0、引言

“效率”作為得物技術(shù)部的關(guān)鍵詞之一，大家在研發(fā)效能、會(huì)議效率、協(xié)作效率、辦公效率等方面一直進(jìn)行著持續(xù)地探索。在實(shí)際落地的過(guò)程中，為了更好地評(píng)估應(yīng)用效果，往往需要將定性描述轉(zhuǎn)換為可量化的數(shù)據(jù)指標(biāo)。這些數(shù)據(jù)指標(biāo)可以幫助我們了解研發(fā)過(guò)程中的變化和趨勢(shì)。但是你真的能“讀懂”這一堆冷冰冰的數(shù)字嗎？

在看到這些數(shù)據(jù)指標(biāo)時(shí)，我們往往很容易陷入一個(gè)誤區(qū)：只關(guān)注具體的數(shù)字，而忽視了數(shù)據(jù)采集和分析解讀的過(guò)程。這意味著即使我們對(duì)這些指標(biāo)進(jìn)行了定期監(jiān)控，我們?nèi)匀徊荒苷嬲私庋邪l(fā)過(guò)程中的狀況和障礙。

因此，如何正確地解讀這些數(shù)據(jù)指標(biāo)變得尤為重要。為了有效解讀數(shù)據(jù)，我們需要了解數(shù)據(jù)來(lái)源和分析過(guò)程，以及數(shù)據(jù)指標(biāo)與業(yè)務(wù)實(shí)際情況之間的關(guān)系。只有這樣，我們才能更好地理解我們所面臨的問(wèn)題和挑戰(zhàn)，并且采取適當(dāng)?shù)拇胧﹣?lái)加以解決。

1、研發(fā)數(shù)據(jù)從哪里來(lái)

第一階段：人肉統(tǒng)計(jì) 

當(dāng)我們從0到1定義一個(gè)新流程、新數(shù)據(jù)指標(biāo)時(shí)，通常是處于探索驗(yàn)證的階段，這個(gè)時(shí)候通常不會(huì)耗費(fèi)過(guò)多人力來(lái)搭建線上化的系統(tǒng)，導(dǎo)致數(shù)據(jù)采集的過(guò)程十分痛苦，文檔、表格、甚至群聊等五花八門(mén)的數(shù)據(jù)來(lái)源，不少同學(xué)應(yīng)該有親身體會(huì)。

第二階段：分散、未經(jīng)處理的系統(tǒng)數(shù)據(jù)

技術(shù)部全鏈路的研發(fā)過(guò)程數(shù)據(jù)往往分散在多個(gè)內(nèi)部系統(tǒng)中，當(dāng)你需要分析某個(gè)數(shù)據(jù)的時(shí)候，可能會(huì)涉及到不同系統(tǒng)之間的交互，而各個(gè)系統(tǒng)由于數(shù)據(jù)維度、統(tǒng)計(jì)口徑的不同，必須先梳理清楚數(shù)據(jù)背后對(duì)應(yīng)的邏輯，其次再進(jìn)行數(shù)據(jù)清洗、關(guān)聯(lián)業(yè)務(wù)線/部門(mén)等統(tǒng)計(jì)維度，最終形成可用的數(shù)據(jù)源。除此之外，一旦涉及到某個(gè)系統(tǒng)的改造/數(shù)據(jù)加工，想要獲取到可用的數(shù)據(jù)更是難上加難。

第三階段：流程不規(guī)范，導(dǎo)致數(shù)據(jù)不可用

這是系統(tǒng)建設(shè)中最常見(jiàn)的問(wèn)題，由于系統(tǒng)沉淀的數(shù)據(jù)強(qiáng)依賴(lài)用戶(hù)操作，如果在流程中沒(méi)有規(guī)范化的操作方法及卡點(diǎn)管控，就有可能造成數(shù)據(jù)不可用。最典型的例子就是項(xiàng)目管理軟件中需求/任務(wù)的狀態(tài)流轉(zhuǎn)，會(huì)出現(xiàn)任務(wù)長(zhǎng)時(shí)間處于未開(kāi)始狀態(tài)、長(zhǎng)時(shí)間滯留在進(jìn)行中、任務(wù)完成但是消耗的工時(shí)為0等各種異常場(chǎng)景。

