做产品需要了解的数据知识

　　做产品离不开数据，无论是在初期的需求规划，还是在项目上线的效果评估，都需要数据支撑。这两天一直在做数据报表梳理，觉得以下几个点是产品在做数据工作是需要关注的几点：
　　1、数据来源
　　数据来源直接决定是数据的正确性和可用性。一般产品数据获取渠道有三个：数据上报、历史经验和第三方资料，数据上报又分为客户端上报和服务器上报。新产品规划阶段，我们可能更多的通过第三方数据或者竞品的经验数据来作为参考，一旦产品上线，就需要及时通过上报数据来进行进行产品思路验证和优化改进。
　　不同数据来源的数据差异很大，其分析结果可比性较差，建议各位产品最早的版本迭代中就加入基础数据统计，通过版本迭代来不断完善数据统计。
　　2、指标定义
　　指标定义明确是数据易读的基础，拿DAU（日活跃用户数）来说，只有明白了活跃的定义，数据才有意义。举例，某视频软件DAU1000万，猛一看很高，但是发现他们对日活的定义是启动，而该软件可以自定义开机启动，那么这个数据就值得商榷。如果把有视频观看行为定义为活跃，那么DAU立刻就变为300W，这个数据才属于有效数据，这个数据也更有意义。
　　3、上报机制
　　上报机制可以理解为数据上报的策略。比如，行为产生的日志是否支持在移动网络下上报，上报时间间隔多久，进程被杀掉之后如何上报，上报过程中丢包概率上报机制的制定直接决定上报数据的完整性和即时性。对产品来说，一定是希望数据同步上报，但是考虑到用户手机流量、电量等因素，一般需要做出取舍。
　　以前我只注意到数据上报的完整性，并未考虑到即时性，今天同事举的一个例子让我茅塞顿开：十一假期，你辛辛苦苦做了一份数据报表，分析的头头是道，并且给出了后期计划；三天以后，用户结束了长假，刚刚从3G环境切换到WIFI网络，大量新的数据上报，你发现你依赖的所有数据均发生了变化，你所有的分析都是基于不完整的甚至是错误的数据
　　4、数据可视化
　　数据很重要的一项功能是通过趋势变化来反映问题，因此可视化是数据一个重要的展示形式，给你一张密密麻麻的表，如果没有图表支持，数据基本是死的，无法利用。因此在数据量统计之初，就要有效的结合起可视化图表，完成对趋势的把握。
　　对成规模的数据来说，必然有规律的数据曲线，或是周期上升，或是周期波动，如果某个指标的数据图表振幅巨大毫无规律，那么就要去拆分数据，剔除其中无规律的波动因素A，重新对剩余数据做可视化视图，直到呈现出规律波动。后期只需要对稳定的数据进行监控，有无异常，一目了然。