一、背景
在这个信息爆炸的时代，我们每一天都面临着成千上万种信息要去处理，要去关注，甚至成为了手机的奴隶，钉钉消息响个不停，整天都是待办事项，但都是在瞎忙，我们并没有获取什么特别有价值的信息。那怎样才能学会小姐姐这条价值过万的信息呢？
这里说到价值，那就不行不说一下，什么样的信息对你才是最有用的。
引用信息论中说法：如果一条信息，帮你消除了一个不确定性，那这就是一条有价值的信息。
打个比方来说：如果明天你早上要出去赶飞机，你希望知道明天路上会不会堵车。谁可以告诉你明天堵车，还是不堵车，那提供给你的就是一条有用的信息。相反，如果对方说，可能堵，也可能不堵，那基本就是没有价值的信息。
所以由此，我们不难看出，信息是用来消除不确定性的。如果你和一个人聊天，他没有带给你让你在未来做事情时，有价值的东西，那基本是无意义的沟通。
所以在生活上，我们要勇敢地去接受和获取信息。
二、要努力具备获取信息的能力
1. 所以 知识付费 到底是不是在收你的智商税？
2018，得到，以及问答之类的搞知识付费，我也跟着参加了知识付费的过程，听了很多创新论，工作方式，成功秘决，然后当时得到结果是，钱花了，但对自己没有什么用处。
当时个人觉得，真的也是被收了智商税了。就没有再继续坚持了。
很有印象听到一个知识是：如果想要有所创新和突破，那团队氛围必须要好，工作先不说，至少大家要能一起玩！ 因为世界最初的状态，就是一个混沌状态，分不太清楚，粘连在一起，然后产生了氢，水，细胞。
去年做流量产品的时候，运营，产品，开发 一起聚餐，K哥，过1024节，参加Google Marketing Live会议，基本上是天天泡在一起，可以达到一个眼神就可以传达一个Idea的境界。
结果就是创新不断，突破不变，因为大家是信任的，沟通也是顺畅的。我们说这件事情很重要，那技术就不会认为我们是在忽悠。大家都懂，产品上的想法，只要一产生，就着急想实现！
直到转到现在的推荐团队，发现氛围产生了一些变化，因为技术的资源不是专属的，有的资源是中台的。要同时面临多个技术团队，原来那种默契的感觉少了些。
此时，让我想起了2018年听到的创新理论，知道团队缺少什么，然后去改进。
去年学习的内容，今年才被验证。
真正的学海无涯苦作舟，学习一本书，不显山，不露水，但这个过程持续下去，在某个时间点，你就会受益。
所以，知识付费，不是收智商税，只是你在获取信息。
并且是快速的获取信息，别人一本书要读三天，你只要30分钟，听一下就OK了。实在不行，你就听三遍！
2. 有点道理，工作中的信息获取又是指什么呢？
还是刚才的例子，如果你知道了明天会堵车，那你可以选择地铁出行。
而在工作中，如果你是一个技术，一门新的技术，新的架构推出来，大多数技术人员都是拒绝的，因为懒。通过 思考 快与慢 书中所讲，遇到事情，我们最先上演的是快思考，我不学，我懒得思考。
甚至是一群人都懒，我做技术的时候，也出现过这样的事情，为了全面推进国际化，所有技术人员要学英语，周报都用英语说，然后还特意招聘了一些外籍同事，打造一个国际范的技术团队。
现在回过头来看结果，因为招聘外籍同事，信息沟通费劲，一个需求，产品要写两份产品文档，一份英文，一份中文，写两份也就罢了，大多都是Google 翻译来的，但产品，还要用蹩脚的英语讲三到四遍需求，最担心外籍同事听不懂。结果，整个项目就会因为沟通问题而被耽误进度。因为外籍同事，就是需求理解中最短的那块板子，他的速度，决定了整个项目组同学的速度。
有人说，也行啊，至少国际化的团队，还可以练英语啊，对国内的土鳖同事利好。
但被招过来国外的同学，一腔热血 布道 新语言，新框架，最终的结果是：没结果，因为在不进步的土鳖和紧急的业务需求面前，新语言和新框架就被抛弃和不重视了。比如大家都用python编程，但python写得不专业，业务容易出BUG，还是用最特长的语言吧。然后外籍同事就被同化了。。。。。。。然后就没有然后了。
这里，其实就是大家都不去获取信息或者信息沟通有障碍导致的问题。停滞不前。Stay here。
上面，不去获取信息，信息获取慢，信息传输慢，都会影响工作的进度，那为什么要获取信息呢？
还是从消除不确定性来讲。
比如说，想在产品页面增加一个推荐模块，推荐一些搭配购买的产品列表，多合理的需求啊？
但这样做能成功吗？怎么样来消除这个不确定呢？
那就需要我们去获取信息，去做一些数据分析，我们平台的产品可以搭配吗？我们的用户会搭配着购买吗？什么样的产品适合搭配？结果，通过跑数据，我们大部分用户一次只购买一件产品。
如果产品数大于2或接近2，代表用户是有搭配购买的需求的，但历史数据，如果只有1件，代表我们平台的产品，不适合推荐搭配的产品。
