对您的数据保持健康的怀疑态度

如果你不是整天与数据打交道的人，很容易产生这样的想法：你看到图表或仪表板上的数字是完美的，永远不会误导你。然而，随着你对这些数据的熟悉，你会意识到这并不总是正确的。事实上，我们认为对那些数字保持一点怀疑态度是一个好主意。

我们当然不是告诉你要把事实扔掉，但我们都知道数据可能会误导，包含错误，并反映数据偏差。重要的是要达到一个地方，你对自己的数据足够熟悉，知道何时某事看起来不对，并知道如何应对这种情况。

数据波动时保持冷静

随着你的公司发展壮大，你将针对不同的受众，测试新功能，调整优先级，你将会有一些令人恐慌的时刻，数据——客户注册、保留、收入预测或其他指标——会显示出你没有预料到的结果。

尽量保持冷静，面对这些起伏。当然，你希望尽快响应信号并在必要时进行纠正，但针对每一个微小的变化就惊慌失措绝不是做出决策的方式。问自己这些问题

1. 数据管道中真的有什么是出问题的吗？比如血缘问题或时区错误？

2. 你的问题是不是在于解读？也许你误解了图表，那个峰值实际上并不代表你认为的那样。考虑检查或创建相关指标，从不同的角度来解释这些数字。

3. 这实际上只是一个意外结果吗？

真正令人惊讶的结果确实会发生，但在改变方向之前确认基础数据是个好主意。当数字看起来可疑地好时，这种冷静的反应尤为重要，所以不要仅仅根据数字而自满。对于刚开始起步的小公司来说，要知道随着时间的推移，你的数据将变得更加可靠，因为你会收集更多的数据，优化信息收集方式，并更清晰地了解哪些数字是重要的，哪些是背景噪音。

示例：净推荐者得分（NPS）的波动性

这可能是一个熟悉的指标，你的净推荐者得分（NPS）通过一个问题来衡量客户满意度：“你有多可能向同事推荐我们的产品？”

虽然NPS是一个有用的信号，但这个指标本身可能会非常波动。由于样本大小每周的变化或你对客户调查长度或内容的调整等因素，你们公司的NPS可能会在光谱的两端摇摆。

对于像NPS这样的看似简单的指标，很容易一看到低分就跳到灾难性的思考。在这里，转向严格的平均值是有帮助的，而是采用一个滚动平均值来跟踪随时间变化的NPS。你可能还想要构建一个可视化（比如条形图），它可以展示根据你在最近一个月或季度收到的调查数量，你的NPS有多可靠。

磨练“数据直觉”需要时间

对你数据的这种健康的怀疑态度不会一夜之间形成，而且需要练习和不断尝试来加强这种直觉肌肉。练习意味着除了你的数字之外，还要花时间进行定性研究，比如了解你的用户和你的产品。也要花时间去理解数据的变化，比如某些指标会随着你在季度中的位置而波动。

如果你的组织有数据团队，与那些数据科学家和分析师建立关系可以大有帮助，让你更熟悉这些数字。他们将比你知道得更多（以及他们是如何到达那里的），可以提出跟踪或可视化复杂指标的新方法，或提供你可能遗漏的关键背景信息。所以，利用他们的专业知识，了解你的公司依赖的数据来源以及它们是如何建模的。

关于如何磨练你的数据直觉有建议吗？在Metabase论坛上告诉我们吧！