Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
大家好,歡迎回到課代表立正
我是你們的課代表
這期是我的出力不討好的
課代表聊數據的大概第十期吧
在這期視頻裡邊我想講一下
數據分析的價值是什麼
就是我在這個課代表聊數據的第一期
有講大概三個分支嘛
數據科學的三個分支就是
這個數據工程、數據分析
和所謂的數據科學
其實很多時候是算法
或者說做模型,對吧
然後我也吐槽了很多算法和模型
用的不靠譜的地方
然後也吐槽了很多靠譜的地方
回頭我可能還會再出一期視頻
去講互聯網的生意模式
就是它這個算法在其中
到底起到了什麼樣的作用
數據分析這一塊
其實大家有很多困惑
大家去總結模型
到底可以幹什麼,大家可以總結得很好
但是大家在總結數據分析可以幹什麼的時候
很多時候就說,我的工作是做
dashboard,我的工作是做
pipeline,我的工作是
提供分析,然後給PMM看
就是說我的工作是做AB testing
但是你真的說
一個非常高level
或者overarching的這個
說我們所有數據分析
它的工作的價值是什麼
我們的這些工作到底
我做dashboard,做pipeline,給PMM看
或者說我自己去怎麼樣
它的價值是什麼,它到底是為了幹嘛
我覺得這個是我在Facebook一個
特別深刻的體會
那我就在這分享一下
其實這個視頻它的主旨也是來自Facebook
就是Facebook的一門課
那門課的名字叫Better Decisions
就是更好的做決策
我覺得,對,這就是我們數據分析
來提供的價值
就是可以幫助大家更好的去做決策
其實決策在生活中無數不在
就是我吃哪種口味的冰淇淋
我打車還是騎車去上班
我住什麼樣的房子
我今天中午吃賴的還是吃不賴的
就無數個決策
那它對你的生活有短期長期的影響
在公司裡邊
在一個business裡邊就更重要了
你的所有的這些決策
或小或大吧
它都是會有一個compounding effect
一個公司的決策做得好
比如說我要不要坐電動車
比如說我應不應該去進入這個市場
比如說我的UI
到底應該怎麼設計
它各種各樣的決策積累起來
就會讓這個公司走得更遠
產品做得更好
或者說是發展得更快
你要提高公司的決策能力
這是非常非常重要的
數據分析項目的數據科學家
確實能提供這個能力
那我們就從頭開始說吧
我們先說一下
我覺得決策的這個
步驟它的框架是什麼樣子
也不是我覺得
就是那門課裡邊覺得的
我們先說一下大家總結的
你這個所謂的決策
它的框架和數據科學
在這裡邊起到的作用是什麼
我覺得決策的框架
首先要做好兩件事
第一你要定義好
我們的目標是什麼
第二你要定義好我們為了達成這個目標
我們的strategy是什麼
第三步我們是定義好
我們用什麼樣的數據去measure
你的strategy
這一步很重要
你measured是你的strategy
但是你measured不是你的goal
什麼意思呢
而且這其實挺反知覺的
你想我們說
我們的engagement
或者說我們的revenue
到最後其實全都是大家聽起來好像是一個goal
但是不是的
其實這些都是measure我們的strategy
我們的goal是什麼呢
我覺得好的goal一定是
我們能創造什麼樣的價值
比如說假設我是快手吧
我的goal應該是我應該可以讓
這個內容生產者
更容易的生產視頻
且他的視頻被更多的人看到
我的這個在消費端的話
我可以讓用戶更好的
去發現有意思的視頻
然後給他們帶來快樂
可能這是我的最後的目標
我的strategy在這裡面是
我要增加視頻的生產速度
我要增加視頻的產出量
在消費端那邊
可能是我要用一些東西
去增加大家手藝
你的感興趣程度
這個時候strategy可能就是
它的點擊率
就是它的點擊率要高
然後我可以用數據點擊率去measure
我的這個戰略
第二步就是說消費者
來到了這個app
他要盡快的發現他的視頻
盡快的發現他感興趣的視頻
這件事情就可以用手頻的點擊率來看了
