Ben Porterfield 在自己的 Linkedin 主頁(yè)這樣形容自己：一個(gè)有經(jīng)驗(yàn)的沖浪者。除了在 Santa Cruz 海岸沖浪以外，他還幫助一系列初創(chuàng)企業(yè)在變幻無(wú)窮的互聯(lián)網(wǎng)浪潮中破浪前進(jìn)。他是 Sticky, Inc.(譯者注：一個(gè)成功的硅谷廣告數(shù)據(jù)公司)的首席工程師，接著與小伙伴聯(lián)合創(chuàng)立了 Rally Up (譯者注：移動(dòng) APP 公司，2010年 被 AOL 收購(gòu))。

他的經(jīng)歷，容易讓人產(chǎn)生 “連續(xù)創(chuàng)業(yè)原來(lái)這么簡(jiǎn)單輕松啊” 的坑爹錯(cuò)覺(jué)。

Porterfield 的最新創(chuàng)業(yè)項(xiàng)目是 Looker, 一個(gè)商業(yè)數(shù)據(jù)分析解決方案提供商。Porterfield 帶領(lǐng)著一幫工程師幫助小至初創(chuàng)企業(yè)大到行業(yè)巨頭(比如 Etsy, Sony, Disney, and Yahoo)更好地做決策。Looker 幫助無(wú)數(shù)公司開(kāi)發(fā)適合自己的算法，從而也更清晰地看到為什么會(huì)走這些彎路。

數(shù)據(jù)分析是一種經(jīng)常被人視為假高大上的雞肋工具。當(dāng)你正在焦頭爛額地為自己的初創(chuàng)公司設(shè)定市場(chǎng)定位的時(shí)候，你一定會(huì)把處理數(shù)據(jù)當(dāng)做一種閑得蛋疼行為。但等公司走上軌道后，你需要更好地理解你的用戶，而此時(shí)回頭看之前積累得如同亂麻的原始數(shù)據(jù)，你會(huì)突然意識(shí)到你并沒(méi)有很好地收集你想要的信息。

在本文中，Porterfield 將跟我們講解創(chuàng)業(yè)者們?nèi)绾慰梢詮囊婚_(kāi)始就設(shè)計(jì)好數(shù)據(jù)分析的基本框架：將數(shù)據(jù)儲(chǔ)存于何處?用什么工具分析最好?可以規(guī)避哪些常見(jiàn)的錯(cuò)誤?以及，今天的你如何亡羊補(bǔ)牢?

聽(tīng)哥說(shuō)，千萬(wàn)別等了

你的第一想法可能是由你團(tuán)隊(duì)里的工程師們胡亂拼湊點(diǎn)什么來(lái)儲(chǔ)存這些數(shù)據(jù)。Porterfield 見(jiàn)過(guò)太多抱著這個(gè)想法而失敗的公司。其實(shí)應(yīng)該從一開(kāi)始就投資更多的時(shí)間和金錢(qián)來(lái)尋找靠譜的數(shù)據(jù)收集分析工具。道理很簡(jiǎn)單：

每個(gè)人都需要方便地使用靠譜的數(shù)據(jù)。

把數(shù)據(jù)分析當(dāng)做吃喝拉撒一樣的日?；拘枨螅馕吨屇愎镜拿恳晃怀蓡T，而不僅僅是技術(shù)人員，都可以便捷使用。每一個(gè)人，特別是直面客戶的前線人員，都需要方便地獲取及理解這些數(shù)據(jù)。而一個(gè)好的工具能幫助工程師以外的其他人都輕松地從這些原始數(shù)據(jù)中獲得有用的信息，從而做出正確的決策。

而在建立這樣的數(shù)據(jù)分析基礎(chǔ)框架時(shí)，一定要考慮到如何讓沒(méi)有數(shù)理分析背景的小白使用者可以自主地設(shè)計(jì)數(shù)據(jù)跑出來(lái)的形式內(nèi)容，因?yàn)檫@樣的小白使用者往往更更理解產(chǎn)品業(yè)務(wù)流程，更能提出核心的問(wèn)題。

