结合 IPO 方法论，分享我在数据产品中的修炼经验

2017-04-19 00:03:00

结合 IPO 这个框架，讲一下个人对数据产品这个细分领域如何落地，完成认知升级的些许经验。这里虽然专指于数据产品，但这一套方法论，对于产品经理的修炼，甚至是很多知识领域的修炼都是可以通用的。

什么是认知升级

最近有个词很热：认知。傅盛在之前一篇刷遍朋友圈的文章《傅盛认知三部曲之一：所谓成长就是认知升级》提到：

人和人最大的差别是认知。认知，几乎是人和人之间唯一的本质差别。技能的差别是可量化的，技能再多累加，也就是熟练工种。而认知的差别是本质的，是不可量化的。

可见认知升级有多重要，甚至于他下了个结语：所谓成长就是认知升级。他在文章提出了三个解药：

坚信大趋势。盲目坚信，立即行动，在行动中形成认知。
对外求教，不做井底之蛙。那些人们比你强不是他们聪明，而是有着你不知道的认知
活在当下，面向未来。终结恐惧本身，面向未来5年，未来10年进行思考。

结合《未来简史》来看，整个事情就变得比较有趣。尤瓦尔·赫拉利提出来一个思考角度：生物本身就是算法，生命就是数据处理的过程。那么认知升级，就是某部分算法迭代和优化的过程。但凡算法，就会涉及三个过程：Input（输入），Process（处理），Output（输出）。

在傅盛开出来的三幅解药中，对外求教是 Input，从外界的状态获取输入，给自己提供新鲜的经验和思考角度。活在当下是 Process，从外界获得这些输入，该怎么去处理？面向未来思考是其中一种，巴菲特合伙人查理·芒格提出的跨学科的格栅思考，检查清单思考和逆向思考等等也是其中一例。而行动，则是 Output，实践是检验真理的唯一标准嘛。在行动中形成的认知就是对于你前两部的矫正与再次输入。三个过程统称为“IPO”。

在这个过程不断优化及迭代的路上，就可能实现认知的打怪升级过程：

不知道自己不知道——以为自己什么都知道，自以为是的认知状态。
知道自己不知道——有敬畏之心，开始空杯心态，准备丰富自己的认知。
知道自己知道——抓住了事情的规律，提升了自己的认知。
不知道自己知道——永远保持空杯心态，认知的最高境界。

IPO 方法论与产品经理修炼

每个学习过程，每种知识理论的学习，吸收和实践都可以套用「IPO 」这个方法论。它的好处是将各个阶段切分得比较清楚，而且每个阶段有它不同的关注重点，具备较高的可落地行和可复制性。

刚好近日有些同学问我数据 PM 如何成长的问题，有些是刚入行不久的 PM，有些是刚被公司安排到了数据线。本质上，这也是个针对某个具体行业领域做认知升级的事情。趁这个机会，结合 IPO 这个框架，讲一下个人对数据产品这个细分领域如何落地，完成认知升级的些许经验。这里虽然专指于数据产品，但这一套方法论，对于产品经理的修炼，甚至是很多知识领域的修炼都是可以通用的。

1. Input：保证质和量上的输入

输入有很多方式，为了简单可复制，这里只介绍阅读（看）和交流（聊）两种。唯一的原则就是持续的高质量输入，日累月积，这个原则带来的复利效应会非常惊人。

1.1 看：最系统的输入方式

查理·芒格在《穷查理宝典》中颇以“行走的书架”外号自诩，可见其对读书的推崇。在产品上，非常经典的书籍很少，数据产品则更少了。所以除了正常书籍之外，我们也需要多从其他渠道获取输入。

（1）看相关书籍

数据分析，产品设计，数据技术（仓库，元数据，可视化等）等等都是我们学习的方向。

（2）看业内产品

学习业内相关产品，一方面是看它们的分析思路，指标和维度选择，可视化设计等等方面，另一方面帮助文档也是个非常珍贵的学习资源。如阿里云数加的说明资料，蚂蚁金服 AntV Design 数据可视化规范，GrowingIO 和神策数据的帮助文档等。

（3）看公司文档

美团的 Wiki 机制非常棒，可以从中学到不少同事对于数据，对于产品的思考。这就是一个好公司什么非常重要的原因，其中的经验积累会让你少走很多弯路。要养成一个习惯：到一个新公司后，先通过该公司的文档内容，去了解产品的发展，思考的角度以及讨论的风格，这个可以帮你快速地了解到该公司的风貌。

（4）看博客新闻

从诸位大牛的博客文章和前沿新闻，可了解到数据一行的前世今生，以及未来的走向。在公众号上，曹政的「caoz的梦呓」，经常会结合自己的从业背景和数据知识，讲一些利用数据了解商业世界规律的内容。车品觉老师的「品觉」会不时摘抄些国外的前沿数据知识。此类优秀公众号，内容都值得一读。另外，Airbnb 和 Ebay 等的技术博客也会时不时介绍些数据相关的知识。