或者說是他比如說
在首頁會停留多久
他看了幾個視頻
他總共看了多長時間的視頻等等
總之就是我們的數據去measure的是這個
但是我們的數據不是去
為了measure那個goal的
方式或者去決定用哪一個strategy更好
總之有點繞
但是我希望就是
如果大家在大廠工作過
或者說有一些實踐的經歷的話
大家可以去用自己的經歷去驗證一下
這件事情
如果你的數據measure的是你的progress to go的話
這個數據是不好的
或者說你的goal是不好的
你一定要分清楚
說了一大堆看似廢話的東西
但是我覺得這件事情真的很重要
那用數據去measure
那用數據measure progress to strategy
它的好處是什麼
我覺得它其實就是讓這件事情
變得客觀和科學
所以它可以讓好的idea勝出
而不是直擊勝出
就是我的想法是對的
那我就可以贏
而不是說我的直擊比你高
我就可以贏
而且這個是一個認知的PK
而不是一個scoped PK
就是我如果對消費者的
這個洞察力
比一個PM高的話
那我應該站出來說
我覺得消費者他的想法是這樣子的
不是說只有PM
才可以說產品
去搞一堆價值觀
也不是只有數據科學家
才可以說數據
如果一個PM覺得這個數據
他覺得我看錯了
他覺得我應該去看其他的方式
那我們也應該去就這個idea
本身去進行一個PK
而不是我去跟那個PM說
我去看啥數據
PM也可以看數據的
其實最後導致的呢
就是我們是基於一個原理進行的PK
而不是基於role進行的PK
就是說應該是我們所有的人
不管是數據科學家
PM,engineer,designer
各方面也好
我們應該是互相可以說服的
不應該是因為我的角色不同
我的結論就不同
我們最後應該是得到一個結論
或者說我們起碼知道我們的結論不一樣的話
我覺得這裡邊就是你的理性能力
科學分析問題的能力
和表達能力,組織能力,理解能力
什麼都很重要
但是如果說大家的能力
都到了一個比較好的程度的話
大家一定能就這個事情的本身
有一個認知
如果我們認知不一致的話
我們也知道為什麼不一致
說到這裡的話,我再挖一個坑
我挖兩個坑吧
一個坑是我覺得什麼是好的PM
和看似好但是不好的PM
我覺得好的PM和看似好但是不好的PM的區別是什麼
據透一下,我覺得好的PM
他應該是注重customer value的
他是注重business邏輯的
但是他沒有特別
把自己的邏輯根治於customer value
這個回頭再講吧
第二個坑就是
我覺得職場的三能力
可能是三個視頻
理解能力、思考能力和執行能力
但是大家很多時候
是關注了三
稍稍關注了二,可是理解能力關注的不夠
所以說我想重點把理解能力
到底是什麼事
為什麼它重要,給大家講一講
那好,就是把剛才的東西
稍稍總結一下的話
第一個就是我們要定義好我們的go
就是我們為什麼要做這件事情
為什麼做這件事情是一件更有意義的事情
那第二件就是做什麼
尤其是先做什麼後做什麼
就是我們要做什麼才能達到我們的目的
對吧
第三個就是怎麼做
這裡面也是strategy的一部分
最後是我們
怎麼樣去建立一個框架
確定我們確實是在做這些事情
好的,以上這些東西
說的稍微有點抽象
但是我覺得這是我自己
學到總結並指引我的
關於一個DS career的大道理
什麼是大道理
這個大道理可能就很抽象
但是我一直想著這件事情
我的職業我覺得就不會走丟
就是我不會說
我要去增加我的
技術能力
因為技術能力
在市場上可以賣得更好
我會想,如果我可以為我
做better decision
這個核心價值去服務的話
如果我這個時候發現我需要去增加我的技術能力
我就去增加我的技術能力
但是一切都是為了去更好的
決策這件事情而服務的
那好,話說回來
大家聽到了嗎?
我們是要做更好的決策
這裡面其實每個人
每個role
Engineer, PM, Leadership,
DX, Designer什麼的
都可以為這個Goal服務
而且這其實是大家的一個common goal
那DS這裡面
我們的優勢是什麼?
