程序员如何锻炼数据思维？(附数据指标记分牌)

作者 沈佳伟 哔哩哔哩会员购架构师

业务是一门生意

程序员们时时刻刻在与业务打交道，良好的数据思维是我们职业成长道路上不可或缺的一项重要技能。

然而「人人并不都是产品经理」，技术赋能首先需要理解自己业务数据，否则一切口号都不过是空谈。业务是一门生意，如何读懂这门生意，就需要对业务所处行业的数据指标及其解读方法有充分的了理解。

本文通过一些浅显易懂的数据指标分析方法，帮助程序员们读懂自己为之赋能的那门「生意」。 

无法衡量的东西，也就无法管理

理解自己的「生意」离不开对关键数据指标的跟踪，而不同业务形态（商业模式）的关键数据指标五花八门。如何从不计其数的「有用」数据中挑选能够提供业务价值的「灵感之源」是我们锻炼数据思维的必修课。 

数据指标的质量对理解业务至关重要

一、好的数据指标是比较性的。

比如可以比较某业务数据在不同的时间段，用户群体，竞争产品之间的表现。有时产品在评价某个需求的成果时，经常会和我们说，「（这个需求使）本周转化率提升至2%」，乍一听觉得怪怪的，好像并没有什么不对的地方，但如果从更深层次的数据洞察视角出发，「本周转换率比上周高X」会更有意义。

如果你的业务是一门持续增长的「生意」，那么比较性的数据指标会让你更好的衡量自己的成（代）果（码）。

二、好的数据指标是简单易懂的。

如果我们不能很容易地记住或讨论某个指标，那么通过它来改变业务现状是十分困难的。

举个例子，前段时间和运营小伙伴讨论一个「自定义」数据指标算法。过程是需要从一堆数据里求出平均值，然后先这样再那样倒腾出一个我们称之为「间隔」的中间值，然后再那样后这样取出一个最后我们也不知道怎么称呼的「数据指标」。姑且不讨论过程的正确性，光从简单易懂的角度来看就很难为之后的业务行动提供指导依据。

三、好的数据指标是一个比率，比如市盈率，销售利润率等。

比率之所以是最佳数据指标原因包括：

1. 比率的可操作性强，可以做为今后业务行动的向导。以开车为例，里程只是距离信息，而速度（距离/小时）才具有可操作性，它告诉你当前行驶状态以及是否需要调整速度确保准时抵达。

2. 比率是天生的比较性指标。再以开车为例，速度是一个数据指标，可通过将当前速度与最近一小时的平均速度进行比较才能确知是在加速还是在减速。

3. 比率适用于比较各种因素间的相生相克（正关系，负关系）。还是以开车为例，单位时间内行驶的里程/罚单数比率显示了两者的关联性，开的越快行驶里程越多，收到的罚单也越多。

四、好的数据指标指导改变业务行为。

这是极其重要的判定标准，做与不做的准绳，随着指标的变化，业务是否会采取相应的措施？

比如把网站基色调整为粉色可以带来更多营收，那么就应该把它换做粉色。如果半数以上反馈表明用户不会为某功能付费，那么就不应该开发此功能。如果悉心打造的 MVP 不能将订单提高 10%，那么就换其他方法。

程序员们天天面对着五花八门的业务需求，每一个需求都是一次锻炼业务思维的机会：

这个改（需）动（求）会影响到哪个数据指标？这个数据指标是否具有可比性（和谁比，怎么比）？这个数据指标解释起来是不是清晰易懂，是不是和业务的诉求方理解一致？这个数据指标是不是一个比率值？这个数据指标的如果产生变化如何指引下一次迭代？ 

数据指标的类型对解释业务至关重要

一、定性与量化

这两兄弟就如同产品经理和程序员一样相爱相杀。

定性指标通常为非结构化，经验性的，揭示性的，难以归类的（比如产品视角的定性洞察）。量化指标则涉及很多数值和统计数据，提供可靠的量化结果，但缺乏直观洞察（比如技术视角的定量分析）。

两者本身并没有对错，都是从不同的视角去观察业务。

定量数据排除主观因素，定性数据吸纳主观因。定性回答「为什么」，定量回答「什么」和「多少」（好比人提供灵感，代码负责验证）。程序员们大多乐于量化分析而不善于定性洞察，而优秀的数据思维通常脱胎于定性观察，并通过定量试验加以佐证。

二、虚荣与可付诸行动

虚荣指标通常看上去很「美」，