Porterfield 還說(shuō)到，若能把數(shù)據(jù)嵌入到各種唾手可得的日常應(yīng)用中，企業(yè)能創(chuàng)造一種數(shù)據(jù)為導(dǎo)向的文化。從商業(yè)運(yùn)營(yíng)的角度來(lái)說(shuō)，這樣一個(gè)能自助生成數(shù)據(jù)的平臺(tái)能釋放原本專注于數(shù)據(jù)分析的工程師們，讓他們更好地專注于產(chǎn)品設(shè)計(jì)或者是其他更高層次的問(wèn)題。

企業(yè)的數(shù)據(jù)分析團(tuán)隊(duì)其實(shí)自身已成為許多公司發(fā)展的瓶頸。他們不應(yīng)該像圖書(shū)管理員似的，僅僅是按照別人的需求去讀取和解讀數(shù)據(jù)。Todd Lehr, Dollar Shave Club 的資深工程師分享了個(gè)類似的故事：有個(gè)叫 Juan 的開(kāi)發(fā)者在公司負(fù)責(zé)生成所有數(shù)據(jù)報(bào)告。當(dāng)他手頭積壓太多工作而卡殼時(shí)，我們也會(huì)因沒(méi)有數(shù)據(jù)而無(wú)法順利工作。我們把這種情況戲謔為 “Juan 式卡殼”。

而如果有一個(gè)良好的自助數(shù)據(jù)平臺(tái)，企業(yè)則不需要聘請(qǐng)這樣的專人負(fù)責(zé)管理數(shù)據(jù)，從而也避免了這樣的 “Juan 式卡殼”。工程師們可以更好地專注于開(kāi)發(fā)和優(yōu)化產(chǎn)品。

關(guān)于數(shù)據(jù)分析，聰明人常犯的 6 個(gè)錯(cuò)誤：

幫助大量的公司梳理數(shù)據(jù)分析流程后，Porterfield 總結(jié)出 6 個(gè)企業(yè)常走的彎路。

1、走得太快，沒(méi)空回頭看路

初創(chuàng)公司里的人們仿佛一直在被人念著緊箍咒：“要么快要么死，要么快要么死。” 他們是如此著急于產(chǎn)品開(kāi)發(fā)，以至于他們常常沒(méi)有空想用戶對(duì)產(chǎn)品的具體使用細(xì)節(jié)，產(chǎn)品在哪些場(chǎng)景怎么被使用，產(chǎn)品的哪些部分被使用，以及用戶回頭二次使用產(chǎn)品的原因主要有哪些。而這些問(wèn)題如果沒(méi)有數(shù)據(jù)難以回答。

2、你沒(méi)有記錄足夠的數(shù)據(jù)

光給你的團(tuán)隊(duì)看呈現(xiàn)總結(jié)出來(lái)的數(shù)據(jù)是沒(méi)有用的。如果沒(méi)有精確到日乃至小時(shí)的變化明細(xì)，你無(wú)法分析出來(lái)數(shù)據(jù)變化背后看不見(jiàn)的手。如果只是粗放的，斷續(xù)的統(tǒng)計(jì)，沒(méi)有人可以解讀出各種細(xì)微因素對(duì)于銷售或者用戶使用習(xí)慣的影響。

與此同時(shí)，數(shù)據(jù)儲(chǔ)存越來(lái)越便宜。同時(shí)做大量的分析也不是什么高風(fēng)險(xiǎn)的事情，只要買足夠的空間就不會(huì)有 system breakdown 的風(fēng)險(xiǎn)。因此，記錄盡可能多的數(shù)據(jù)總不會(huì)是一件壞事。

不要害怕量大。對(duì)于初創(chuàng)企業(yè)來(lái)說(shuō)，大數(shù)據(jù)其實(shí)還是比較少見(jiàn)的事情。如果正處于初創(chuàng)期的你果真(幸運(yùn)地)有這樣的困擾，Porterfield 推薦使用一個(gè)叫 Hadoop 的平臺(tái)。

3、其實(shí)你的團(tuán)隊(duì)成員常常感覺(jué)自己在盲人摸象

許多公司以為他們把數(shù)據(jù)扔給 Mixpanel, Kissmetrics,或者 Google Analytics 就夠了，但他們常常忽略了團(tuán)隊(duì)的哪些成員能真正解讀這些數(shù)據(jù)的內(nèi)在含義。你需要經(jīng)常提醒團(tuán)隊(duì)里面每一位成員多去理解這些數(shù)據(jù)，并更多地基于數(shù)據(jù)來(lái)做決策。要不然，你的產(chǎn)品團(tuán)隊(duì)只會(huì)盲目地開(kāi)發(fā)產(chǎn)品，并祈禱能踩中熱點(diǎn)，不管最終成功還是失敗了都是一頭霧水。

舉個(gè)栗子。有天你決定采用市場(chǎng)上常見(jiàn)的病毒營(yíng)銷手段吸引新用戶。如你所愿，用戶量啪啪啪地上來(lái)了?？纱藭r(shí)你會(huì)遇到新的迷茫：你無(wú)法衡量這個(gè)營(yíng)銷手段對(duì)老用戶的影響。人們可能被吸引眼球，注冊(cè)為新用戶，然后厭倦而不再使用。你可能為吸引了一幫沒(méi)有價(jià)值的用戶付出了過(guò)高的代價(jià)。而你的產(chǎn)品團(tuán)隊(duì)可能還在沾沾自喜，認(rèn)為這個(gè)損害產(chǎn)品的營(yíng)銷手段是成功的。

這種傻錯(cuò)誤經(jīng)常發(fā)生。而如果你的企業(yè)在一開(kāi)始就建立起人人可自助使用的數(shù)據(jù)平臺(tái)，來(lái)解答他們工作中最重要的疑惑，則可以避免上文所說(shuō)的悲劇。

4、把數(shù)據(jù)存放在不合適的地方。

先讓我們來(lái)看一個(gè)正確示范吧。Porerfield 提到他有個(gè)客戶整合了 NoSQL, Redshift, Kitnesis 以及 Looker 的資源自創(chuàng)了一個(gè)數(shù)據(jù)分析框架。這個(gè)框架不僅能在很高的量級(jí)上捕獲及儲(chǔ)存自己的數(shù)據(jù)，還能承受每月數(shù)以百萬(wàn)計(jì)的點(diǎn)擊流量，還能讓所有人查詢自己想要的數(shù)據(jù)。這個(gè)系統(tǒng)甚至可以讓不懂 SQL 語(yǔ)言的小白用戶們真正理解數(shù)據(jù)的意義。而在數(shù)據(jù)分析的世界里，基本上如果你不會(huì) SQL, 你就完蛋了。如果總是要等待工程師去把數(shù)據(jù)跑出來(lái)，那就是把自己陷入困境。而工程師在不理解需求的情況下建立的算法或者買的軟件對(duì)于使用者來(lái)說(shuō)往往是個(gè)煎熬，因?yàn)樗麄儗?duì)數(shù)據(jù)的使用往往與前者不再同一水平線上。

你需要讓你所有的數(shù)據(jù)都存放在同一個(gè)地方。這個(gè)是關(guān)鍵關(guān)鍵最關(guān)鍵的原則。

讓我們回到前文那個(gè)假設(shè)存在的公司。他們做了一個(gè)又一個(gè)病毒營(yíng)銷，但是沒(méi)有把用戶活動(dòng)數(shù)據(jù)放在同一框架內(nèi)，所以他們無(wú)法分析一個(gè)活動(dòng)是如何關(guān)聯(lián)到另一個(gè)活動(dòng)的。他們也無(wú)法進(jìn)行一個(gè)橫跨日常運(yùn)營(yíng)以及活動(dòng)期間的數(shù)據(jù)分析比較。

很多公司把數(shù)據(jù)發(fā)給外包商儲(chǔ)存，然后就當(dāng)甩手掌柜了?？墒浅３＿@些數(shù)據(jù)到了外包商手里就會(huì)變成其他形式，而轉(zhuǎn)化回來(lái)則需要不少工序。這些數(shù)據(jù)往往是某些宣傳造勢(shì)活動(dòng)時(shí)期你的網(wǎng)站或者產(chǎn)品的相關(guān)數(shù)據(jù)。結(jié)合日常運(yùn)營(yíng)數(shù)據(jù)來(lái)看，你可以挖掘哪些活動(dòng)促成了用戶轉(zhuǎn)化。而這樣結(jié)合日常運(yùn)營(yíng)數(shù)據(jù)來(lái)分析用戶使用歷程的方式是至關(guān)重要的。但令人震驚的是，盡管任何時(shí)期的所有運(yùn)營(yíng)數(shù)據(jù)都至關(guān)重要，許多公司仍不屑于捕獲及記錄他們。約一半以上 Porterfield 所見(jiàn)過(guò)的公司都將日常運(yùn)營(yíng)數(shù)據(jù)與活動(dòng)數(shù)據(jù)分開(kāi)來(lái)看。這樣嚴(yán)重妨礙了公司正確地理解與決策。

5、目光短淺

任何一個(gè)好的數(shù)據(jù)分析框架在設(shè)計(jì)之初都必須滿足長(zhǎng)期使用的需要。誠(chéng)然，你總是可以調(diào)整你的框架。但數(shù)據(jù)積累越多，做調(diào)整的代價(jià)越大。而且常常做出調(diào)整后，你需要同時(shí)記錄新舊兩套系統(tǒng)來(lái)確保數(shù)據(jù)不會(huì)丟失。

因此，我們最好能在第一天就把框架設(shè)計(jì)好。其中一個(gè)簡(jiǎn)單粗暴有效地方法就是所有能獲取的數(shù)據(jù)放在同一個(gè)可延展的平臺(tái)。不需要浪費(fèi)時(shí)間選擇一個(gè)最優(yōu)解決方法，只要確認(rèn)這個(gè)平臺(tái)可以裝得下所有將來(lái)可能用到的數(shù)據(jù)，且跨平臺(tái)也能跑起來(lái)就行了。一般來(lái)說(shuō)這樣的原始平臺(tái)能至少支撐一到兩年。

6、過(guò)度總結(jié)

雖然說(shuō)這個(gè)問(wèn)題對(duì)于擁有大數(shù)據(jù)分析團(tuán)隊(duì)的公司來(lái)說(shuō)更常見(jiàn)，初創(chuàng)公司最好也能注意避免掉。試想一下，有多少公司只是記錄平均每分鐘多少銷售額，而不是具體每一分鐘銷售了多少金額?在過(guò)去由于運(yùn)算能力有限，我們只能把海量數(shù)據(jù)總結(jié)成幾個(gè)點(diǎn)來(lái)看。但在當(dāng)下，這些運(yùn)算量根本不是問(wèn)題，所有人都可以把運(yùn)營(yíng)數(shù)據(jù)精確到分鐘來(lái)記錄。而這些精確的記錄可以告訴你海量的信息，比如為什么轉(zhuǎn)化率在上升或者下降。

人們常常自我陶醉于做出了幾張漂亮的圖標(biāo)或者 PPT。這些總結(jié)性的表達(dá)看上去很令人振奮，但我們不應(yīng)該基于這些膚淺的總結(jié)來(lái)做決策，因?yàn)檫@些漂亮的總結(jié)性陳述并不能真正反映問(wèn)題的實(shí)質(zhì)。相反，我們更應(yīng)該關(guān)注極端值(Outliers)

三個(gè)簡(jiǎn)單防護(hù)措施幫你少走彎路

少犯錯(cuò)誤遠(yuǎn)比你想的重要，因?yàn)殄e(cuò)誤一旦發(fā)生，很容易耗費(fèi)大量的工程時(shí)間和資源來(lái)彌補(bǔ)錯(cuò)誤。如果不小心，你的工程師們可能花費(fèi)昂貴的時(shí)間來(lái)為銷售團(tuán)隊(duì)解碼數(shù)據(jù)，可能錯(cuò)過(guò)無(wú)數(shù)寶貴的營(yíng)銷機(jī)會(huì)。每當(dāng)數(shù)據(jù)變得難使用或者理解時(shí)，你的團(tuán)隊(duì)決策速度會(huì)變慢，因此你的生意進(jìn)展必將受到拖累。

