1.1.4　数据产品衡量

我们一般采用准确性、及时性、全面性、易用性四个维度来评估数据产品，排列的顺序也是其重要性的体现。

·准确性。准确性是数据产品的根本，是最重要的评价维度。如果数据不准确，一切上层工具和应用都是空中楼阁。数据的准确性可以用“数据错误频次”来简单判断，但如果涉及范围较大，还需要对指标进行分级，不同级别会有不同权重的考量。

·及时性。衡量数据准备的及时程度。这里分为实时和离线两类场景，“实时”类场景会衡量刷新频率和顺畅程度，比如能否做到分钟级甚至秒级的更新。这在双十一等公共场景下十分重要。衡量指标一般是“更新频率”及“刷新失败频次”等实时类指标。“离线”一类场景则会衡量数据在第二天指定时间点前是否就绪的情况。一般团队遇到的问题是员工上午9点后陆续上班，但数据计算量太大导致10点多了数据还没准备好。衡量指标则是“未及时就位频次”等指标。

·全面性。衡量数据覆盖的指标全面性及业务全面性。

·易用性。衡量数据产品的用户体验：一方面可以通过平台内监控各项功能的使用量（如PV、UV及使用时长）来进行量化；另一方面也需要定期进行用户访谈和问卷调研，来获得用户的使用反馈。

这四个衡量维度可以满足数据产品一些常见的衡量场景。不过因为数据产品本身的特殊性，有时候需要考虑各自权重的分布和引入新的辅助指标。数据产品的特殊性主要体现在以下三个方面。

·价值间接性。数据价值主要体现在使用方手上，而非产品本身。在某些场景下，数据能否发挥价值，只能看使用方是否依靠数据作决策，是否用数据说话。业务的增长也无法直接归因到数据身上。这不像一些强业务相关的产品，一些具体的动作能与业务指标直接挂钩。

·自上而下性。数据建设是件耗时长且很难短时间见到成效的工作，加上第一点的“价值间接性”，便决定了数据工作一般只能自上而下推动。

·行业异构性。数据链条涉及行业的每个细节，这就导致了不同行业里，数据的采集、使用、清洗和挖掘逻辑迥异。比如，互联网公司、连锁超市、现代化汽车厂三者的数据产品必然天差地别。

以上提到的这些数据产品要素会贯穿本书各个部分，建议大家在后续的阅读中，多结合这些要素进行思考，会有意想不到的收获。举例来讲，在1.1.4节“数据产品衡量”中，我们提到“准确性是数据产品的根本”，这个“根本”的重要性会体现在产品的设计流程上，会有各种工具来保证数据的准确与统一，如指标字典和数据血缘等；也会体现在人才的招聘上，如重点关注候选人对数据质量的看重程度等。