第四階段：成熟階段

工具一體化，流程規(guī)范化，數(shù)據(jù)標(biāo)準(zhǔn)化。效能度量和項(xiàng)目管理人士心馳神往的階段，這個(gè)階段要流程有流程、要系統(tǒng)有系統(tǒng)、要數(shù)據(jù)有數(shù)據(jù)，無(wú)需耗費(fèi)大量精力來(lái)獲取數(shù)據(jù)和處理數(shù)據(jù)。

2、數(shù)據(jù)指標(biāo)之略問(wèn)一二

大數(shù)據(jù)時(shí)代，萬(wàn)物皆可數(shù)據(jù)化。在研發(fā)過(guò)程中，沉淀下來(lái)的數(shù)據(jù)可以定義出種類(lèi)繁多的數(shù)據(jù)指標(biāo)，基于這些數(shù)據(jù)，我們往往會(huì)耗費(fèi)大量人力打造出一個(gè)數(shù)據(jù)指標(biāo)大盤(pán)，甚至美其名曰“駕駛艙”。雖然我們的理想絕不僅限于擁有數(shù)據(jù)大盤(pán)，但現(xiàn)實(shí)很骨感，殘酷到“你以為的起點(diǎn)竟變成了你的終點(diǎn)”，沒(méi)錯(cuò)，數(shù)據(jù)大盤(pán)可能是大部分團(tuán)隊(duì)的終點(diǎn)，它具有取數(shù)、看數(shù)以及基礎(chǔ)的可視化圖表，值得注意的是，面對(duì)五花八門(mén)的指標(biāo)，我們稍不注意就會(huì)迷失了方向。

2.1 你知道X指標(biāo)的定義是什么嗎？

看到這個(gè)問(wèn)題，很多人認(rèn)為沒(méi)有難度，不需要太多思考就可以列出具體的公式和取數(shù)邏輯，但是真正想問(wèn)你的不僅僅局限于此，更深入一步的問(wèn)題是：你知道X指標(biāo)為什么這樣定義嗎？想要通過(guò)它來(lái)衡量什么？

在軟件研發(fā)領(lǐng)域，提到研發(fā)數(shù)據(jù)就不得不提研發(fā)效能度量，后者在各路大神的研究及科普下已經(jīng)逐步走向成熟，與此同時(shí)也沉淀出很多業(yè)內(nèi)通用的研發(fā)效能指標(biāo)。但如果你僅僅是生搬硬套指標(biāo)定義，而不去深入理解指標(biāo)背后隱藏的業(yè)務(wù)目標(biāo)，你會(huì)發(fā)現(xiàn)最終的結(jié)果往往不盡人意。所以我們要知其然，還要知其所以然，當(dāng)你在使用或定義一個(gè)數(shù)據(jù)指標(biāo)時(shí)，必須要清楚地知道度量X指標(biāo)的真正目標(biāo)，想要發(fā)現(xiàn)或改進(jìn)什么問(wèn)題，避免變成純純的數(shù)字游戲。

2.2 你知道最核心的指標(biāo)是哪個(gè)嗎？

在幾十個(gè)數(shù)據(jù)指標(biāo)中，你能分辨出哪個(gè)指標(biāo)最重要嗎？看到這里，你可能在仔細(xì)對(duì)比各個(gè)指標(biāo)的重要性，但是，

