为4.38亿*5=21.9亿。计算日均销量为21.9亿/365=600万。

促销期间每天的销售额一般是平时的10倍，所以大约是600万*10=6000万。

误差分析：我们这里的计算处于理想状态。商场内的商铺肯定会空置并出租。我们还希望将空置率排除在外。以上是关于费米估计的一些想法。以供参考。

小结

数据是存储在数据库中的所有信息。可以是用户信息、产品内容以及各种数值数据统计。

数据统计除了表面上的数字集合外，还有待挖掘的内在意义。客观统计数据的背后是由许多主观动机组成的。我们要善于发现和分析主观因素。

数据统计可以帮助分析产品投资和运营情况。产品人员必须清楚地了解产品数据对于产品内部和外部的意义。