干货讲解，数据分析从入门到进阶的关键思维：指标思维
这篇文章还是老生常谈的话题，数据分析思维，之前讲了框架思维、逻辑思维、目标思维，这篇来讲讲对数据分析新手进阶至关重要的思维：指标思维
数据分析新手常见错误：讲观点不讲事实
我们平时表达内容基本可以分为事实和观点两部分，事实不可否认，而观点则可以不认同，在中国，大部分人很容易将事实和观点混淆，这样就会导致我们在进行辩论和质疑的时候不够有理有据，陷入无谓的争论中。
比如，有个人说“我觉得今天好热啊! "这就是一个观点陈述，你不能以“今天才28度,不热啊"去反驳他。因为对于说话者，28度可能就算很热了，因为各人的感受和标准是不同的。
但如果这个人说:“今年夏天比去年的温度高多了!”，这就是在陈述一种事实了，你就可以拿两年温度对比的数据作为证据去反驳了。
历史朝代在我们的生活中经常出现由于混淆事实和观点而出现的争论，举个最常见的例子，你上班迟
到了，主管对你说:“你怎么经常迟到！”，这时候你非常产生抗拒，什么叫经常？我才迟到了三次，李四这个月还迟到了四次怎么不说他？然后对话就陷入了对抗模式。
“你怎么经常迟到"这句话是一个观点，代表了主管心目中的评价。如果把观点换做事实，那么沟通会更加容易。
阴阳师现世召唤阵“小张,你本月迟到了3次。"这句话是一个事实,无可辩驳,主管也没有加上评判。
这时候你的对抗情绪就会淡化很多，更容易出问题的根源。
数据分析的工作中也是如此，我们做数据分析的目的是为了提升公司的决策水平，如果不能描述客观事实，那么信息在沟通过程中很容易变形。
如果开会的时候说“本月的销售额大幅下降“这样的观点，不同的人会有不同的理解。有些人会觉得下降20%以上叫大幅下降，有些人觉得下降10%就叫大幅。
如果去掉“大幅”呢？“本月的销售额下降”，这句话是一个事实，但是不同人的理解可能是不同的事实，因为没有说清楚下降是拿什么做对比。
最清晰的事实是“本月的销售额相比上个月下降了10%”。这句话是客观事实，无法改变，每个人获取的信息也是相同的。
团队中每个人拥有相同的信息,才有可能提升决策水平。
这种只说事实不说观点的能力要求很高，人们总是喜欢情绪化的表达。印度哲学家克里希那穆提曾经说过：不带评判的观察是人类智力的最高形式。想要将事实思维融入到日常交流中，需要大量的训练。
这也是数据分析师入门容易，精通难的原因之一。
用指标描述事实
自制手帐便签怎么做>世界犬种智商排行想要保持稳定的说事实的能力，最简单的办法就是把需要衡量的事物数据化。
目前互联网行业里诸如浏览量、活跃用户、响应时间等等指标的应用已经非常普遍了。每个互联网从业者或多或少都知道一些常见的指标。许多指标已经约定俗成，即使你换一家公司，甚至换一个行业，这些指标依然没有沟通成本。比如衡量用户粘性就用留存率，反应产品的流量就用日活月活。
这些基础的数据指标知识，相信你或多或少都有了解。这种基础的监控型的指标这边就不多说了，下文会附上一些常见的数据指标。
不仅指标能提升我们对业务的理解，单是确定指标的过程，就能极大地提升我们对业务的理解。也就是说，当我们知道我们要用什么指标的时候，我们就能更好的理解业务。
刚才提到，现在的各种指标大家已经很熟悉了，比如留存率、日活用户数等等。但在时间周期拉长了看，会发现互联网行业的指标侧重点是不断变化的。
比如最早的PULSE指标体系，这些指标是用来衡量用户体验的。指标包括：
Page view：页面浏览量Uptime：正常运行时间Latency：延迟Seven days active user：7天活跃用户数Earning：收益
那个时代对产品的要求很低，只要能解决问题就好，所以这些指标更多地关注产品的可用性。只要确保产品能稳定快速运行，不会出现负面的体验就行了。
中信银行信用卡额度随后又发展到HEART指标，也是衡量用户体验的，是PULSE指标的升级版。包括：
Happiness/愉悦度Engagement/参与度Adoption/接受度Retention/留存率Task success/任务完成度
相比PULSE , HEART指标不单单是注重可用性，而是开始考虑到产品体验的优化。这个时候同类产品开始出现，单纯拼功能已经无法获得竞争优势，而是要在用户使用体验上优化以此获得用户的喜爱，所以增加量愉悦度、参与度等这些维度。
举个例子，原来在没有聊天软件的时候，你只要做到“可用“就可以了。但是到了后来，聊天软件越来越多，有更好体验的产品才能活下来，所以需要考虑用户的更多需求和体验，于是有了聊、陌生人社交等功能加入。男主角很霸道的小说
互联网发展到现在，产品的差异性越来越小，公司之间竞争的阵地从产品切换到运营，于是近几年开始流行基于AARRR的指标体系。
Acquisition：获取，用户如何发现(并来到)你的产品？Activation：激活，用户的第一次使用体验如何?Retention：留存，用户是否还会回到产品(重复使用) ?Revenue：收入，产品怎样(通过用户)赚钱?Refer：传播，用户是否愿意告诉其他用户?
相比之前的指标模型，AARRR站在更加宏观的全局角度审视整个产品，并且更偏运营。
在过去，用户有自发需求，会产品。现在的用户，大部分需求都得到了满足，该的产品都好了，在想让用户选择自家产品，就需要通过运营手段引起他们的兴趣。
所以，现阶段互联网环境下主流的指标体系都是基于AARRR构建的，文章最后一个部分会介绍现有比较常见的基于AARRR的指标体系。
可以看出，确定指标的过程,不仅可以达成”说事实”的结果，还能够帮助自己梳理思路。你知道要量化什么，就说明你清楚了自己更看重什么，你对自己业务的理解往往也就更加清晰了。
如何量化指标
日常的分析工作中，除了这些基础指标，还会遇到一些特定的业务问题，需要用数据分析解决。比如业务想对比用户对两款产品的喜爱程度，或者衡量APP的稳定性。这种情况下我们该怎么办？
曾任阿里巴巴数据委员会会长的车品觉在《数据的本质》一书中，给出了如何量化问题的方法。
想要量化某个事物，关键是要先搞清楚量化后的数据是为了解决什么问题。如果我们关心X，我们可以通过下列步骤完成量化。
1、首先，我们要澄清X到底是什么?
比如，你想量化用户对某个功能的喜爱程度，那么究竟什么算是“喜欢这个功能" ?是使用频次吗？是使用深度吗？还是手机游戏账号买号用户分享的比例？你需要不断用问题去澄清X到底是什么。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论