干货讲解，数据分析从入门到进阶的关键思维：指标思维
这篇文章还是老生常谈的话题，数据分析思维，之前讲了框架思维、逻辑思维、目标思维，这篇来讲讲对数据分析新手进阶至关重要的思维：指标思维
我们平时表达内容基本可以分为事实和观点两部分，事实不可否认，而观点则可以不认同，在中国，大部分人很容易将事实和观点混淆，这样就会导致我们在进行辩论和质疑的时候不够有理有据，陷入无谓的争论中。
比如，有个人说“我觉得今天好热啊! "这就是一个观点陈述，你不能以“今天才28度,不热啊"去反驳他。因为对于说话者，28度可能就算很热了，因为各人的感受和标准是不同的。
但如果这个人说:“今年夏天比去年的温度高多了!”，这就是在陈述一种事实了，你就可以拿两年温度对比的数据作为证据去反驳了。
在我们的生活中经常出现由于混淆事实和观点而出现的争论，举个最常见的例子，你上班迟
到了，主管对你说:“你怎么经常迟到！”，这时候你非常产生抗拒，什么叫经常？我才迟到了三次，李四这个月还迟到了四次怎么不说他？然后对话就陷入了对抗模式。
“你怎么经常迟到"这句话是一个观点，代表了主管心目中的评价。如果把观点换做事实，那么沟通会更加容易。
“小张,你本月迟到了3次。"这句话是一个事实,无可辩驳,主管也没有加上评判。
这时候你的对抗情绪就会淡化很多，更容易出问题的根源。
数据分析的工作中也是如此，我们做数据分析的目的是为了提升公司的决策水平，如果不能描述客观事实，那么信息在沟通过程中很容易变形。
如果开会的时候说“本月的销售额大幅下降“这样的观点，不同的人会有不同的理解。有些人会觉得下降20%以上叫大幅下降，有些人觉得下降10%就叫大幅。
如果去掉“大幅”呢？“本月的销售额下降”，这句话是一个事实，但是不同人的理解可能是不同的事实，因为没有说清楚下降是拿什么做对比。
最清晰的事实是“本月的销售额相比上个月下降了10%”。这句话是客观事实，无法改变，每个人获取的信息也是相同的。
团队中每个人拥有相同的信息,才有可能提升决策水平。
这种只说事实不说观点的能力要求很高，人们总是喜欢情绪化的表达。印度哲学家克里希那穆提曾经说过：不带评判的观察是人类智力的最高形式。想要将事实思维融入到日常交流中，需要大量的训练。
这也是数据分析师入门容易，精通难的原因之一。
用指标描述事实
想要保持稳定的说事实的能力，最简单的办法就是把需要衡量的事物数据化。
目前互联网行业里诸如浏览量、活跃用户、响应时间等等指标的应用已经非常普遍了。每个互联网从业者或多或少都知道一些常见的指标。许多指标已经约定俗成，即使你换一家公司，甚至换一个行业，这些指标依然没有沟通成本。比如衡量用户粘性就用留存率，反应产品的流量就用日活月活。
这些基础的数据指标知识，相信你或多或少都有了解。这种基础的监控型的指标这边就不多说了，下文会附上一些常见的数据指标。
不仅指标能提升我们对业务的理解，单是确定指标的过程，就能极大地提升我们对业务的理解。也就是说，当我们知道我们要用什么指标的时候，我们就能更好的理解业务。
刚才提到，现在的各种指标大家已经很熟悉了，比如留存率、日活用户数等等。但在时间周期拉长了看，会发现互联网行业的指标侧重点是不断变化的。
比如最早的PULSE指标体系，这些指标是用来衡量用户体验的。指标包括：
Page view：页面浏览量Uptime：正常运行时间Latency：延迟Seven days active user：7天活跃用户数Earning：收益怎么做数据分析
那个时代对产品的要求很低，只要能解决问题就好，所以这些指标更多地关注产品的可用性。只要确保产品能稳定快速运行，不会出现负面的体验就行了。
随后又发展到HEART指标，也是衡量用户体验的，是PULSE指标的升级版。包括：
Happiness/愉悦度Engagement/参与度Adoption/接受度Retention/留存率Task success/任务完成度
相比PULSE , HEART指标不单单是注重可用性，而是开始考虑到产品体验的优化。这个时候同类产品开始出现，单纯拼功能已经无法获得竞争优势，而是要在用户使用体验上优化以此获得用户的喜爱，所以增加量愉悦度、参与度等这些维度。
举个例子，原来在没有聊天软件的时候，你只要做到“可用“就可以了。但是到了后来，聊天软件越来越多，有更好体验的产品才能活下来，所以需要考虑用户的更多需求和体验，于是有了聊、陌生人社交等功能加入。
互联网发展到现在，产品的差异性越来越小，公司之间竞争的阵地从产品切换到运营，于是近几年开始流行基于AARRR的指标体系。
Acquisition：获取，用户如何发现(并来到)你的产品？Activation：激活，用户的第一次使用体验如何?Retention：留存，用户是否还会回到产品(重复使用) ?Revenue：收入，产品怎样(通过用户)赚钱?Refer：传播，用户是否愿意告诉其他用户?
相比之前的指标模型，AARRR站在更加宏观的全局角度审视整个产品，并且更偏运营。
在过去，用户有自发需求，会产品。现在的用户，大部分需求都得到了满足，该的产品都好了，在想让用户选择自家产品，就需要通过运营手段引起他们的兴趣。
所以，现阶段互联网环境下主流的指标体系都是基于AARRR构建的，文章最后一个部分会介绍现有比较常见的基于AARRR的指标体系。
可以看出，确定指标的过程,不仅可以达成”说事实”的结果，还能够帮助自己梳理思路。你知道要量化什么，就说明你清楚了自己更看重什么，你对自己业务的理解往往也就更加清晰了。
如何量化指标
日常的分析工作中，除了这些基础指标，还会遇到一些特定的业务问题，需要用数据分析解决。比如业务想对比用户对两款产品的喜爱程度，或者衡量APP的稳定性。这种情况下我们该怎么办？
曾任阿里巴巴数据委员会会长的车品觉在《数据的本质》一书中，给出了如何量化问题的方法。
想要量化某个事物，关键是要先搞清楚量化后的数据是为了解决什么问题。如果我们关心X，我们可以通过下列步骤完成量化。
1、首先，我们要澄清X到底是什么?
比如，你想量化用户对某个功能的喜爱程度，那么究竟什么算是“喜欢这个功能" ?是使用频次吗？是使用深度吗？还是手机游戏账号买号用户分享的比例？你需要不断用问题去澄清X到底是什么。
发布评论