首先产品经理拿数据说话一定是没有错的。
如果产品经理对数据抽取漫无目的，花了时间，但并不能产生指导性的产品设计思路。对此，我的理解是这样的：你的产品经理似乎没有搞清楚产品的价值功能，目标涣散，导致把控不了价值数据。
我们先弄懂几个概念：
A. 价值数据？
数据分析本身是衡量一切后续产品改进的结果性指标。
这也正符合管理学大师彼得·格鲁克说过的：「If you can’t measure it，you can’t improve it.」
比起感性的推测，数据无疑是很靠谱的东西。而对于产品经理来说，在现有的数据里面发现机会，去找到能够让新用户用的更好停的更久，推荐更多人的方法，实现产品价值，就是数据最大的作用。
数据一般引导产品优化主要如下图所示：（ 图做得不好别打我啊。。。 ）
上图可以解释为：
观测数据后，结合业务经验推测这个现象是由于什么样的机制引起的，如果假设成立的话，推广这个机制可以更好地优化产品，反之产品或者运营可能会恶化或不变，可以通过前后持续的数据观察，对比数据变化的差异来分析假设是否成立。
但这个足够驱动产品优化的数据， 它应该是某些关键指标和那些可能产生差别的维度。
且不说跑数据的程序麻烦，（传统的手动埋点过程耗时1-2 个月不等），需要利用数据来支持的产品决策，等数据工程师把排队堆积的数据报表跑出来再分析，或许已经错过了最佳时机。
认清关键指标真的很重要，但这个似乎跟产品价值功能有关，嗯，看下面 ↓↓↓↓↓↓↓↓↓↓↓↓
B. 价值功能？
说起价值，每家公司关心的点不同，而且随着时间而变化：
举个例子，比如一个产品的注册口设计，是尽可能让用户少填信息提升注册转化率，还是让用户完善信息方便销售部门后期跟进呢？当然，初创公司可能比较注重转化率，他们的注册入口往往很简洁，而成熟型企业就更关注销售线索，注册步骤相对繁琐。
再来个例子，企业纽带线 | 一款CRM客户关系管理系统SaaS软件，最关心的数据是：有多少人深入使用CRM系统中的功能（如客户管理、供应链管理等），所以每天用量是最核心的数据。
做这个产品的核心价值在于让企业很好的解决销售管理、客户管理、供应链管理、甚至是上下游生态的“商务圈”，以及未来的商业智能、企业出行等便捷服务。
一切数据的核心逻辑就是这个，能够映射到公司任何一张其他数据图上。
不过，工具类产品比较依赖产品功能的好坏，如果不好说明什么，那么：
说个大一点的例子（To C方向），滴滴和 Uber 。Uber 总结自己最核心关注的数据是：乘客打车时手按下去后，专车到乘客面前的时间，而滴滴关心的只是定单量的多少。
升华一些，Uber 通过优化这一点，实现了自己的产品价值：优步让交通效率提高了。基于这个「价值」，优步对自己定位更准，对产品体验把握也更准。再说回滴滴，订单量需要关注的方面更多，我相信，滴滴的产品经理或者数据分析师一定泡在数据堆里，想方设法在试探提高订单量的功能优化点吧。
…...（举个例子想破头，不要问更多了，不要说还没代表性，你说我，我就......看下面）
总结一下：（瞬间严肃脸：）
因此精明的产品经理不会漫无目的追踪数据，他们一般基于精确的理解产品定位后，会很好的规划自己要分析的数据。
数据不可迷信，只是更加客观，帮助我们去更清楚的认识，因为产品经理不是靠创意和情感开发功能，这时数据就是一种度量的手段，能衡量很多问题。