數據實踐上的常見地雷區

數據實踐經驗上有許多常見的地雷往往衍伸許多後續問題，一開始讓團隊加速使用數據，能大量減少時間浪費。

---

1 、重視數據整理與規劃：

收集數據前，就要確定數據能指導行動（Find Action Item）。

避雷方式：實作收集數據之前，先測試數據的 Prototype 及不同狀況的數據圖表，並試問透過這些數據，可以做什麼事情？還是什麼事情都不能做？

2、一開始就讓數據能做「用戶分群」

一開始沒規劃用戶分群，後面數據也很難分出來、也很難回頭從做，因此用戶分群建議一定要做好做滿。

避雷方式：早期區分像是「潛在用戶（獲取分析）」、「新舊用戶、活躍用戶（行為分析）」、轉換用戶等，先確認用戶分群的結構，像是留存分析、推薦分析、活躍分析、轉換分析如何影響收益。因為後面想要補做，重新收集數據的成本很高。

3、數據收集的方式確認

若一開始數據收錯了，它將很不容易被發現；拿錯的數據做產品決策，也容易導致大災難。

避雷方式：數據收集一定要再三確認它是怎麼收集的？像是檢查指標與指標體系、數據採集規劃、數據收集執行、數據清洗、數據整理、數據加工、數據產出報表、數據驗證正確性等，都需要一一檢視。

4、了解如何實作數據指標

與 RD 多討論如何實作數據指標（用第三方工具，靠工具收集數據；或不靠第三方工具，自建資料庫收集數據），不然收集到的數據很容易有問題。

避雷方式：更重視討論實作流程的經過，盡可能收集完整原始數據。

5、同時使用第三方工具、自建資料庫工具

一開始數據收集如果發生問題，有時候很不容易找到問題，會花很多時間在找問題在哪。

避雷方式：建議同時使用多種工具分散數據利用的不正確或缺失風險。

6、數據定義一定要清楚、顯而易見

如果數據定義不清，非常容易浪費時間重複解釋。若彼此對同個指標的理解不同，卻已經用錯誤理解做了許多決策，也容易造成數據不容易被使用，甚至慢慢放棄使用。

避雷方式：把定義寫在指標附近（UI/UX），盡量不要藏在驚嘆號或問號說明裡面，很少人會去看。

7、讓用數據的人能簡易自行操作（自己拉圖表）

如果不能由用數據的人簡易操作，做數據圖表給內部的溝通成本很高的情況，造成來回的溝通地獄，團隊也不容易學會使用數據。

避雷方式：例如讓大家學會使用 Datastudio 比教他們學會 Excel 報表分析還簡單。

8、搭配質化分析研究

如果沒有質化的證據，容易讓數據解讀與事實不符，單純從數據表層發生的問題，很容易得到分析結果非真實情況的事實。

避雷方式：想得到最好的數據洞察，最重要的部份建議亦需要搭配一些高品質的訪談，Data Driven 不只是用數據當做決策依據。

9、讓團隊聚焦單一關鍵指標

不聚焦一定會造成時間成本的浪費，還會讓產品倒退走。聚焦在關鍵指標，能反應現階段最重要的問題、釐清階段最重要的目標、反應公司的健康狀況、讓團隊專注提昇指標效益。

避雷方式：重視團隊溝通與共識（ex. 利用北極星指標），一次往一個關鍵指標前進。有時候單一關鍵指標的達成，已經足以變成一件大是，協助團隊整體飛速成長。

10、養成團隊使用數據的習慣

如果數據本身不是工作的一部分，數據不被在乎也是正常狀況，推動數據化流程的進程就會非常緩慢。

避雷方式：從一開始讓團隊學會使用數據衡量結果，沒在期限內完成數據結果，可以藉由點名的方式溝通期望成效，協助彼此衡量結果，鼓勵團隊學習養成數據風氣。

---

從零開始打造數據實踐的流程

一定要先做好建構「收集數據」數據化流程的地基，逐步利用「數據決策」加速團隊利用數據的習慣和溝通方式。使用數據分析便將成為工作的一部分，加速多方的討論、溝通、檢視與優化改進的團隊效益。