对数据保持健康的怀疑态度

如果您不是每天都深入研究数据的人，那么很容易认为在图表或仪表板上看到的数字是绝对可靠的，永远不会误导您。但是，当您越熟悉这些数据时，您就会意识到情况并非总是如此。事实上，我们认为对这些数字持一点怀疑态度是好事。

我们当然不是告诉您将事实抛诸脑后，但我们都知道数据可能会产生误导、包含错误并反映偏见。重要的是要达到一种状态，您对自己的数据感到足够舒适，以至于知道何时出现异常情况，并知道在这种情况下如何应对。

数据波动时保持冷静

随着公司的发展，您将瞄准不同的受众，测试新功能并调整优先级，并且您会遇到一些令人恐慌的时刻，数据（客户注册、留存率、收入预测或其他指标）会向您显示一些您不希望看到的情况。

在数据出现下降和峰值时，尽量保持冷静。当然，您希望尽快对信号做出响应并在必要时纠正方向，但对每一个细微的变化都做出剧烈反应并不是做决策的方式。问问自己这些问题：

1. 数据管道中是否真的有损坏的东西，例如沿袭问题或时区错误？

2. 您的问题是否是解释问题？也许您误读或误解了图表，并且该峰值实际上并不意味着您认为的那样。考虑检查或创建相关的指标，这些指标可以从不同的角度来构建这些数字。

3. 这实际上只是一个意外的结果吗？

真正令人惊讶的结果确实会发生，但最好在改变方向之前确认基础数据。当数字看起来异常好时，这种冷静的反应甚至更为关键，因此不要仅仅基于数字而沾沾自喜。对于刚起步的小公司来说，要知道随着您收集更多数据、改进捕获信息的方式以及更清楚地了解哪些数字重要而哪些是背景噪音，您的数据会随着时间的推移变得更加可靠。

示例：净推荐值 (NPS) 的波动性

您的净推荐值 (NPS) 可能是一个熟悉的指标，它根据一个简单的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。由于诸如每周样本量发生变化或您对客户调查的长度或内容进行调整等因素，贵公司的 NPS 可能会从一个极端波动到另一个极端。

对于像 NPS 这样看似简单的指标，很容易一看低数字就跳到灾难性思维。摆脱严格的平均值在这里很有帮助，转而支持随时间跟踪 NPS 的滚动平均值。您可能还希望构建一个可视化（如图条形图），它可以根据您在最近一个月或季度收到的调查数量来展示您的 NPS 的可靠性。

培养“数据直觉”需要时间

对数据的这种健康的怀疑态度不会一夜之间形成，加强这种直觉能力需要实践和反复试验。实践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。花时间了解数据的潮起潮落，例如，如果特定指标根据您在本季度所处的位置而波动。

如果您的组织有数据团队，那么与这些数据科学家和分析师建立关系对于帮助您更轻松地使用数字大有裨益。他们比您更了解这些数字（以及它们是如何得到的），并且可以建议跟踪或可视化复杂指标的新方法，或者提供您可能遗漏的关键背景信息。因此，请利用他们的专业知识，并尽可能多地了解贵公司依赖的数据源以及它们是如何建模的。

对于如何培养您的数据直觉有建议吗？请在 Metabase 论坛上告诉我们！