我總結出來了四個比較大的優勢
如果我們到時候需要的話
也可以拆開來單獨講
並且判定Polar Market Fit
看你的產品是不是真的找到了
它的價值
消費者是不是真的因為你的產品
對他們有價值而使用你
而不是說我未來上來領個紅包來
使用你,你相信我
吐槽Google Pay的那一集
那就是一個我覺得很典型的
如果有一個好的DS,他會跟這個
Whoever有這個想法的人說
你這個產品沒有Polar Market Fit
所以說你在這個時候不應該直接發紅包
但是他們unfortunately發了
大家也看到了最後的結果
就是沒有效果,然後大家沒有人在用
就是Polar Market Fit沒有找好
這個是DS一個很重要的能力
那第二個呢,就是在你有
Polar Market Fit的時候
你要找到合適的growth level
就是你要找到怎麼樣去
增長我的這個產品
其實很多時候產品
都是有一個two sided market
或者說它有一個關鍵的
blocker,比如說
你一個電商吧,假設你是一個
你有一個產品,然後你要去賣
你可能發現有的人願意來你這買
但是你可能不知道你
下一個增長點在哪,你這個時候數據
可以告訴你下一個增長點在哪
然後你可能發現你的購物體驗不夠完善
那數據,尤其是一個
很有經驗的人,他會
很有industry domain knowledge的人,他會告訴你
你這一步他的drop off
可能比你的進隊
要高很多
你可能是這一步出的問題,我們去
想一些想法,然後去把你這一步
去優化一些,總之呢
就是在你找到Paramarket Fit之後
一個數據科學家
他應該是有各種各樣的
工具可以幫你做好增長的
就是你找到增長的機會,並且
把增長這個事給做起來
那第三件事情,也是我們的日常
工作之一吧,就是
你有這麼多事情需要做,但是你的
資源是有限的,那DS可以
幫你判斷優先期,判斷優先期的方法
就是我們可以用數據
去看一下這件事情的
total addressable market
他的機會到底有多大
這個時候我們也會聽,比如說engineer
說這件事情做起來有多難
然後我們也會聽其他人的意見
他是不是我們考慮他的長期
效果,是不是有數據之外
我們沒有辦法measure的東西,但是總之呢
我們也可以,就是一個好的數據科學家
他一定不是只立足於他能看到
一點點數據的,但是能綜合各方面
的意見之後,把事情排一個優先期
然後先做哪件,後做哪一件
這是第三件事,第四件事情
就是在很關鍵的角色上,幫助大家做一個取捨
如果說這個事情肯定都是好的
或是都是壞的,那就不需要我們了
大家全好的去做,全壞的就不做
很多時候你是要做一些非常艱難的選擇的
就是你可能有一些短期的影響
但是短期的不好的影響
但是長期是好的
有的時候你會有長期的這個不好的影響
但是短期是好的
或者說你對一些用戶好
對一些用戶不好
那這個時候,如果說
是一個好的DS,他能
他能在心中有一個對於你這個
business model的一個原模型
他就會知道你這些不同的
parameter,或者說是input
最後會導致你的這個output
有什麼變化
當然這個模型很難是一個完美的
模型,或者說就世界上不存在
這樣一個完美的模型,但是一個好的DS
他應該是對你的產品
有認知的,他會知道
如果我今天造成了一些
不好的customer體驗,但是增加了
我的銷量,那接下來
他大概會產生什麼樣的不好的效果
這也是我有一些視頻,就是這個經濟學
給我帶來了啟發,你要關注
Equalibrium,你要關注均衡
你要關注second order effect
就是你要關注這個
你一個決定做出了以後,其他的人會怎麼反應
對吧,這也是其中之一
你不是只看到短期,你能看到一個
bigger picture,我覺得很多
好的DS都是有這個能力,並且能在
這個能力之上,幫助
一個企業做出一些很重要的取捨
好的,那這些視頻就到這
如果我自己給自己稍微總結一下的話
就講了
DS的核心價值在什麼
在於better decisions,幫助大家做出更好的決策
那怎麼樣去做出
更好的決策,或者做決策的步驟
是什麼,你要先定go,然後
再定strategy,然後再定你的measurement
那之後再去做execution
那DS在這裡邊
我們的核心可以做的
事情是什麼呢,第一找
portion market fit,第二找growth level
第三找total addressable market
然後排priorities,第四
做關鍵的取捨
那每一個話題都可以單獨展開
那下一期吧
我就用我在Facebook的一些例子
來給大家提供一些具體的
這種更直觀一點的感受
好的,這期視頻我們就到這裡
大家下期再見,拜拜