如何建立学习型公司？从数据开始

公司作为商业的主体，总会遇到不确定的挑战。想要更好的解决问题，必须加强学习，以知识作为决策模型迎接挑战。第一步：从数据开始。

面对不确定性是公司最大的挑战。无论是初创公司还是老牌公司，在开始开发产品时，都需要确定市场规模、找到痛点并提供一套可行的产品解决方案。

同时当公司进行扩张时，不确定性也会以变化的形式出现：外部市场会变化、用户需求会变化、公司组织结构也会发生变化。

考虑到这一点，面对不确定性时，一些公司依靠本能和观点去处理问题，而我认为最好的处理方案就是把公司建立成一家学习型公司，以知识作为决策模型，那公司到底该如何去做，下文我提供了一些自己的思路。

了解如何建立学习型公司之前，先给大家介绍数据/信息/知识到底是什么？

数据/信息/知识悖论（摘自DIKW金字塔）

数据：数据来源于用户、市场或产品的反馈。它可以是冗长的电子表格（定量），也可以是与用户的一对一访谈（定性）。它是关于事件的客观的事实描述，是构成信息和知识的原始材料。

信息：信息是经过分析的数据输出。因此，数据分析的目的是找出发生该事件的原因。信息仅是数据分析人员理解数据的能力，或者是产品经理具有同理心的能力。从这个意义上说，从数据到信息的差距是技术性的。定量数据需要掌握数据的分析，定性数据需要同理心。

知识：知识是数据的结果。知识只有在信息被消化并接受后才会产生。但是尽管无法反驳数据，但是信息是分析输出，所以经常会被怀疑。你可以接受或者不接受信息。从信息到知识是和跟每个人的文化经验有关的。

从数据到信息

数据分析师或用研人员需要花费大量时间完善自己的专业知识，才能了解如何从数据中提取信息。

数据分析师需要具备一定的技术能力，能用软件大规模处理数据。用户体验研究人员需要依靠同理心的一些方法来理解用户心理。数据 处理或用户研究通常被认为是一项需要高度专业化的工作。

大多数人现在其实不需要很高的技术能力来分析数据。将数据接入第三方专业的数据分析平台（talkingdate、友盟等），大大降低了公司开发工作，还能更好的进行数据分析。

但是，知道如何使用平台工具只是信息处理的的一部分，你还需要知道如何使用分析数据。从数据到信息的不确定性可能有多种形式：

从信息到知识

从数据中提取信息是一个人进行分析后并得出的结果。但是，从信息到知识的转换涉及其他人。正是因为在此阶段还涉及其他人员，所以我们必须研究公司的文化与组织结构。

公司组织结构导致信息只流向高层，很少会跨部门传播。并不是每个人都能获得相同的信息量。

管理层在向上传播时可能会扭曲信息：导致高层做出的决定最终可能与一开始的意图相去甚远。

仅仅因为你进行了分析得到了你的信息，并不意味着公司中的人会认可这个信息。公司经常遭受信息偏差的困扰，尤其是当信息挑战公认的观点时。

我们可以看到，从数据到信息的转换需要专业知识，从信息到知识的转换取决于公司文化。因此，这很自相矛盾：一家利用数据决策的公司需要根据其文化组织开展工作。

想要以知识作为决策模型，就必须得到信息，而想要得到信息，就要必须了解数据，所以，建立一家学习型公司，就必须从数据入手，这里我提供一种“从上向下数据模型”，给大家参考。

从上向下数据模型

从数据到信息再到知识的流程自然地反映了从个人到团队再到整个团队的流程。因此，要构建数据模型，需要从上到下解决三个层次：公司、团队/产品、个人。

1. 公司层面

设置数据模型时，最常见的错误之一是对其进行过度设计并度量所有数据。首先，并不是所有的数据都需要测量。实际上，太多的噪音可能比没有数据还要糟糕。

首先测量最重要的事情：你的北极星指标（NSM）。

1）什么是北极星指标？