這是個(gè)帶有誤導(dǎo)性的問(wèn)題，在我看來(lái)，沒(méi)有最核心的指標(biāo)，只是不同的領(lǐng)域會(huì)有相對(duì)核心的指標(biāo)。想想新廣告法開(kāi)始限制“最”、“第一”這種詞語(yǔ)的使用，是不是感覺(jué)也挺合理？這些形容詞是需要基于真實(shí)場(chǎng)景的，同時(shí)又會(huì)因?yàn)樗庪A段不同，導(dǎo)致你關(guān)注的指標(biāo)也會(huì)發(fā)生變化，就像OKR一樣，不同的時(shí)期你會(huì)設(shè)立不同的O，自然就會(huì)有不同的KR。

舉個(gè)例子：

• 公司在Q1要快速擴(kuò)張，它對(duì)應(yīng)的KR可能會(huì)包含DAU、GMV等指標(biāo)
• 公司在Q2要提升體驗(yàn)，它對(duì)應(yīng)的KR可能有NPS、秒開(kāi)率、工單解決工作時(shí)長(zhǎng)等指標(biāo)。

參照OKR的概念我們也能發(fā)現(xiàn)，我們要從一堆指標(biāo)中篩選出你真正關(guān)注的指標(biāo)，而不是所有指標(biāo)一手抓。

3、不解讀 或 無(wú)效解讀 = 毫無(wú)意義

篩選出了核心指標(biāo)后，就需要來(lái)合理地解讀指標(biāo)。數(shù)據(jù)指標(biāo)分成過(guò)程指標(biāo)和結(jié)果指標(biāo)，結(jié)果指標(biāo)只能告訴你好壞，通常需要參照和它相關(guān)的多個(gè)過(guò)程指標(biāo)來(lái)進(jìn)行歸因。

對(duì)于大多數(shù)人來(lái)說(shuō)，我們不是專(zhuān)業(yè)的數(shù)據(jù)分析師，即使是長(zhǎng)期在項(xiàng)目管理和研發(fā)效能領(lǐng)域工作的專(zhuān)家，可能在數(shù)據(jù)分析方面的能力也有所欠缺，所以如何解讀數(shù)據(jù)指標(biāo)就成了一個(gè)難題。

如果你不解讀數(shù)據(jù)指標(biāo)，直接把一堆指標(biāo)丟到用戶(hù)面前，用戶(hù)看了半天，沒(méi)看出指標(biāo)的好壞，也不知道要不要改進(jìn)，更不清楚如何改進(jìn)，最終只能是一臉茫然。

如果你用數(shù)學(xué)的方式進(jìn)行了無(wú)效解讀，比如需求吞吐率下降，解讀為團(tuán)隊(duì)承接的需求數(shù)減少（分子），而提報(bào)的需求數(shù)增加（分母），這就屬于無(wú)效解讀，這個(gè)結(jié)論幾乎沒(méi)有價(jià)值，需要進(jìn)一步挖掘分子減少和分母增加的根因。

所以，我們要通過(guò)數(shù)據(jù)指標(biāo)解讀出關(guān)鍵性的結(jié)論，告訴用戶(hù)存在的問(wèn)題及改進(jìn)的方法，只有這樣你的指標(biāo)才是有價(jià)值的，否則空有指標(biāo)，啥也不是。

4、解讀數(shù)據(jù)指標(biāo)的幾個(gè)步驟

度量數(shù)據(jù)指標(biāo)不是目標(biāo)，只是實(shí)現(xiàn)目標(biāo)的手段。我們希望可以從中獲得有價(jià)值的信息和結(jié)論，從而指導(dǎo)實(shí)際的業(yè)務(wù)決策。碰巧之前數(shù)據(jù)團(tuán)隊(duì)的大佬來(lái)團(tuán)隊(duì)普及數(shù)據(jù)分析的基礎(chǔ)知識(shí)，提出了“可量化、可解釋、可干預(yù)”的觀點(diǎn)，此處正好把想問(wèn)的三個(gè)問(wèn)題分別對(duì)應(yīng)到其中：

圖片

第一層：基礎(chǔ)

可量化：我們希望通過(guò)客觀的數(shù)據(jù)指標(biāo)來(lái)描述現(xiàn)象，就需要明確數(shù)據(jù)指標(biāo)的定義，確定其和業(yè)務(wù)目標(biāo)的對(duì)應(yīng)關(guān)系，判斷指標(biāo)的適用性，以及在不同場(chǎng)景下的不同意義。