好消息是，如果你從有用戶伊始就采用以下三個(gè)簡(jiǎn)單的防護(hù)措施，你一定可以避免走很多彎路。

任命一個(gè)商業(yè)數(shù)據(jù)首席工程師

如果你能在團(tuán)隊(duì)中找到一個(gè)隊(duì)數(shù)據(jù)分析真正有興趣的工程師，你可以讓他負(fù)責(zé)記錄管理所有數(shù)據(jù)。這將為整個(gè)團(tuán)隊(duì)節(jié)省海量的時(shí)間。Porterfield 分享到，在 Looker, 這樣的一個(gè)商業(yè)數(shù)據(jù)首席工程師負(fù)責(zé)寫(xiě)能記錄所有數(shù)據(jù)的腳本，從而方便大家總是能在同一個(gè)數(shù)據(jù)庫(kù)內(nèi)獲取需要的信息。事實(shí)證明，這是個(gè)簡(jiǎn)單有效的方法，極大地提高了團(tuán)隊(duì)的工作效率。

把數(shù)據(jù)放在開(kāi)放的平臺(tái)上

Porterfield 強(qiáng)力推薦大家使用類似于 Snowplow 的開(kāi)源平臺(tái)，以能實(shí)時(shí)記錄所有與產(chǎn)品相關(guān)的活動(dòng)事件數(shù)據(jù)。它使用方便，有好的技術(shù)支援，可以放量使用。而最棒的一點(diǎn)，它能與你其余的數(shù)據(jù)框架很好的兼容。

盡快將你的數(shù)據(jù)遷移到 AWS Redshift 或者其它大規(guī)模并行處理數(shù)據(jù)庫(kù)(MPP)上

對(duì)于還處于早期的公司來(lái)說(shuō)，類似于 Redshift 這種基于云端的 MPP 經(jīng)常就是最好的選擇。因?yàn)樗麄儍r(jià)格便宜，便于部署和管理，并且擴(kuò)展性強(qiáng)。在理想狀況下，你會(huì)希望從公司有記錄之初就將你的事件與操作的數(shù)據(jù)寫(xiě)入亞馬遜 Redshift 之中。“使用 Redshift 的好處在于這個(gè)平臺(tái)便宜，迅速，可訪問(wèn)性高，” Porterfield 說(shuō)。并且，對(duì)于那些已經(jīng)使用 AWS 服務(wù)的人來(lái)說(shuō)，它(使用 redshift)可以無(wú)縫接入你已有的架構(gòu)中。你可以很容易的建設(shè)一個(gè)數(shù)據(jù)通道把數(shù)據(jù)直接傳入這個(gè)系統(tǒng)中進(jìn)行分析處理。“Redshift 能讓你靈活的寫(xiě)入巨量的顆粒狀的數(shù)據(jù)而并不根據(jù)事件觸發(fā)量的多少這樣難以估計(jì)的參數(shù)來(lái)收費(fèi)，” 他說(shuō)。“其它的服務(wù)會(huì)根據(jù)你儲(chǔ)存事件的多少來(lái)收費(fèi)，所以當(dāng)越來(lái)越多的人使用你的產(chǎn)品時(shí)，越來(lái)越多的操作數(shù)據(jù)會(huì)被記錄下來(lái)，這會(huì)導(dǎo)致最終的收費(fèi)像火箭一樣越升越高。”

如何用數(shù)據(jù)分析占領(lǐng)市場(chǎng)先機(jī)?

