编辑导语：由于认知程度不同，面对相同的数据，不同人可以洞察的信息会有很大差异，大致可以分为感知、认知、底层这三个层次，而这三个层次是循序渐进的，可以作为是否透彻洞察数据的一个标准。本文作者对数据的三个层次进行了解读，一起来看一下吧。
关于认知和解读数据，我其实也不是权威，只想借机让各个零碎的知识联结成网。互联网所有工作的本质都在于解决问题，归因、聚合、离散等等都是把一切问题变得有条理的手段，有条理是我们无限期待接近的目标。
面对相同的数据信息，不同的人因认知程度不同，可以洞察的信息会有很大差异，大致可分为三个层次：
这三个层次是循序渐进的，可以作为是否透彻洞察数据的一个标准。尤其是第三个层次，通过过去与现在洞察未来，并作出决策和判断。这其实是一个标准职业经理人需要具备的素质，这里吐个槽，哪怕在行业头部企业，这样的人也并不多见，这世上多的是南郭先生。
互联网公司每天会产生上千万上亿的数据，其实这些数据大致都可以分为三类：
业务数据往往是比较直观的，它直接对应你的OKR或者KPI，最重要的业务目标在增长黑客里也有一个说法叫「北极星指标」。它最大的特点在于可衡量、可拆解。
用户数据这里也不用多说，一个业务或者产品面对的目标用户，它的具体用户画像和特征，无论是用研调查还是技术算法，都会穷尽可能，让你感知和了解用户大盘。
行为数据这里稍后会展开，结合UJM+OSM聊一聊。
其实对于每一个数据字段，也可以进一步分类：
这里看英文可以更直观，在统计学中，单一数据字段可以被分为离散和连续。离散通常是维度，特征是有限数量的值，比如城市名称；连续通常是度量，特征是不可罗列，可能为任一数值，比如GMV。但维度和度量其实也并不是泾渭分明的，比如金额，可以做维度，也可以度量。但绝大多数情况下，可大致如此分类。
UJM即User Journey Map，用户旅程地图；OSM即Objective-Strategy-Measurement，目标、策略和衡量；这两个模型在绘制产品和业务大图时常常会结合使用。插一句，这里其实就是我和老板相互画饼的日常，哈哈哈~
这里简单绘制一个示意图大家感知一下即可：
1）明确核心指标
2）核心指标拆解
核心目标的拆解有多种方法，业内常用的比如加减乘除公式、二八法则、漏斗转化等。
在公式拆解这里有一个小tips：
3）数据指标口径
由于互联网公司部门与部门间的沟通成本巨大，数据指标口径建议在统一达成共识后，数据口径、关键库表、SQL统一进行归档。
这里以常见的C端流量数据为例，进行一个初步的数据解读，也不枉上边讲了一堆方法论，也好有一点实操感。
日常流量运营里，可以用“4W1H”进行一个简单的流量数据划分。原则上画图会更清晰，但太麻烦了，就简单罗列一下：
关于流量数据分析，可以简单用一句话概括：流量从哪儿来？经过什么？产生了什么价值？如果波动，波动原因是什么？
以上是整体的分析思路，具体的业务场景里，包括结构分析、趋势分析、对比分析等；一些思维方法包括网格化、象限法、漏斗法、公式结构等；常用的数据工具就更多了，Excel、SQL、Python、FBI看板等等。
总而言之，理清主要思路，具体用哪一种方式，从A到B有无数条路径，这个可以千人千面。
关于这个part我也还在进行时。我的观点是无论解读数据的能力，还是关于数据认知的敏感，这都是一个任重而道远的过程，需要有长期主义的心态，保持持续学习的态度和热情。
保持数据洞察，其实可以随时随地进行练习。对待任何一个事物或者产品，保持结构化理性，充分吸收外部信息和整理内化信息。例如思考都可以从宏观、中观、微观角度去切入。
本文由 @不知名的阿Q 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。