当谷歌宣布以32亿美元收购Nest Labs的时候，所有人都觉得拉里·佩吉（Larry Page）疯了，谷歌竟然收购一家恒温器和烟感器的设备生产商。事实上，Nest在谷歌的平台之上，很可能会创造或者颠覆一个价值数十亿美元的市场。这一判断是建立在“家居数据平台”的基础之上的，随着使用Nest的家庭越来越多，家庭消费习惯的数据将对于供电，家电等等行业提供有趣的指引。
一个小小的温度调节器厂商，通过智能化，撬动了32亿美元的估值，这是令所有人惊讶的事实。这意味着新一轮高增长的开端。这就是未来大数据“遍地黄金”的最佳例证。
很多人都在说，大数据有着无限的前景以及钱景。但是大数据的价值到底在哪里呢？为什么很多人提到大数据，都觉得那是在“讲故事”，“离我们还很远”呢？数据距离我们并不遥远，过去的数十年，很多行业走向了“信息化”，未来的十年将是“数据化”的十年。我所说的“遍地黄金”也就是指未来无所不在的数据化可能。
“遍地黄金”在哪儿？
什么是产品数据化呢？是以产品为立足点，寻找产品元素或者生产流程中，产生数据、运用数据的机会，把数据在产品中体现出来，就是产品的数据化。
比如，大众点评APP可以通过收集用户点餐的数据，了解用户的用餐喜好、用餐时间和常去的酒馆，进而可以将数据代入到用户推荐系统之中，让订餐更为精准、有效、快速。南方电网通过运营数据，让电网更加省电。物流业通过运营数据，让物流变得更高效更便宜。百货业正在“数据化”的进程中，如果银泰百货了解到商场会员的兴趣爱好，逛街的时间点，从哪儿来，往哪儿去，就可以从中寻找到巨大的商业机会点。
巴西足球比赛也是如此。当德国队将每一位球员的状态数据化之后，教练获得了更多的信息，有助于帮助他判断球员的上下场时间，以及相应的战术决策。
在过去的数十年，我们逐渐完成了产业的“信息化”和“自动化”，但从鲜有尝试过用数据的方式来清晰地勾勒一个产品、生产流程、用户、使用场景的“面貌”。
正如阿里巴巴集团董事长马云先生所说，未来的机会在于“Data Technology”，但DT实现的前提在于，你的企业有数据，完成了信息化。数据科学是信息科学的延伸，数据技术的年代刚刚开始，产品数据化将是其中最为关键的特征之一。
这是一个“遍地黄金”的时代。任何一种产品或者服务都潜藏着巨大的“数据化”潜力。现在随着“数据化”的进程，传统产业（包括互联网）将迎来第二个春天，在原有的生产基础上，产生了更高的附加值，同时这对企业也提出了更高的要求，企业需要更注重数据，加强对于数据的收集整理。
但为何“遍地黄金”并非看上去那么触手可得呢？简言之，为什么数据价值没法落地？为什么眼下大量企业的数据案例难以凸显价值？
其中很重要的一点是，产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段，靠感觉来做产品并不知道如何用数据来改善产品，更没意识到数据已经成为做产品的核心原材料。
过去的IT时代我们只是简单的使用数据，很少为了解决问题而提炼过数据。为什么我要强调提炼过的数据？因为如果我们要让数据产生价值，让更贴身的数据分析框架去解决用户的实际问题，就需要将有关联的数据嵌入到产品或者生产流程中，在数据提炼的最后一公里，让数据在产品中“说话”。
如何让数据“说话”？
在过去的信息时代，我们最擅长的方法是根据历史数据统计规律，指引行动。比如我们会统计过去一个月周五下午六点的出租车小费（打车APP），计算出价平均数，然后告诉用户“建议给小费5元”。我们所使用的数据大多都是单一角度而静态的数据。
而现在，我们更希望得到全景而动态的关联数据。比如我们可以获取不同街道的堵塞程度，从而计算司机对小费的敏感度；我们可以集合附近的天气情况，演唱会散场的时间数据等等来预测某个时段，某个地段可能成交的打车小费金额。这样的算法就是利用了更全景的大数据，通过更多的环境动态数据，而非历史统计数据来提供服务。
未来，产品经理需要懂得如何用数据来增值。这其中有三个关键点：产品化，数据化和商业眼光。而眼下很多产品经理更多关注的是产品化，忽略了数据化。