數(shù)據(jù)分析的價(jià)值取決于它能如何幫助你占領(lǐng)市場(chǎng)先機(jī)。作為初創(chuàng)公司，所有的數(shù)據(jù)應(yīng)該被用于你對(duì)公司不同階段設(shè)立的目標(biāo)上。

舉個(gè)栗子。一個(gè)快遞公司通常會(huì)檢測(cè)平均送達(dá)每件貨物的時(shí)間。這看上去是很關(guān)鍵的數(shù)據(jù)，但如果沒(méi)有充分的上下文(畢竟收貨人可能在一個(gè)街區(qū)外，也可能在幾百公里外)，這也是沒(méi)有意義的。另一個(gè)角度上，平均送貨時(shí)間也沒(méi)有收貨人的整體滿意度重要。因此，你必須確保你的分析囊括了正確的數(shù)據(jù)。

請(qǐng)列舉量化你需要的結(jié)果：你希望你的客戶體驗(yàn)是怎么樣的?一些常見(jiàn)的成功數(shù)據(jù)分析會(huì)基于銷售或用戶轉(zhuǎn)化率(即如果客戶做了叉叉事情以后會(huì)購(gòu)買或者成為用戶)，轉(zhuǎn)化需要的時(shí)間，以及讓客戶產(chǎn)生負(fù)面體驗(yàn)的比例。你會(huì)希望第一個(gè)比例很高，而后兩者降低。

通常來(lái)說(shuō)，媒體網(wǎng)站會(huì)全然以網(wǎng)頁(yè)瀏覽量論英雄。但現(xiàn)在他們也開(kāi)始注意一個(gè)叫做 “注意力停留時(shí)長(zhǎng)” 的指標(biāo)：人們?cè)谀硞€(gè)頁(yè)面專注多長(zhǎng)時(shí)間，是否注意到某些字句，是否在上下拖動(dòng)頁(yè)面，是否有看視頻，等等。他們不僅僅實(shí)在看用戶在某個(gè)頁(yè)面停留了多少時(shí)間，他們更需要知道用戶被頁(yè)面中的哪些部分吸引，且積極專注地瀏覽了多少時(shí)間。這樣可以幫助媒體網(wǎng)站設(shè)計(jì)新的標(biāo)題，頁(yè)面設(shè)計(jì)和內(nèi)容選擇，以延長(zhǎng)這樣的注意力停留時(shí)長(zhǎng)。這樣，他們可以革新網(wǎng)站設(shè)計(jì)的方式，來(lái)更好地打動(dòng)他們的受眾。

另一個(gè)重點(diǎn)是監(jiān)測(cè)留存用戶。成功的數(shù)據(jù)分析可以同時(shí)涵蓋日常運(yùn)營(yíng)數(shù)據(jù)以及活動(dòng)數(shù)據(jù)，并橫向分析。如果你僅僅看日常運(yùn)營(yíng)數(shù)據(jù)，你能指導(dǎo)那些人會(huì)回訪你的網(wǎng)站，哪些人可以達(dá)成復(fù)購(gòu)。但你還需了解哪些回訪網(wǎng)站卻沒(méi)有復(fù)購(gòu)的人群: 為什么他們不愿意再次購(gòu)買?這樣的問(wèn)題可以通過(guò)介乎運(yùn)營(yíng)與活動(dòng)數(shù)據(jù)分析來(lái)找到答案。活動(dòng)數(shù)據(jù)會(huì)告訴你哪些沒(méi)有購(gòu)買行為的客戶按照何種順序?yàn)g覽網(wǎng)站，注意到了什么，點(diǎn)擊了什么，在離開(kāi)網(wǎng)站前做了什么。當(dāng)你跟蹤這個(gè)線路，你可以了解如何修改這種行為，來(lái)增加他們下次訪問(wèn)時(shí)購(gòu)買的可能性。

