返回资讯中心
外部精选
软件工程
#开发者实时流

David Pereira 撰文反思:多数团队用数据只为印证既有观点

来源标题:The Data Driven Illusion

David Pereira 发文指出,多数团队只是在用数据确认自己已有的观点,而非开启讨论或据此调整方向。他称人们几乎总是先有观点再找数据佐证,即便发现更优路径也很少转向。文中还提到他与一位硅谷 AI 分析产品创始人的相关交流。

Hacker News 最新kiyanwang2026/11/14 · 3 天前23 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

David Pereira 2026年11月12日 6 分享 你大概见过 W. Edwards Deming 博士那句著名(也被用滥了)的话:“我们信仰上帝,其他人都得拿数据说话。”我第一次读到这句话时,逮着好多人追问他们观点背后的数据支撑,但后来我才明白,自己漏掉了一个关键点。

大多数团队多少都有些数据。而我认识的多数团队,都在用一种我称之为“顺手取用数据”的方式。让我问你两个问题。 人们是用数据来开启对话,还是用来印证自己的想法? 当发现一条有数据支撑的更好路径时,人们有多大意愿转向? 在 David Pereira 的小世界里,答案相当清楚。人们几乎总是带着观点开启对话,然后去找数据来证实它。他们几乎总能编出一套叙事(往往是注水版),并拿到足够的支持去推进。至于转向?很少。一旦数据印证了观点,对话就结束了。我花了好一阵子才看懂这个套路。

让我分享一段最近的对话,对方是硅谷一家 AI Analytics 产品的创始人。 几周前,我们见面讨论他的产品如何应对欧洲企业的挑战。他的产品帮助企业基于现有数据找到最佳机会。随后我问了他的方法。他说其实很简单。 “企业从目标出发。比如,把小企业的营收提升15%。在此基础上,我们把产品接入他们的生态,用我们专有的 AI-Analytics 穷尽数据,找出达成该目标的最佳机会。之后,我们呈现识别出的机会、来源、潜在影响、推理过程,以及该着手解决什么。” 听完后,我告诉他我有一个关键问题。“如果根据你在数据里发现的东西,这个目标并不是最重要的呢?” 他陷入沉思。然后接着说:“我们从目标出发,如果目标是错的,我们就会错过。我们假设领导者知道公司最相关的目标。” 这个推理没错,但现实并非如此。大多数目标在设定时并没有真正理解数据。你怀疑我?让我给你几个现实中的例子: 把注册率提升20%。目标本身没错,但方法错了,因为引导流程的成功率很差。更好的做法是先修好引导流程,再提升注册率。 把客户增长提升15%。谁不想要呢?但在这个特定情形里,留存是一场灾难。客户在下第二单后就流失,再也没回来。更好的做法是先修好留存。 领导者常常定义一些在投资人面前好看的目标,但这并不意味着它们是需要解决的真问题,也不意味着它们是你与目标增长之间的真正阻碍。而且,这些目标往往不是成果,而是规定性的产出(因为董事会要求,所以实现 AI 功能)。 即便工具在梳理数据乱麻方面很出色(没错,数据往往是乱麻),洞察也会被设定的目标所局限。明智的领导者从洞察出发,然后再提出目标。否则,就只是确认偏误。

大多数路线图都缺乏支撑其中功能的真实证据。然而,这就是团队的现实。我觉得好笑的是,AI 放大了确认偏误。情况没有变好,反而更糟。 这是我观察到的一个怪异又常见的场景。 几个月前我观察到的情况让我震惊。一位技术高管有了一个想法,决定把它做出来。然后在动手之前,他们查看现有数据,确认了这个想法有多相关。当然,当你有海量用户时,你总能找到站得住脚的论据,但这仍然不意味着这就是你该投入精力的地方。总之,流程从观点到数据确认,再到开发,最后被大多数客户无视。 这种情况显示出许多高管有多么不称职。他们提出想法,验证噪音,然后否决团队。而他们却称之为 AI 赋能和数据驱动。我最多称之为数据幻觉,而且是 AI 放大、产品理解缺失所导致的胡扯管理的绝佳范例。

真正的数据驱动很难 在产品领域近二十年里,我几乎没见过真正的数据驱动团队。要么是我接触得不够多,要么就是运气不好。但我猜读这篇文章的大多数人都和我有同样的经历。 现实中数据驱动是什么样子? 它意味着你从该死的原始数据出发。我在少数团队(真的很少)身上看到的理想流程是这样的: 扎实的数据。你拥有万事万物的数据,而且人人都能访问。 洞察先行。数据帮你发现真正的瓶颈、你在哪里失血,或者什么能帮你更快创造影响。 设定目标。你基于洞察的相关性来定义目标。 创造影响。既然你知道要解决什么,就基于数据而非观点来想办法驱动价值。 衡量。你评估结果,一旦满意,就回到洞察,提出新目标。 为什么这么难?我看到三个真实障碍。 障碍一。数据是乱麻,而且不归你管。你很可能依赖数据团队。在我上一次 100XPM Mastermind 中,许多参与者向我倾诉,衡量结果有多复杂,因为数据人员忙于很多事情。是的,这很糟糕。我没什么别的可说。 障碍二。领导者忘了自己的角色,开始动手开发。我一直说,能做某事不代表你该做。领导者真正的角色是建立系统,让团队在没有领导者在场时也能成功。这需要时间,因为它要求对齐、结构和战略清晰度。如今领导者能用 AI 交付东西,他们开始享受这种乐趣,代价是牺牲了真正的职责。还记得前面那位高管吗?就是这个样子。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →