规律是什么？是本质的必然的联系，只要条件一具备，规律自然发生作用。所以使用任何定律时必须注意其发挥作用的条件。手表定律也不例外。手表定律的适用条件主要有以下几个方面：一是手表定律强调的是双重标准，标志着这两个标准有质上的不同，而非表现形式、实施过程等量上的不同；二是两个标准是不同的，这就涉及两个标准到底哪个更正确，这是一个比较吃力的判断，因为判断这两个标准的是非需要更高层次的标准，而且当我们纠结于这两个标准哪个更正确时，不能忘记“第三者”，就是在这两个标准之外，有没有更加正确的标准。这个标准可能集合了前两个标准的优点，规避了两个标准的缺点。现代社会提倡整合性思维，就是提倡在两个看似不可调和的对立面中创造出一种更加合理的标准或者对策。在领导者的认知过程中，上述条件不可不清楚。思想是行动的先导，只有认知清楚了，行动过程中才不会犯迷糊，出现问题了才能做出比较清醒的决策。

　　 在管理实践中，运用手表定律的重点是要把握好确定性，让员工认知明确，行动明确。联想集团原总裁柳传志先生总结管理实践的三个内容就是定战略、搭班子、建队伍。围绕着这三个方面，我们来看看作为领导者如何应用手表定律。

　　 定战略实际上就是制定战略计划，确定组织的发展方向。方向错了，就会“南辕北辙”。在制定战略计划时，要制定确定不移、比较明确的战略目标，不能模棱两可，随意变更，不然就会“其动甚微”。而且如果员工在执行工作任务的过程中看不清楚大方向，在进行决策时找不到总目标这个参照系，最终会陷入迷茫的境地。战略目标是需要很多阶段性的小目标来支撑的，但无论什么目标，都要非常明确，不然员工就会在徘徊中虚度时光。

　　 搭班子就是组建领导班子，组建领导班子有许多考量，也有许多模式，但如果不懂得搭班子的重要性与原则，不仅不能组建起好的领导班子，而且会增加内耗，进而蔓延到整个组织中去。这个原则就是无论采取趋同性的班子成员还是采取互补性的班子成员，都必须坚持统一的目标，在班子队伍中不能有两套目标，也不能有两种不同的实现目标的方法，不能在班子队伍中出现两根不同的“指挥棒”，而且这两根“指挥棒”又不一致。班子要形成合力，一个声音，一个步伐，一个方向，否则会让这个组织无所适从。

　　 建队伍本质是管理队伍，打造具有核心竞争力的团队组织。队伍是需要构建和管理的，在这个过程中，一支队伍要坚持一个上级原则，要坚持一套不能存在内在矛盾的管理制度，要有统一的评价标准体系，在执行制度的过程中要遵守同一标准，对结果要进行同一考核。到此，这个问题只说了一半，因为事情是千变万化的，每一支队伍都有其特殊性，“不同质的矛盾用不同质的方法才能解决”，在制定制度、执行制度的管理过程中，一定要根据不同情况灵活运用，而不能一味生搬硬套。

　　 【延伸阅读】

　　 手表定律的主要依据是两套标准将不利于一个人或一个组织的行为判断。但自古有言，福祸相依，利害同源。对于一个组织或个人，总会有竞争者的存在，对手常会应用这样的方法探知“敌情”，搭建自己的“队伍”，谋求权力，这将会不利于组织的健康发展，也将会对领导者自己的生存和发展构成挑战。作为领导要深知其害，要善于“谋国（组织）”，也要善于“谋身”。

　　公正的制度才会被真正接受——公平原则

　　 平而后清，清而后明。

　　 ——司马光

　　 【导读】

　　 有一天，宙斯召集奥林匹斯众神开会，议题是公平，他让大家探讨一下什么是真正的公平。众说纷纭，莫衷一是。最后，宙斯找来了公平女神，希望她能给出一个权威的答案。公平女神说：我在神界、人间和地狱巡视的时候，经常遇到公平的问题。在地狱，鬼魂们对我说“我们在阴暗的环境里饱受折磨，对我们来说太不公平了”；在人间，人们告诉我“人的寿命太短了，这很不公平”；在天上，神会对我说“我们长生不老，却不能享受爱情的快乐，真不公平”。而我在判断公平问题的时候，是将天平置于整个宇宙当中的，不会倾向于任何一方。如果人们仅仅是从自己的立场出发，永远会觉得不公平。

　　 【领导力修炼】

　　 纵观几千年的历史，公平一直作为人类的理想，是人类孜孜不倦地追求的一杆秤，但很少真正接“地气”。在几千年的历史中，“不公平”随处可见，追求公平成了人们美好的愿望，也是一个难解的心结。人们认为，公平了，就心安理得了；公平了，就愿意努力去奋斗，去奉献。在一个组织中，员工的工作积极性不仅与个人的实际报酬多少有关，与员工对报酬的分配是否感到公平关系更为密切。这便是公平原则在一个组织的具体表现。

　　 然而，我们要清醒地认识到，世间没有也不可能存在绝对的公平，这样的公平是一种理想状态。几千年来，人们总是刻意追求公平，然而何谓公平？从字面上理解，公平指公正、不偏不倚。它一般是指所有参与者的各项投入与收获成正比。公为公正、合理，能获得广泛的支持；平指平等。所以我们追求的公平，只是在一定范围内、一定标准下的相对公平。正因如此，公平才有它真正的现实意义。作为领导者，要修炼领导力，就要从

　　 你可能已经知道并看过三节课在2020年的产品升级公告 ，也可能已经知道 ，2020年 ，三节课在新商业品类下  ，把课程体系升级为5个核心人才培养计划+数十门行业 / 岗位 / 技能精品自学课的模式 。

　　 今天  ，我们就将向你介绍一门此前还从未详细介绍过的核心人才培养计划课程——

　　 业务数据专家培养计划

　　 这门课程 ，也是我们强烈建议1-5年经验  ，对于数据理解还不那么精深、应用能力也还很一般的产品、运营、新媒体、营销、甚至销售和BD等从业者必须学习的一门课程  。

　　

　　 业务数据专家培养计划 是一门什么样的课程  ？ 一句话介绍——数据能力  ，将必然是互联网业内各类业务从业者必备的能力 ，也将是一种越来越重要的能力 。

　　 这门课程  ，则致力于帮助1-5年从业经验的运营、产品、营销、新媒体等从业者 ，通过学习+训练  ，能具备相当于阿里P6或P7级别产品/运营专家的数据理解+数据分析+数据应用能力  ，并熟知+理解互联网/科技公司内的绝大多数常见数据赋能业务的场景、思路和可能性  。

　　 具体一点讲  ，大部分1-5年经验的运营、产品、营销、新媒体等从业者  ，在工作中都会遇到如下这些有关于数据应用+数据分析的困惑或是问题——

　　 1、听好多人都在说数据分析能力很重要 ，但自己零散看了一堆关于数据分析的资料、干货文  ，真正到自己业务中仍然还是不知道看什么数据 ，该怎么用好数据  ，以及仍然无法脑海中形成一个清晰的关于数据分析的方法论；

　　 2、面对各种实际的业务问题——哪怕只是一个产品功能+一个活动上线后怎么评估它好不好  ，往往都会比较茫然  ，自己去系统提一些数据需求可能都提不好+提不出来  ，完全不知道如何针对具体的业务问题搭建数据指标监测体系；

　　 3、经常被老板说数据敏感度低 ，但完全不知道什么叫数据敏感度  ，也根本不知道如何训练自己的数据思维+提升数据敏感度；

　　 4、看了一些看起来很有道理的数据分析方法+工具 ，但一旦面对自己具体业务问题 ，却仍然不知道如何进行拆解、评估和验证；

　　 5、不清楚数据分析在工作中完整的应用流程是什么  ，如何进行业务决策、指标监控、效果评估 ，最后又能用数据来指导自己的业务决策；

　　 6、可能知道自己现在需要看什么数据  ，但对于自己未来可能需要看哪些数据  ，以及需要提前做好哪些准备完全没有意识；

　　 7、不知道像阿里等大厂内的运营、产品经理等到底需要具备怎样的数据应用能力 ，以及自己当前的数据能力水平到底如何 。

　　 这门课程  ，就将致力于帮你解决以上问题  。

　　

　　 这门课程将会如何帮助你  ？ 这里先回答这样一个问题：

　　 到底类似阿里P6、P7级别的产品/运营专家在数据分析/应用方面需要具备什么样的能力  ？

　　 千万别小看这么个问题——有很多产品经理和运营  ，可能工作了10年  ，也还没搞明白这个问题的答案 。

　　 事实上  ，在阿里、腾讯、美团、字节跳动等大厂内  ，对于一个中等Level以上的运营/产品专家的数据能力要求  ，都是差不多的  ，基本包括了几方面——

　　 第一  ，你最好得知道  ，在一家互联网/科技公司内  ，都可能会有哪些数据可看  ，以及这些数据可能会有什么用+彼此的关系是什么  。

　　 关于这一点  ，我猜绝大部分1-5岁的互联网人提到数据分析 ，脑海中第一时间都会冒出类似用户数、留存、活跃、收入啥的 。

　　 但是对不起  ，这些数据  ，事实上只是一家互联网公司/科技公司内可以看到的N多数据中的很少一部分  。

　　 最基本来说  ，一家公司的数据  ，也包含了用户行为数据、用户基础数据、业务指标数据3大类  ，而类似上面提到的用户数、留存、活跃、收入等等  ，都只是用户基础数据或业务指标数据中的一小部分  。