第二層：分析

可解釋?zhuān)壕褪亲屚ㄟ^(guò)分析數(shù)據(jù)指標(biāo)得到的結(jié)果，能夠被用戶(hù)理解。在開(kāi)始正式工作之前，我們先熟悉下列幾個(gè)問(wèn)題，因?yàn)榻酉聛?lái)的工作，主要都是圍繞著這些問(wèn)題進(jìn)行的：

• 指標(biāo)對(duì)應(yīng)的數(shù)值是好還是壞？有沒(méi)有基線標(biāo)準(zhǔn)？跟基線相比是好是壞？
• 跟自己比趨勢(shì)是變好了還是變壞了？是正常波動(dòng)還是異動(dòng)？

帶著問(wèn)題，接下來(lái)進(jìn)入正式的研發(fā)數(shù)據(jù)分析流程：

1. 數(shù)據(jù)采集及清洗：獲取到高置信度的數(shù)據(jù)，同時(shí)可能會(huì)使用表格或者可視化的圖表來(lái)展示數(shù)據(jù)

2. 選取特定的維度，如業(yè)務(wù)線、部門(mén)、個(gè)人等維度，得到相應(yīng)的數(shù)據(jù)；同時(shí)選定基線，得到基線的數(shù)據(jù)。根據(jù)這些數(shù)據(jù)，我們可以得出指標(biāo)對(duì)應(yīng)的數(shù)值是好還是壞的結(jié)論

3. 使用基礎(chǔ)的統(tǒng)計(jì)學(xué)方法，如對(duì)比分析、趨勢(shì)分析等方式對(duì)數(shù)據(jù)指標(biāo)進(jìn)行分析，通過(guò)橫向?qū)Ρ燃皻v史趨勢(shì)數(shù)據(jù)的對(duì)比，得出趨勢(shì)變好還是變壞的結(jié)論。與此同時(shí)，我們還需要分析出指標(biāo)是正常波動(dòng)還是異常波動(dòng)

4. 如果上一步的數(shù)據(jù)指標(biāo)是異常波動(dòng)，則可以對(duì)關(guān)聯(lián)指標(biāo)進(jìn)行分析，舉例：我們發(fā)現(xiàn)研發(fā)交付周期數(shù)據(jù)發(fā)生異動(dòng)，同時(shí)發(fā)現(xiàn)與它相關(guān)的需求變更率、缺陷引入率指標(biāo)都發(fā)生了異動(dòng)，此時(shí)可以通過(guò)相關(guān)過(guò)程指標(biāo)進(jìn)行下一步分析

5. 通過(guò)具有相關(guān)性的過(guò)程指標(biāo)來(lái)分析主要影響因素，最終定位指標(biāo)異動(dòng)的根因。

至此，我們成功定位了指標(biāo)異常波動(dòng)的根因，這也預(yù)示著第二步的完成。在實(shí)際分析的過(guò)程中，此階段往往是最為耗時(shí)的階段，值得注意的是，我們通常不會(huì)將整個(gè)分析的過(guò)程體現(xiàn)到最終的分析報(bào)告中，雖然其復(fù)雜耗時(shí)，但對(duì)大多數(shù)用戶(hù)來(lái)說(shuō)，更加關(guān)注的是結(jié)論而不是過(guò)程。

第三層：價(jià)值

可干預(yù)：通過(guò)適當(dāng)?shù)姆椒▉?lái)改進(jìn)我們歸因發(fā)現(xiàn)的問(wèn)題。辛苦了半天，定位到了數(shù)據(jù)指標(biāo)異動(dòng)的根因，但是這并不意味著結(jié)束，接下來(lái)還有更重要的一步，這一步能體現(xiàn)你對(duì)業(yè)務(wù)的思考，體現(xiàn)你這份分析報(bào)告的真正價(jià)值，剛剛讓我們辛苦了半天的分析過(guò)程，也要靠它贏回票價(jià)。

