产品经理用数据说话，商业产品经理更然。数据不等于数字，数据是可置信的信息。
大学主修电子信息工程，关于信息，男神香农（信息理论的奠基人）有一句经典的概括，信息量代表了不确定性。他创造性地用信息熵（entropy）概念来衡量信息量的大小，即为随机不定性程度的减少。这就表明了他对信息的理解：信息是用来减少随机不定性的东西。比如，我抛了一枚硬币，并清楚地知道它是正是反，则这个结论已知，完全确定，则这个信息的熵值对我来说其实是0。而如果我在抛这枚硬币之前，有人能告诉我一条硬币结果是正是反的信息，因为它是有概率存在的，按香农的公式计算出来，信息熵值为1（以bit为单位，而后的byte、KB等概念都是从此演化而来），它代表了一个最简单的陈述：是/否代表了数据的最小单位。
扯这个概念，一方面是怀念一下香农大神，另一方面也是表达，数据，或者说信息，在我们做决策时的关键作用，是抵消不确定性。可用的（即准确的）数据量越多，做决策时的风险就越小，所以，做决策需要数据驱动。 但要注意，是数据驱动而非完全依赖数据，通俗地说，数据更像是检验猜测是否正确的证据，数据分析是一种验证猜想的工具。需要什么样的数据，基于我们希望得到哪些因素之间的关系、现象、变化等等，所以，数据也是需要经过设计的，并不是套框架或者全盘覆盖，坐等结论。
数据驱动的核心是，在收集到有效数据的前提下，运用合理的方法对数据进行处理和分析，从而输出对决策有帮助的结果和结论，从而指导实际的产品设计和内容选择。
这里直接以一个很多人都听过甚至做过的产品，且是一个相对复杂的例子，DMP（Data Management Platform）数据管理平台（DMP在广告/搜索/电商/内容推荐等领域发挥非常关键的作用）来讲解运用数据做决策的过程，同时也带大家了解，如果在系统层面需要搭建数据驱动决策的能力，需要怎么思考。
以电商商品推荐为例，我们一般将DMP能力分解为以下几个关键模块：
- 数据的收集（根据数据需求，希望分析的特征方向，可能的关联因素，采集需要的各节点数据，比如浏览/收藏/购买/分享）
- 数据的处理（对数据进行清洗/整理，过滤无效数据，分类和整理有效数据）
- 数据的分析（基于一定的分析方法对数据进行分析和计算以输出结论，比如根据购买频次统计分析生活状态和购物喜好）
- 数据的使用（运用数据分析结果指导策略制定，比如根据购物偏好结论为该用户推荐同类更多商品）
下篇我们展开讲讲DMP。
可以关注我的公众号获取推送。