这就需要可以获取信息的能力，并且获取的要快，要准。如果自己就有能力拿到这些信息，那就更赞了。 所以，还在为要不要申请一个权限，要不要去推进统计部门工作而担心的时候，想一想信息获取，你就明白你在做什么样的事情，以及这样做对不对了。
必须撸啊！不留余力的去获取信息，因为可以消除你后期工作中的不确定性。
这就是信息的价值和意义。
3. 我不知道要拿什么数据，要怎么看数据
这个问题我前面也一直面临这个问题，分享一下我的破题思路吧。做一个明白的人。做一个大处着眼，小处着手的人。
举个例子：你现在负责 淘宝 购物车 页面的产品。那你需要关注哪些数据呢？
思考一分钟，看看有没有想法。我目前这样看数据的。
- 看流量来源：购物车页来的来源都有哪些？ 每一个来源的趋势又是什么样子的？【这样我们可以知道如果哪一天我的流量降了，是因为哪个入口的来源下降导致的，比如 Detail页面的购物车菜单做了改版】
- 看购物车页面 和 推荐页面的 流量：购物车一天有100W人，但只有10W人看到了购物车推荐，但如果有一天，10W人，降到了 1W人，那是不是技术有问题了呢？还是大促预热开始了，导致用户疯狂加购，最终推荐模块的位置太靠下了呢？ 【如果查看推荐的用户太少，就要想办法去提升推荐的曝光量，比如 淘宝首页的 按两下 底部首页图片可以 快速切换 猜你喜欢 和 默认首页】
- 看推荐场的效率：每天有多少曝光，又产生了多少点击，产生了多少购买，怎么去提高点击率，怎么去提交购买率呢？用户都喜欢浏览到第几页？每一页的点击率的衰减情况怎么样？如果点击率非常底了，代表用户失去了点击兴趣，是不是可以通过产品优化？如果到底了，点击率也没有降多少，是不是透出的产品还不够多呢？
- 再向深处看一层，拿着放大镜看，每一个省份的成交情况怎么样？每一个行业成交情况怎么样？如果出现女装在跌，但数码在涨的情况，最终购买转化率也上去了，这样的数据是不是也有问题呢？
- 看健康度，恶俗的人类，丑陋的人类，如果要点击，男同志都知道，必须是 性感暴露啊，如果要成交，那必然是低价！ 但这两个都不是一个电商平台想要的，所以用户在你场都点了什么，买了什么，也是你需要关注的数据。
所以，我们拿数据，可以从相关性，像剥洋葱一样，一层一层的去看数据，看漏斗，每一个漏斗，都是产品上可以提升的点。
三、信息在机器学习的应用
这年头，连机器都学习了，我们人类还不学习吗？
虽然一直知道，通过机器对样本的学习，机器就可以自己识别出 猫，狗 之类画像。但当自己真正见识到机器学习在电商中的应用时，还是让我震惊到了。
这里，我们来谈一谈产品的点击率。
刚上分析数据环节，我们说要提高点击率，怎么样才能知道一个产品的点击率呢？我们来举个例子：
一个商品，有如下几个属性：浏览，加购，收藏，下单，好评 等几个方面的数据，我们基于历史的数据，计算出一个合适的参数 x。
比如说工式是：(浏览率+加购率+收藏率+下单率+好评率)*x + 5% = 实际的点击率
基于历史一个月的数据计算，计算出一个合理的x值为 0.2。
在下一次面临一个新产品的时候，基于产品的基础信息，我们就可以预测出产品可能的点击率了。然后从高到底排个序，展示给用户的，就是点击率最高的产品了。
现实中，相亲的媒婆根据自己的级验，颜值，身高，体重，学历 四个特征进行个人学习，梳理出自己的工式，计算出 x 的值 为 0.3，就可以预测女孩子相亲可以成功的概率了。而这个x 的值，就是机器自己学习计算出来的。
四、信息很重要，机器学习更重要，我都知道，来点实际的价值信息
刚刚过去的双十一很火，而晚上9：30 的红包，有的人只有几十块，有的人，就上千。
想不想知道怎样才能领到上千的红包呢？逆向思维去想一想。发给你红包，是要你消费的，如果你没有消费能力，怎么办？嗯，那你要先证明你有消费能力，比如去年的双十一消费金额，为什么今年还要发给你呢？ 因为今年相比去年买得少了。但万一发给你，你没有要买的东西怎么办呢？所以你的购物车里面应该放一些价值不菲的产品，然后怎么知道你很想要这些东西呢？双十一当天很积极的浏览了产品，但就是没有下单。
靠，机器学习就能学习到，这伙计NND，有购买力，有购买欲，但就是不下单，要不要发个券，促使他转化一下！
实际生活中，如果你重复的进一家店，看同一个裙子，你还想从售货员那里得到优惠，那基本是不太可能了。但如果蜻蜓点水，表现出厌倦和不满，销售员为了成交，会使出浑身解数促使你成交。
所以，想尽一切办法去获取信息来减少不确定性吧！
比如学习，加薪的确定性就高！还等什么？马上点赞！开始学习吧！