1.1.4　數據產品衡量

我們一般采用準確性、及時性、全面性、易用性四個維度來評估數據產品，排列的順序也是其重要性的體現。

·準確性。準確性是數據產品的根本，是最重要的評價維度。如果數據不準確，一切上層工具和應用都是空中樓閣。數據的準確性可以用“數據錯誤頻次”來簡單判斷，但如果涉及范圍較大，還需要對指標進行分級，不同級別會有不同權重的考量。

·及時性。衡量數據準備的及時程度。這里分為實時和離線兩類場景，“實時”類場景會衡量刷新頻率和順暢程度，比如能否做到分鐘級甚至秒級的更新。這在雙十一等公共場景下十分重要。衡量指標一般是“更新頻率”及“刷新失敗頻次”等實時類指標。“離線”一類場景則會衡量數據在第二天指定時間點前是否就緒的情況。一般團隊遇到的問題是員工上午9點后陸續上班，但數據計算量太大導致10點多了數據還沒準備好。衡量指標則是“未及時就位頻次”等指標。

·全面性。衡量數據覆蓋的指標全面性及業務全面性。

·易用性。衡量數據產品的用戶體驗：一方面可以通過平臺內監控各項功能的使用量（如PV、UV及使用時長）來進行量化；另一方面也需要定期進行用戶訪談和問卷調研，來獲得用戶的使用反饋。

這四個衡量維度可以滿足數據產品一些常見的衡量場景。不過因為數據產品本身的特殊性，有時候需要考慮各自權重的分布和引入新的輔助指標。數據產品的特殊性主要體現在以下三個方面。

·價值間接性。數據價值主要體現在使用方手上，而非產品本身。在某些場景下，數據能否發揮價值，只能看使用方是否依靠數據作決策，是否用數據說話。業務的增長也無法直接歸因到數據身上。這不像一些強業務相關的產品，一些具體的動作能與業務指標直接掛鉤。

·自上而下性。數據建設是件耗時長且很難短時間見到成效的工作，加上第一點的“價值間接性”，便決定了數據工作一般只能自上而下推動。

·行業異構性。數據鏈條涉及行業的每個細節，這就導致了不同行業里，數據的采集、使用、清洗和挖掘邏輯迥異。比如，互聯網公司、連鎖超市、現代化汽車廠三者的數據產品必然天差地別。

以上提到的這些數據產品要素會貫穿本書各個部分，建議大家在后續的閱讀中，多結合這些要素進行思考，會有意想不到的收獲。舉例來講，在1.1.4節“數據產品衡量”中，我們提到“準確性是數據產品的根本”，這個“根本”的重要性會體現在產品的設計流程上，會有各種工具來保證數據的準確與統一，如指標字典和數據血緣等；也會體現在人才的招聘上，如重點關注候選人對數據質量的看重程度等。