你每天都要做成百上千个微小决策，也会做一些为了预测未来或者需要投入大量资源的重大决策。在这种情况下，认清决策的性质就显得非常重要。
数据驱动：你能够获得诸多事实和数字，并且可以对其展开研究和争论，这让你对自己的选择更加自信。做出和坚持这类决策都相对轻松，团队中大多数人可以就答案达成一致。
观点驱动：你没有足够的数据来做指导和支撑，所以只能依靠自己的直觉和愿景去做事。做这样的决策总是很困难的，而且总会受到质疑，毕竟每个人都有自己的观点。
每一个决策背后都有数据和观点的元素，但最终它只能由一类元素来驱动。有时候你可以完全信赖数据，但其他时候你可能看完了所有数据，还要依靠直觉。相信直觉是一件非常可怕的事情。很多人既缺乏良好的直觉，又缺乏对直觉的信任。其实，建立这种信任需要时间。因此，人们会试着将一个由观点驱动的商业决策转变为由数据驱动。但数据无法解决基于观点的问题，所以无论你得到了多少数据，都无法得出确定的结论。这就会导致分析瘫痪——由于过度思考而引发的问题。
如果没有足够的数据来形成决策，你就需要靠洞察力来形成自己的观点。洞察力可以是你对客户、市场或者产品空间的关键了解，它应该是一种实质性的东西，可以让你对应该怎么做形成一种直观的理解。你也可以从外部获取建议：与专家交谈，和团队商议。虽然你们不会靠此达成共识，但或许可以借此形成一种直觉。你要相信直觉，并且为后续结果负责。
¨
在通用魔术，我们经常讨论如何为普通蓝领开发产品，但我们都没有与这个群体深入接触过。
我们在完成产品工程部分后做了用户测试，但我非常确定在此之前我们几乎没有做过任何用户调研。我们不知道普通蓝领需要什么，所以我们开发的都是自己喜欢的功能，并假设世界上其他人和我们一样喜欢这些功能。
那时候的我是一名个体贡献者。我以为领导们知道他们在做什么（见第4章）。
然后我去了飞利浦，成了领导者。人生钟摆真是在剧烈摆动。
不再有主观臆断，不再凭直觉进行研发，我带着一群从通用魔术走出来的人，并且从magiclink的彻底失败中吸取了教训。我们知道不能再犯同样的错误。我们必须了解目标客户以及他们想要什么。这一次，我们的产品将基于清晰的对比数据。在20世纪90年代，这意味着我们要建立消费者实验组。这种形式当年风靡一时。
于是我们聘请了一家外部咨询公司，告诉他们我们的目标客户是“经常出差的商务人士”。他们在不同的州设立实验组，付给三四十人每人100美元，请他们来看我们长达数小时的产品演示。
然后我们给他们演示了一切。
我们曾经为velo上的小键盘设计了10种不同的原型。哪个感觉更好？哪个看起来更可用？哪个感觉更可靠？你打字的时候是看键盘还是看屏幕？你是用所有手指打字吗，还是只用拇指？你喜欢灰色吗？黑色呢？蓝色呢？蓝灰色呢？
我们仔细研究了每次实验的录像带。我们观察他们的脸，观察他们的手指，研究他们在表格上填写的答案。顾问们也在做同样的事——核对所有信息，并在六周后提交报告。
顾客永远是对的，是吧？
但消费者实验组根本就是个伪概念。用户其实很难说清楚他们想要什么，因此无法清晰指明需求方向，尤其是当摆在他们面前的是一种之前从未使用过的全新物品时。用户总觉得已经存在的东西用起来更顺手，即便它非常糟糕。
但我们落入了其他人也会落入的陷阱。顾问把我们说服了，数字更让我们感到兴奋。我们很快变得过于依赖顾问：每个人都想拥有数据，这样就不用自己做决定了。大家不再专注于产品设计，你只会听见他们说“好吧，让我们拿去测一下数据”，再没有人愿意为自己所创造的东西负责。
所以你就会进行测试，然后再进行一轮测试。周一，客户组会选择x方案。周五，同样的小组又会改测y方案。与此同时，我们把数百万美元给了一帮花了一个半月时间对每件事都胡扯一通的顾问。
数据不是指路明灯，充其量是一根拐杖。在最坏的情况下，它会变成一双水泥鞋sup/sup。这就是分析瘫痪。
这种情况不仅仅发生在老派的消费者实验组之中。如果我们当时不是1996年，而是2006年，我们可能就去搞a/b测试了。a/b测试是互联网时代一种无处不在的工具，它其实就是一个数字实验，让用户在a和b方案中做出选择。比如，把用户眼前的按键一部分设置为蓝色，另一部分设置为橘色，然后计算哪种颜色按键的点击次数更多。这是一种强大的工具，它比消费者实验组效率高多了，也更容易分析。
但即便做了a/b测试，我们也可能得到同样混乱的结果，我们同样无法摆脱对产品做出致命错误决策的那种恐惧感。
尽管现在很多公司都热衷于测试产品的每一个元素，毫无疑问地以点击量作为产品研发的依据，但a/b测试和用户测试并不是产品设计。它们就是一个工具、一个测试，顶多算一种产品诊断。它们能够告诉你什么地方做得不对，但它们不会告诉你如何修复这些错误。有时，它们会在帮你解决一个特定问题的同时带来更多新问题。
所以你必须对测试方案和选项进行设计，以便搞清楚你到底想要测试什么。你必须仔细思考a和b是什么，而不能依赖算法的随机分配，更不能完全不假思索地胡乱射击。这就需要你洞察和理解用户的整个行为轨迹。你需要做假设，但这个假设应当只是更大的产品图景的一个组成部分。所以你可以用a/b测试确定应该把购买按钮放在页面的什么位置，它应该是蓝色的还是橙色的，但是你不应该用它测试用户是否会选择线上购物。
如果你测试的是产品的核心部分，如果其基本功能可以根据a/b测试结果的变化而变化，这只能说明你的产品没有核心。你的产品图景中存在一个空洞，而你只是在用数据填充这个洞。
拿我们的产品来说，我们可以一直不停地在那里填坑，所有第一代的产品都是如此，永远不会有足够的数据去支持你做出完全有把握的决策。
如果一款产品真的是创新型的，那就没有什么可比较的，没有什么可优化的，没有什么可测试的。
清楚地定义目标客户，与他们交流，找出我们的问题，这些做法都是对的，但我们更需要找出解决这些问题的最佳方法。我们询问他们的意见，并且从中获得关于产品设计方面的反馈，这也是没有问题的，但是我们更需要利用这些见解，朝着我们相信的方向前进。
最终我们的团队把这件事想清楚了，我们不再向顾问砸钱，不再在原地打转，而是开始前进，我们相信自己，也相信我们身边各个智慧大脑所提出的意见。