对您的数据保持健康的怀疑态度

如果您不是那种整天埋头于数据的人，那么很容易就认为您在图表或仪表板上看到的数字是不可错的，永远不会误导您。然而，您对数据的熟悉程度越高，就会发现事实并非总是如此。事实上，我们认为对这些数字保持一点怀疑态度是件好事。

我们当然不是告诉您要抛弃事实，但我们都知道数据可能会产生误导，包含错误，并反映出偏差。重要的是要达到一个舒适地了解您数据的状态，知道何时有问题出现，以及知道如何应对。

在数据波动时保持冷静

随着您的公司发展，您将针对不同的受众，测试新功能，并调整优先级，您会经历一些令人恐慌的时刻，此时数据——客户注册数、留存率、收入预测，或其他任何指标——会向您展示一些您未曾预料到的情况。

在面对这些下降和上升时，尽量保持冷静。当然，您希望尽快响应信号并在必要时进行纠正，但对每一次细微变化都做出剧烈反应并不是做出决策的方式。问问自己这些问题：

1. 数据管道中是否有实际损坏的地方，比如血缘关系问题或时区错误？

2. 您的问题是否在于解读？也许您误读或误解了图表，而那个峰值实际上并不像您想的那样。考虑检查或创建相关的指标，可以从不同角度来看待这些数字。

3. 这实际上是一个意料之外的结果吗？

真正令人惊讶的结果确实会发生，但在改变方向之前，最好先确认底层数据。当数字看起来令人怀疑地好时，这种冷静的反应甚至更为重要，所以不要仅凭数字就沾沾自喜。对于刚刚起步的小公司来说，请注意，随着您收集更多数据、改进信息捕获方式，并对哪些数字很重要、哪些只是背景噪音有更清晰的认识，您的数据将变得更加可靠。

示例：净推荐值 (NPS) 的波动性

净推荐值 (NPS) 可能是您熟悉的指标，它根据一个问题来衡量客户满意度：“您有多大可能向同事推荐我们的产品？”

虽然 NPS 是一个有用的信号，但该指标本身可能非常不稳定。您的公司的 NPS 可能在频谱的两端之间摆动，这可能归因于一些因素，例如每周样本量的大小变化，或您对客户调查的长度或内容所做的调整。

对于像 NPS 这样看似简单的指标，很容易一眼看到一个低数字就陷入灾难性思维。在这里，摆脱严格的平均值是有帮助的，转而采用跟踪 NPS 随时间变化的滚动平均值。您可能还想构建一个可视化图表（如条形图），以显示您最近一个月或一个季度的调查数量对 NPS 的可靠性。

培养“数据直觉”需要时间

对数据的健康怀疑态度不会 overnight 形成，它需要练习和反复试验来加强这种直觉肌肉。练习意味着除了数字之外，还要花时间进行定性研究，例如了解您的用户和您的产品。也要花时间了解您数据的起伏，比如特定指标是否会根据您在本季度的位置而波动。

如果您的组织有一个数据团队，与那些数据科学家和分析师建立良好的关系，将有助于您更舒适地处理数字。他们比您更了解这些数字（以及它们是如何产生的），并且可以建议新的跟踪或可视化复杂指标的方法，或者提供您可能遗漏的关键背景信息。因此，利用他们的专业知识，并学习关于您的公司所依赖的数据源以及它们如何建模的知识。

您有关于如何培养数据直觉的建议吗？请在 Metabase 论坛上告诉我们！