那么如何用数据来增值呢？让数据前置。
假定我需要为女儿选择一所学校，如果要等三个月后考试成绩出来，才知道学校不靠谱，会不会太糟？如果我能根据数据计算来衡量这所学校，这就是数据前置。很多数据价值的关键就是数据前置，让更多数据嵌入到产品之中，产生价值，instead of throwing money to the problem。
另一个更容易理解的案例是谷歌无人汽车。谷歌无人汽车就是在用数据分析框架来实现服务。这一服务的前提是数据的质量、稳定性和计算速度都已经足够完善，使得“数据指引行动”进入了完全自动的情境。工程师用上千个模型来支持这一数据分析框架，以保证无人汽车在行驶中不会出现意外。
反观眼下大量公司的业务，很多公司还停留在用统计数据做决策参考，如果我们将更具关联性的数据分析框架应用到公司业务中，我们就会发现一个全新价值。
必须让数据进入某个特定的场景中可以被使用。如果我们能够想象并重建人们的行为发生的情境，我们所观察到的行为数据才是有意义的。也许你会问，我们一直在说“将数据嵌入业务”中，在实际操作层面，我们应该如何嵌入？
数据化思维：最关键的五个问题
在我所在的工作团队中，我遭遇的困惑是，产品团队、数据团队和运营团队给我的方案总是如一盘散沙难以串联。很简单，产品团队很少人有数据概念，数据团队也很少有产品理念，而运营团队也不习惯用数据做决策。但难题在于，如果没有办法把这三个团队链接 在一起，数据价值从何说起。
产品数据化看似容易，这背后实际上需要产品经理改变思维模式——懂得用数据改进产品，懂得通过数据运营的方式来决定产品创新或者生产形态创新。
在搭建“数据产品”的过程中，其实就是产品数据化，运维数据化的过程。这个过程让我们discover发现“有用的关联数据在哪里”，懂得如何把数据放到生产环节之中，进而如何改善流程，提高效率。
在运营数据的过程中，我意识到，作为产品经理，需要学会用数据的思维去塑造产品。学会找到产品数据化的突破点和机会点。可能所有行业的产品经理从现在开始，都需要问自己这最关键的五个问题：
眼下你遇到的是什么问题？（你改变了谁的体验？）
这是谁的问题？（以谁为中心，来设计产品？）
这个问题你能解决么？（这是你的核心竞争力能解决的么？）（你能理解他们的需求么？）
这个问题现在解决么？（时机比性能更重要）
如果现在解决，那么可以支撑的数据在哪里？（数据是否是解决这个问题的核心？）
在问完以上五个问题之后，产品经理可以迅速找到问题所在。下一步我们需要思考的是，怎么解决这个问题？在这个环节，产品经理可以进而询问自己以下几个问题：
描述下目前用户的困难是什么？
目前已有的数据可以解决这个困难么？
假如所有的数据都可以获取，那么你需要哪些方面的数据呢？
考虑下获得数据的成本和风险是什么？
描述下你的数据解决方案？
如果方案可行，我们如何去获取这些数据以及如何积累这些数据？
很多产品经理在面对需求变更的时候，往往完全抓不住头绪，这两组问题可以很好地帮助你解决眼前的问题。这两个问题组，前者解决了“我们该干什么”，后者解决了“我们怎么干”。
这就是产品经理如何用数据的思维模式。未来所有的产品经理都需要懂得数据化，因为未来所有的产品都必将数据化。
尽管这些问题有助于梳理思路，产品、运营和数据团队之间的思维交叉还是非常困难。
我通常的解决方案是，询问团队成员在特定生产流程中（有时同时也是一个决策流程），每天需要做多少决策？哪些决策点是否可以用数据替代解决？通过梳理决策点来寻找“数据嵌入”的灵感，是一个非常有效的方法。
未来，传统企业应该更积极的数据团队活跃于业务部门之中，让研究数据的人发现每一个产品中用数据的机会点。这就是一个迅速让企业从“看数据”到“用数据”的关键方法，这样公司很快能转变为一家数据化的公司，有了生产数据产品的能力基础。
为什么你还看不到“遍地黄金”？这往往是因为你还没有看到数据创造商业的力量。当你的变速器还在一挡的时候，你很难能看到加速到三挡的风景。
万物皆数据。
节选自车品觉《决战大数据》一书