之前的文章总结的东西都比较偏底层和技术相关。现在回归到数据产品的本质：“数据驱动业务”
================================================================================================分割
前言：
产品经理（任意领域的产品）在工作或行动中我觉得分为两个很重要的方面：1. 道 2.术 （先有其道，再有其术）
如果你的思维方式偏离了应有的道路，那么你的什么R语言数据挖掘， 数据分析，EX，SQL ，HQL等等这些工具（术）使用得再好都是徒劳得，
所以总结一套适合自身的产品方法论或者思维方式很重要。
对于一名数据产品来说，哪些方法或者思维方式我们经常会用到呢？
1.归纳与演绎：
归纳就是从个别到一般，演绎则是从一般到个别。
1.1 归纳法例子如下：
条件：我家的一只叫“小花”的猫，它很喜欢吃鱼。我爸爸也养了一只叫“小黄”的猫，也喜欢吃鱼。叫“小鸣”的猫也喜欢吃鱼....
结论：猫喜欢吃鱼
归纳发透过现象抓本质，将事务归入某个范畴，很符合面向对象的一个思想—“抽象”
1.2 演绎法例子如下：
条件：猫喜欢吃鱼，我家的“小花”是一只猫
结论：“小花”喜欢吃鱼
演绎法再发散一些就是不断的联想，由一个点出发。类似我们画思维导图
再举个实际的例子：
每个电商平台都会关注交易额(GMV)，而GMV又是受用户流量、转化率和客单价三部分影响的。其中，用户流量受推广来源流量、新用户流量、老用户流量等指标影响，跳出率和购物车流失率等指标会关系到转化率情况，客单价又不是一成不变的，很多时候新老用户的客单价都不相同，因此可以用下图进行逻辑划分。这样，当交易额出现异常情况时，我们便可以通过下图分析影响交易额的指标，一步步定位是什么原因引起的。
2.数据思维：
2.1下图说明了数据、信息和知识的层次关系和重要性，我们做任何决策的知识都是要建立在信息的基础上的，仅仅凭直觉和意识做的一些决策，如果没有数据支撑，那么是没有办法经过积累沉淀下来形成知识的，有些企业只是收集数据，却不知道怎么用、应该用在哪里。数据如果静静地放在那里是没有任何价值的有效的数据驱动可以将企业里的数据充分地转化成信息，并且形成结构化的知识，帮助企业各个业务快速发展。
2.2另外，当对要解决的问题不能寻找到一个简单、准确的解决方法时，我们可以通过历史数据，寻找合适的算法，构建出模拟真实数据的模型，从而预测真实场景下的数据，寻求进一步的解决方案，这就是数据驱动方法的意义所在。虽然这些模型都会有一定的误差，但是在合理误差范围内的结果都可以进一步指导企业做出决策和对业务进行指导。随着大数据时代的发展和硬件计算资源的进步，我们通过数据生成知识的速度会越来越快、效率会越来越高，在这个高速发展的时代，数据驱动会越来越高效地帮助企业发展，达到用数据汇集信息、通过信息挖掘知识，用数据驱动业务的目的。
3.产品思维
3.1这个不用多说了，做产品的这个是必需品。用户思维只关注产品功能，会把需求简单化，而工程师的工程思维会关注工程实现，就会想到具体的实现细节问题，所以如果让用户思维的人和工程思维的人直接沟通，经常会看到吵得不可开交的场面，最后争得面红耳赤，仍然不能解决问题。这种情况导致的最终结果要么是无体止的无效沟通，项目很难实施，要么是交付的产品很难用，不能满足用户的需求。这时就需要具有产品思维的人也就是产品经理，在需求上进行把控，在表现层尽量向用户思维靠拢，又要尽可能地考虑工程实现，把需求具体化成严谨的逻辑表达出来。这样，就弥补了用户思维和工程思维之间的鸿沟，在用户思维和工程思维之间构建了一个桥梁，保证了产品的顺利实现。