（5）看行业数据

了解目前行业内的数据情况，有利于培养自己的数据敏感度及对行业的判断。国外如Garter 每年发布的 BI 报告，Google Trends 等。国内的 Questmobile 是比较靠谱的第三方数据源，经常会出一些行业排行。腾讯 2016 年财年的年报也多处引用了他们家的数据作为支撑 (我可没收他们家广告费) 。同时，看各大公司的财报也是个非常不错的途径。

1.2 聊：最便捷的输入方式

三人行必有我师这种话都比较老套了。但和人沟通，的确可以很好地比避开一些思维盲区。其他人的经验，和渠道都会给人带来很多灵感。

向前辈学习：对于新人来讲，职场因素的排序应该是这样的：好领导＞好公司＞好职位＞好薪酬。鉴于他们之前有个成型的框架，可以帮你少走很多弯路。少走弯路 = 节省时间 = 提升速度加倍提升，这个非常关键。如果有个“好为人师”的领导，可千万不要放过。
向同事学习：三人行，必有我师。不同职位的人有不同技能和知识领域的差别，向他们可以学习到不少知识，这些知识可以反过来沉淀为数据产品的思路。像我个人，会喜欢找渠道，运营的人聊天，了解他们怎么使用数据的。有小朋友问我，如何和商业分析的同事争夺数据分析的话语权。我当时答复：不要将他们当对手，要把他们当资源，当助力。要把精力放在如何结合他们的知识，经验和触达前线的能力，来完成更好的产品设计上。
空杯心态：心态一定要放平和，有些人有点成绩后，觉得世界之大皆可取之。其实天空海阔，人绝大时候面前只能看到一方水井，如同人类可见光部分只能占据整个光谱很小的部分，但绝大数人终其一生却只认为这就是世界。

最后总结：输入方法千千种，并不能说哪种最高效，只能说哪种方法在哪种环境下对哪种人更有效，切忌抓住事物的中段。德鲁克在《管理自己》中提到：

我属于读者型，还是听者型？首先，你要搞清楚的是，你是读者型（习惯阅读信息）还是听者型（习惯听取信息）的人。绝大多数人甚至都不知道还有读者型和听者型之说，而且很少有人既是读者型又是听者型。知道自己属于哪种类型的人更少。

2. Process：构建思考框架

取得大量输入后，如同买回来了大量新鲜美味的食材，那么如何将它煮成美味的菜肴？这时候就需要有烹饪的技巧及工具了。

2.1 构建框架的原则

准确 && 自洽：框架的每部分内容需要通过高质量 Input 的验证，确保内容准确，且各部分间要能够逻辑自洽，没有严重冲突的地方。
关联场景：每部分 Input 都要与之前的知识，之前和未来的可能应用场景关联起来，才能起到举一反三，挥之即来的地步。且需要根据 Input && Output 不断更新，补充。
可被实践：形成框架的内容不能束之高阁，而要多实践，多验证。一定要坚持共产党人的”实践是检验真理的唯一标准“，坚持从理论中来，到理论中去的根本原则。

2.2 数据产品知识框架

在 Why 层次，建立框架来明确每个模块知识在系统中的位置，以及明确自己的学习方向。这样才能做到有针对性地学习和进化。
在 How 层次，需要强调的一点是寻找 Best Practice 。了解 Best Practice 能够迅速帮你建立该领域最高的审美，来迅速判断当前做的事情是否符合标准。比如说，在后台组件设计和可视化规则上，Ant Design 算是领国内风骚，以此标准衡量经手的后台产品，你就会明白很多设计在最开始的时候就该找什么样。当然，审美上升到最高层次，就是科学和人性，层次越高，爆发的能量越大，如 Steven Jobs 等。
在 What 层次，需要站在业务角度，站在负责人角度去思考数据产品的工作。

我个人划分的数据知识框架如下，供大家参考：

3. Output：以输出强迫自己沉淀

定期总结并输出，落地为文档，PPT 等资料，可与别人分享。分享内容本身就是个梳理已有知识并巩固的过程。分享动作会让你更加严谨地考证你的输出，并获得外界的反馈。分享的对象可以是同事，上级，甚至是网络上的用户。因此维护一个博客，或者公众号等方式，都是一个不错的习惯。
将所学理论应用到原先的情况中去，反哺 Input。
多进行数据产品设计的实践：新人容易沉浸在可视化的页面搭建中难以自拔，其实最核心的是解决了什么问题，提供了什么价值，其中的业务逻辑是什么样子的。只要明确了这些内容，哪怕页面是一堆线形图报表，都无关紧要。《Information Dashboard Design》中的示例 Dashboard，图表平凡却能起到提纲挈领，引导分析的作用。

4. IPO 相辅相成

最后需要说明的是，这三个环节相辅相成，Input 为 Process 和 Output 提供素材，在 Process 中交叉产生的洞察和结果也能作用到 Input 和 Output 上。而 Output 获得的反馈和经验更能反过来成为 Input 和 Process 的上游内容，促使整个系统生生不息，不断自我进化。

希望以上内容能给大家带来些许启发。

作者：陈新涛，美团外卖首任数据产品经理，曾于大数据公司 GrowingIO 任职。研究国外业内前沿数据产品，了解当前实现数据价值的最新思路和实践。微信公众号：三生石（ourstone）。

关键字：产品经理, 数据

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击举报进行投诉反馈！