一个大而空的话题：产品决策需要多少数据支持？
我记得大概是十多年前，有一篇广为流传的张小龙分享，有人问他 “你关注数据吗？”
张小龙说，我不关注数据。
这句话有人觉得封神，有人觉得装逼，产品经理怎么能不关注数据呢？
我当时只是个三十多岁的中阶，似懂非懂。又过了好几年，我才理解这句话背后的意思。
因为专家做出决策，并不需要许多数据，也不需要时时刻刻关注数据。
我在 40 岁以后，大概也来到了专家段位。
举个例子。
我做顾问接触新公司，新项目的时候，先理解结构，再按我自己的逻辑线提出非常多的数据需求，密密麻麻的一份清单。
一线产品经理按我的要求，把清单上的数据整理好给到我，我会 1V1，面对面地和他一起看这份清单。一边看，一边对不理解的部分提问，一边对感知强烈的部分大发感慨。
有意思的是，并不需要看完所有的数据，通常看到清单里 1/3 的数据之后，我已经得出结论了。事后验证，结论大概率正确。
剩下的数据，我依然会看完，很不耐烦，走马观花，避免有什么漏掉的东西影响之前的推导。看完可能会有一些局部的细节补充，仅此而已。
后来自我总结了一下，1/3 的数据已经足够推导出结论，但我还是需要完整的数据进行校验。
有意思的是，对于陌生的项目，我并不能提前知道哪 1/3 的数据可以推导出观点，但在分析数据的过程中，自然而然走向这个结果。
这是我初次接触新公司，新项目的情况。
如果换成我主持的项目上线，我还是会提前整理一份密密麻麻的数据需求清单，因为是我主持的项目，我熟啊，这次只用大约 10-20% 的数据就能推导出结论，剩下 80-90% 依然用于校验可靠性。
-
-
-
-
在日常维护阶段，日常关注 1 和 2 的曲线变化，如果变化不剧烈，就不用过度敏感，更关注新鲜的用户行为，鲜活的用户反馈。
除非出现异常波动——
我从日常的曲线起伏中解读不出来什么新东西，但用户的行为与表达往往能给我灵感。
或者说，重复看相似的数据，并不能获得高明的产品洞察。
