使用数据进行产品决策的核心是一个巨大的悖论。 吉姆-巴克斯代尔 而第二幅网络漫画，说明了数据驱动的产品文化会发生什么。为什么我们掌握了这么多关于人们如何使用我们产品的数据，我们能够推测是什么让产品更有粘性或更有价值，但寻求真相却如此困难？在追求数据驱动的过程中，我们遇到了许多核心问题，这些问题都是基于我们如何收集/分析/决策数据。我想说的最终一点是，有很多问题，正如网络漫画中提到的，这些数据驱动的问题会层出不穷，有太多的仪表盘，也有太多相互矛盾的意见。这种主流文化是一种数据文化、优化文化，是一种采取具体的小步骤来实现大而易懂的指标的文化。可以说，许多大型科技产品的成功--这些产品的核心似乎并没有发生什么变化，只是在不断进步--都是基于这种策略的成功。相反，您可能必须反其道而行之，才能在竞争中立于不败之地： 主要凭直觉，而不是等待数据 超快速决策，而不是渐进决策 当然，我始终主张优化值得优化的东西，比如注册流程和关键通知。

数据驱动的决策通常擅长优化已有市场，却很难产生真正创新。焦点小组、调查、客户分群和行为数据主要来自已经被互联网服务覆盖的人群，他们的未满足需求往往只剩细小改进空间。早期的eBay、亚马逊和iPhone打破市场，并不是因为更精细地服务既有需求，而是满足了当时主流方案无法满足的需求：陌生人可信交易、可靠线上物流、可随应用变化的触控界面。创新机会更常出现在技术边缘的人那里，包括被忽视的群体、残障用户、没有被现有产品认真服务的人。服务这些人并不必然牺牲大众市场，许多无障碍能力后来成为所有人都受益的核心功能。团队要发现这类机会，不能只收集现成数据，还要练习让不同声音进入决策：主持会议、主动征求反对意见、正确归功、尊重专业经验、把分歧变成探索。创新不是少看数据，而是承认数据只能照亮已经有人走过的地方。

许多数据岗位的空虚感来自一个残酷现实：组织花钱雇人谈“数据驱动”，却没有建立让数据产生结果的机制。仪表盘被紧急要求制作，却几乎没人查看；数据源混乱、缺少文档，错误也没人发现；机器学习项目多年推进，却没有任何计划根据模型输出改变业务动作。问题不只是个人懒散，而是大型组织里预算充足、结果模糊、责任稀薄，最容易滋生表演性工作。管理层喜欢现代化口号，但实际仍要求电子表格式交付，因为这样最快、最容易显得有产出。糟糕的数据基础让真正的分析几乎不可能，基础设施申请又被官僚流程拖垮，一个简单实例可能被报出离谱成本。于是团队既不能删掉必要报告，也很难自动化和改造，只能维持一套没人信但大家都配合的社会剧本。真正有价值的工作更可能出现在利润中心或结果清晰的团队，因为那里产出能被市场、用户或收入直接检验。