为什么Google这样的公司，会在一个小问题上争论不休？

        我们如今有这么多各式各样的互联网工具, 互联网给我们带来了这么多用户和数据, 这是好事, 也有副作用。

世界上能访问用户数据, 并根据数据做分析和改进的公司, Google 是其中翘楚, 这种 data-centric 的做法做过了头, 也有悲剧发生:

Douglas Bowman 曾经是Google 的视觉设计主管, 2009 年的一天, 他受不了了:

Yes, it's true that a team at Google couldn't decide between two blues, so they're testing 41 shades between each blue to see which one performs better.        I had a recent debate over whether a border should be 3, 4, or 5 pixels wide, and was asked to prove my case. I can't operate in an environment like that. I've grown tired of debating such   minuscule design decisions...

翻译过来大意是：

是的，谷歌的一个团队确实无法在两种蓝色之间做出决定，所以他们正在测试每种蓝色之间的41种色调，看看哪种表现更好。我最近就边界应该是3、4还是5像素宽进行了一次辩论，并被要求证明我的观点。我不能在那样的环境下工作。我已经厌倦了辩论如此微小的设计决定。。。

那么会有这样一个问题，比如：当你的公司要你用数据来证明 41 种蓝色到底哪一种更好, 或者为一个边栏宽度是3, 4, 或5 而争执不休, 纷纷表示要拿数据来证明的时候, 你怎么办?

ai的回答是这样：

        确定目标和指标：首先明确公司的目标是什么，例如用户体验、品牌一致性或用户参与度。针对这些目标，确定关键的评估指标，如用户满意度调查、点击率、页面浏览量等。

        收集数据：使用合适的工具和技术，收集包括现有用户数据、用户反馈、用户行为分析等相关数据。如果需要进行A/B测试，可以设计实验来收集数据，比较不同颜色或边栏宽度的影响。

        分析数据：对收集到的数据进行分析，探索不同颜色或边栏宽度与目标指标之间的关系。使用统计方法来比较不同变量之间的相关性和显著性，帮助理解数据背后的趋势和模式。

        基于数据提出建议：根据分析结果，提出基于数据的建议。例如，比较不同颜色或边栏宽度的指标差异，评估其对目标的影响程度，并给出相对权衡的建议。

        风险和不确定性的说明：明确数据分析的限制和不确定性，并指出可能存在的风险。强调数据只是提供决策支持的一部分，还需要综合考虑其他方面的因素，如用户调研、品牌策略等。

        跟团队和利益相关者分享结果：将分析结果和建议与团队和利益相关者共享，并进行讨论和辩论。以数据为基础，促进决策的透明性和合理性，确保团队对决策有充分的了解和参与。

而对于我而言，回答就很简单：

        缺少一个最终拍板的带头人，完全没有必要在这种毫无意义的事情上消耗精力，除非，你特别闲但是又不想显得没有事做，同事大概也是这样想的话，那我觉得这样的“争执”会更有趣味和活力，而不是办公室的死气沉沉。