提出有价值的问题

　　处理基本上都没什么难度。

　　敏感度，好奇心

　　提出有价值的问题，其价值不弱于找到有价值的答案，不仅仅对技术，对产品、对运营，也是如此。为什么说敏感度？做数据分析，做数据，不是技术活，而是一种理解力。理解力来自于哪里？来自于好奇心。而敏感度，为好奇心带来源源不断的灵感。然后你会去提问题，为什么这个渠道的转化率比这个渠道低？为什么这个产品的留存有这样的特征？提出问题，才会去思考下一步。下一步是什么呢？分解问题，这个渠道的转化率是不是可以再细分，比如根据地区、根据语言版本、根据投放策略，然后看是哪个地方出现了显著差异，还是说不同细分都体现完全一致的差异。这对你理解问题和寻找答案帮助特别大。比如留存，也要再细分，不断细分问题，不断层进，把好奇心变成经验值。

　　有的年轻人，工作很短的时间就会进步特别大，非常有想法，有能力，就是因为他们始终保持好奇，保持敏感，不断去提出新的问题，寻求答案。但有一些工作很多年的人，你说经验丰富？其实都是同样的经验重复，没有好奇，不敏感，各种麻木不仁，这样做事情再有经验又怎样？

　　反推，逆证

　　这就像我们上学时做数学题，我们通过题目得出一个结果后，在检验结果的时候，把结果带回题目，重新推算一下，是不是所有中间得到的数据和题目中的条件一致，这样才能判断我们得到结果是否正确。

　　在做分析和判断的时候，似是而非等干扰性的判断是经常出现的，特别是提问者带有明显目的性和诱导性的时候，更容易得到这样的结论。

　　如果我们觉得A是坏人，那么他的一切表象都是坏人的迹象，你怎么看都觉得他就是坏人。你提出了一个“A是坏人吗”的问题，然后给出了无数个A是坏人的证据。但突然有一天你发现B才是你要找的坏人，瞬间你发现A是坏人的所有证据其实都不成立。

　　尽量不要提出明显倾向性的问题，如果你提出了一个倾向性的问题，一定要对应提出一个反问，否则很可能被自己的问题带到沟里去。

　　归纳与总结

　　讲一种面试的方法，比如应届生，没有太多业内经验，我怎么知道这个孩子有没有前途，通常的问题是这样的，逐一递进提问。问题1：你在学校期间，觉得最能体现自己能力和价值的事情是什么？问题2：在这件事情上你遇到的最大困难和挑战是什么？问题3：你是怎么克服和处理的。这三个问题考的是什么呢？归纳和总结的能力，对自己从事过的事情、克服的问题，能不能有一个清晰的表达、有条理的描述，以及对自己是不是有一个正确的认识。其中，有精准的数字描述，会比定性的表达更具有意义。

　　非应届生也是这样问的。比如程序员A回答的是：“做过一次网站性能优化，效率提升很高，感觉自己棒棒哒。挑战就是并发一多，服务器负载很高，所以扛不住。解决方法是加了缓存，把数据库压力转到缓存上，所以负载降下来了，业务也增加了。”另一个程序员B的回答是：“做过一次网站性能优化，效率提升很高，感觉自己棒棒哒。挑战是并发达到200的时候，CPU占用100%，主要压力来自于数据库的查询，偶尔慢查询阻塞，数据库链接过多。解决办法是增加了缓存，缓存命中率达到了80%，也就是80%的查询请求不通过数据库，结果是当并发达到200的时候，CPU只占用了30%不到，后来业务增长并发展到400，CPU也只占用了50%。”现在，我相信你一定知道哪个程序员更值得用了。

　　我有一个习惯，分配工作的时候有些东西特意不会描述得特别具体，就是看看员工是不是有能力，有思维能力，来把这些地方做好。当然，这可能会付出一些时间成本甚至其他成本，但是对于培养新人来说，更宽松的环境更容易看到一个新人的潜质和能力。当然，后续人家没做好，没做对（常有的事情，不代表人不可用，只是没有惊喜而已），要给他讲一遍。如果前面很宽松，后面不给讲评，这个其实真就是偷懒了。

　　把大量的琐碎信息分类是特别考验思维能力的一种方法，首先你要有一个纬度的概念，比如按照业务的重要程度去分，按照功能或业务模块特性去分，按照体验的伤害程度去分，或者按照客户特征去分，等等。但是更有价值的可能是下面，多个纬度的组合，哪些纬度组合的投诉建议更有价值，优先级更高。

　　前段时间遇到一个梦幻创业团队，创业者是一个名校博士，大学教授，离职创业；团队技术核心都是ACM大赛的底子，来自于清华和上海交大ACM的骨干成员。那么面对这样的算法达人，从算法和技术上我肯定不敢班门弄斧，但是基于他们业务场景的用户引导优化我还是给他们上了一课。这一课说简单也简单，你们分析过用户的行为日志没？从中寻找过规律和特征没？只看了Google Analytic的漏斗模型，而没去看原始日志，没有去一条条体会用户的行为规律，你怎么能做好呢？一些他们以为需要很复杂算法实现的东西，其实可以基于行为日志，以不高的技术代价做成机器学习模型，思路一开对他们而言后面就没技术含量了。但这件事也提醒他们，很多看上去很基本的、很没有技术含量的事情，其实价值是很大的。

　　针对上述内容做一下总结。

　　1.对问题的描述，对解决方案的效果评估，要有条理、有逻辑，不但要定性，而且要定量，要精准描述，完整记录。

　　2.面