為了設(shè)計(jì)最適合你的數(shù)據(jù)籃子，你可以參考以下三個(gè)建議：

尋找一類合適的用戶行為

測(cè)算多少比例的受眾會(huì)有這一類的用戶行為，測(cè)試這一類用戶行為是不是包含了重要的信息，有時(shí)候，發(fā)明一個(gè)新的數(shù)據(jù)記錄籃子可以促成對(duì)公司很大的改變。拿 Venmo (翻譯君注：一個(gè)紐約的小額支付平臺(tái)) 舉個(gè)栗子吧。有段時(shí)間，公司的支付 APP 團(tuán)隊(duì)聽(tīng)說(shuō)很多本想向朋友索取款項(xiàng)的用戶不慎把錢(qián)反而支付給了朋友，因?yàn)?“索取款項(xiàng)” 和 “支付款項(xiàng)” 的按鈕放在一塊很容易按錯(cuò)。然而公司并不知道這個(gè)問(wèn)題有多普遍，是否值得公司重新設(shè)計(jì)用戶界面。為了更好地做決策，他們?cè)O(shè)計(jì)了一個(gè)新的數(shù)據(jù)系統(tǒng)來(lái)檢測(cè)這個(gè)索取 / 支付失誤有多常見(jiàn)。他們把 “A 向 B 付款后不久 B 雙倍將款項(xiàng)付給了 A” 這種奇怪的支付行為全都找了出來(lái)。結(jié)果顯示，這個(gè)情況經(jīng)常發(fā)生。所以在下次的產(chǎn)品更新中，他們修復(fù)了這個(gè)問(wèn)題。

讓你的數(shù)據(jù)可分享

阻礙團(tuán)隊(duì)輕松分享數(shù)據(jù)的罪魁禍?zhǔn)壮３Ｊ菙?shù)據(jù)的定義。因此，從一開(kāi)始你最好充分完整地定義你的數(shù)據(jù)?？梢钥紤]建立一個(gè)中央詞匯表 wiki page, 來(lái)讓每個(gè)成員更容易理解。Porterfield 指出，人們喜歡用奇怪的詞語(yǔ)給數(shù)據(jù)明明。比如 “Ratio” 這個(gè)詞就常備濫用，因?yàn)樗麄兠麜r(shí)常沒(méi)有把分子分母講清楚。

數(shù)據(jù)是大部分成功公司的生命線。好的數(shù)據(jù)分享不僅能增加公司的透明度，還能加強(qiáng)不同部門(mén)之間的協(xié)作。比如在很多公司里，不同部門(mén)常常會(huì)各自找工程師生成不同數(shù)據(jù)來(lái)回答同一問(wèn)題。而如果有一個(gè)好的分享數(shù)據(jù)平臺(tái)這樣的浪費(fèi)時(shí)間精力可以被避免。

讓數(shù)據(jù)形象化

讓數(shù)據(jù)形象化也是一個(gè)好平臺(tái)能輕易做到的。把顆粒數(shù)據(jù)形象化為圖表可以讓團(tuán)隊(duì)的每一個(gè)成員更好地解讀這些數(shù)據(jù)。對(duì)于大部分人來(lái)說(shuō)，理解圖表比理解表格容易得多，因此把數(shù)據(jù)形象化可以幫助交流更加順暢。

不好的數(shù)據(jù)分析框架只會(huì)打擊人們的自信心。它會(huì)無(wú)形地把公司分為兩個(gè)派別：懂?dāng)?shù)據(jù)的大神以及不懂?dāng)?shù)據(jù)的白癡。這是個(gè)很常見(jiàn)的危險(xiǎn)錯(cuò)誤。你必須讓公司最小白的數(shù)據(jù)用戶都能輕松地生成自己需要的圖表并理解它。這是選擇數(shù)據(jù)平臺(tái)的一個(gè)基本原則。

Poterfield 總結(jié)道：好的數(shù)據(jù)分析能讓人們更有準(zhǔn)備地去開(kāi)會(huì)，幫銷售團(tuán)隊(duì)問(wèn)出更到位的問(wèn)題，免去了無(wú)謂的猜測(cè)。人們不用再猜測(cè)他們的用戶在尋找什么，或者為什么他們達(dá)成銷售，或者為什么他們不再回頭。人們也不用再猜測(cè)其他團(tuán)隊(duì)的同事知道或者不知道什么。而這一切都要?dú)w功于從一開(kāi)始就把數(shù)據(jù)框架設(shè)計(jì)好。

來(lái)源：董老師在硅谷