从数据驱动的角度来看，为什么选择大于努力？
年前的时候，有次发朋友圈说，数据模型的测算只能用来验证和预测短期事件，长期事件太多变量，无法准确预测。过度依赖数据模型只会产生依赖模型的现实主义，这是一个终极的哲学问题，就像《论语》里面，每次有不同的人问孔子，“仁”是什么？孔子都会给一个“依赖提问者的仁的定义”的答案。哪里有绝对真理，我们所看到的趋近绝对真理的“有效真理”，只不过是有限的真理。
这事儿说的就是数据驱动带来的好处，同时带来的弊端。
先不聊弊端，先简单聊一聊数据驱动的源头 – 数据指标。
数据指标里我们最常见的指标就是，定性指标和定量指标。耳熟能详，但很多时候我们操作总会陷入误区。
定量数据是指那些我们可以跟踪和衡量的数字，比如说各种比分、豆瓣评分等等。因为定量数据可以计数或衡量，所以定量数据全部都是量化的数据，但定量数据的局限是，在企业创业初期数据最为缺乏，因此无法有效使用定量数据。
这个时候就需要定性数据了，虽然定性数据是杂乱无章并且主观的，很难量化，所以只能通过深度采访中获得信息。但也是基于充满主观因素的定性数据，所以我们可以找出来“为什么？”，在这点上定量数据就无法做到。
定量数据只能回答“多少？”。
所以我们在做用户调研时得到的数据，只能用来解答“为什么”，而不能用来直接解答问题。
所以我们在向用户提出问题时，问的就要具体，但又不能带有诱导性。不然得到的结论往往都是误导性的，或者没有什么意义。