　　 只有你清晰的理解了一家公司内的数据都有哪些+理解了它们之间的关系 ，你才有机会使用好它们  ，也才能站在数据的角度跟不同协作方进行对话 。

　　 遗憾的是 ，可能80%以上1-5年经验的运营、新媒体、营销、产品等都不具备这个前提 。

　　 第二  ，你最好要能够清晰理解数据分析工作在一家公司内的基本流程、协作关系、各种常见平台、工具+各种基本常识  。

　　 一家互联网公司内 ，数据分析的工作  ，其实包含了数据提取、数据可视化、数据分析挖掘、数据应用几个步骤 ，其中可能会涉及到产品、运营、营销等业务人员、数据分析师、技术研发人员等多个角色  。

　　 但  ，绝大多数人 ，其实脑海中完全没有这样一幅全面的图景  ，也不知道这会影响什么  。

　　 然而  ，这会导致——

　　 你根本不知道在一家公司、尤其是大厂内 ，你该怎么跟各种角色协作；

　　 你根本不知道到底有多少第三方数据分析平台  ，其实能够在数据应用上给到你显著支持  ，帮助你极大提升工作效率；

　　 你可能也完全不知道在有关于数据的认知+协作过程中  ，可能会有多少潜在的坑——比如很多时候  ，你提的留存可能根本不是技术研发人员所理解的留存；在比如  ，你可能经常会遇到 ，你想看一个数据  ，但对应的数据埋点其实根本没做 ，之前也完全没人想过 。

　　 第三  ，作为一个业务人员而非一名专业的数据分析师  ，你应该知道如何有效利用各种方法来帮助你快速高效的搞到自己需要的常见数据  。

　　 比如  ，你应该充分熟悉公司内的数据平台  ，知道如何快速查找并获取你需要的常见数据；再比如  ，你应该知道怎么才能更高效的跟数据分析师+技术研发团队们协作 ，应该知道哪些需求是可以快速实现的  ，哪些需求可能会需要更大的成本  ，确保你想看的数据总是可以最高效的呈现给你 。

　　 第四  ，在看到你想要的数据之后 ，你也要能够掌握一些特别常见的数据处理+数据分析方法  ，能够对其进行解读+处理 ，形成有价值的结论 ，最终提升你的业绩  。

　　 这里必须注意：专业的数据分析师和商业分析师  ，往往必须掌握R、Python、SQL等技术手段 ，通过他们来进行数据处理和数据分析  。

　　 而作为一个产品、运营、营销方向的业务工作者 ，我们只需要学会如何通过EXCEL对一些数据进行一些基本处理  ，以及知晓一些最常见的分析思路+方法就好  ，比如——

　　 如何根据业务目标进行KPI拆解；

　　 如何借助数据监控和分析  ，预测后续业务发展趋势；

　　 如何解读一些典型数据的异常  ，并从中发现问题或线索；

　　 至于一些更加复杂的问题 ，比如要对于两个地区的用户消费习惯+喜好进行挖掘这一类的问题  ，你更应该寻求专业数据分析师的支持  。

　　 第五  ，你最好还要知道 ，在一家公司内 ，站在业务侧 ，一些特别有价值、特别常见的数据应用场景都有哪些  ，深刻理解+熟悉了这些场景 ，你才能真正具备更强的数据敏感性 ，能够提出更多有价值的思考和问题 ，也更加能在一家公司里更自如的应用好数据  。

　　 这些常见数据应用场景  ，可能包括了——

　　 如何针对自己所负责的业务模块  ，搭建起常见的数据监测指标体系；

　　 如何对于一些常见业务数据的异常波动进行分析和问题定位；

　　 如何依靠数据面向用户实施用户分层  ，开展精细化运营（尤其是在用户体量超级大的时候）；

　　 如何科学评估一个新上线的产品或是运营活动  ，依赖数据科学跟上级+协同部门对话；

　　 如何依赖数据做好反作弊 ，抵抗典型羊毛党等行为或酒托等不良用户  。

　　 遗憾的是 ，上述5方面  ，在当前1-5岁的产品、运营、营销、新媒体等行业从业者中  ，有超过85%的人  ，要么是根本都不具备这样的系统认知  ，要么则是自己的相关能力还很薄弱  。

　　 而我们的这门业务数据专家培养计划 ，将针对如上5方面问题  ，给你一个系统+全面的解决方案  。

　　    

　　以上就是小编为大家介绍的阿里、头条等大厂的产品运营专家，到底需要多懂“数据”？的全部内容，如果大家还对相关的内容感兴趣，请持续关注上海危机公关公司

　　本文标题：阿里、头条等大厂的产品运营专家，到底需要多懂“数据”？　　地址：/yuqingchuli/2022/0306/3741.html