• 首先，需要評(píng)估指標(biāo)異常波動(dòng)帶來(lái)的影響，以及關(guān)聯(lián)指標(biāo)異常波動(dòng)帶來(lái)的影響，整體是正向影響還是負(fù)向影響，如果影響程度可接受，不需要干預(yù)，那到這里就結(jié)束了
• 其次，結(jié)合該指標(biāo)的歷史數(shù)據(jù)趨勢(shì)以及其他相關(guān)指標(biāo)情況，嘗試對(duì)未來(lái)做預(yù)測(cè)，評(píng)估指標(biāo)再次劣化的可能性
• 隨后，針對(duì)不同的場(chǎng)景及關(guān)聯(lián)指標(biāo)情況，提供可改進(jìn)該數(shù)據(jù)指標(biāo)的措施，并評(píng)估預(yù)期效果（注意預(yù)期效果和實(shí)際執(zhí)行落地的效果相比可能會(huì)打折）
• 最后，評(píng)估改進(jìn)措施所需要的投入，結(jié)合ROI來(lái)輔助你做出最終的業(yè)務(wù)決策。

經(jīng)過(guò)這一波分析可能得出一條結(jié)論：指標(biāo)異常波動(dòng)，相比基線低XX%，經(jīng)過(guò)分析發(fā)現(xiàn)本季度遇到了A、B、C問(wèn)題，歸因是X、Y、Z原因，負(fù)向影響顯著。結(jié)合歷史趨勢(shì)綜合評(píng)估未來(lái)發(fā)生的可能性約XX%。建議通過(guò)1、2、3等方式來(lái)做改進(jìn)，分別預(yù)期投入XXX，能夠解決XXX問(wèn)題，并帶來(lái)XXX額外效果。

結(jié)論是分析數(shù)據(jù)指標(biāo)得到的產(chǎn)物，它遠(yuǎn)比冷冰冰的數(shù)字有價(jià)值。從管理者及普通用戶(hù)的視角來(lái)看，給我一堆數(shù)字我也不知道要從哪下手分析，不如你直接告訴我現(xiàn)在的問(wèn)題是什么，是否需要改進(jìn)，要怎么做才能改進(jìn)，改進(jìn)后能拿到什么結(jié)果。

5、結(jié)語(yǔ)

在項(xiàng)目管理和度量領(lǐng)域，基礎(chǔ)的數(shù)據(jù)分析能力是從業(yè)者們必備技能，你可以不精通，但需要掌握入門(mén)技巧，同時(shí)必須要有專(zhuān)業(yè)領(lǐng)域的業(yè)務(wù)思考，一旦脫離了業(yè)務(wù)，數(shù)據(jù)指標(biāo)也就變成了純純的“數(shù)字游戲”。

縱觀整個(gè)數(shù)據(jù)分析過(guò)程，從取數(shù)、分析，到得出結(jié)論并給出改進(jìn)建議，最終形成一份分析報(bào)告，哪怕看起來(lái)不算特別復(fù)雜的一份報(bào)告，實(shí)際上都包含著編寫(xiě)者們的一把心酸一把淚。

在實(shí)際工作中，受惠于系統(tǒng)工具的不斷迭代，已經(jīng)逐漸向系統(tǒng)化的取數(shù)和分析過(guò)程過(guò)渡，大大簡(jiǎn)化了數(shù)據(jù)分析的困難和復(fù)雜度。在結(jié)合人工分析過(guò)程中，也在逐步摸索更加高效的方法，快速得出結(jié)論和建議。未來(lái)也希望能通過(guò)系統(tǒng)化、智能化的方式，讓大多數(shù)人能夠看懂?dāng)?shù)據(jù)指標(biāo)，能夠直接利用有效的建議來(lái)實(shí)施改進(jìn)，解決望指標(biāo)興嘆的問(wèn)題。