組織建立數據分析的難與痛

數據分析的好，人人都知道。可以改善用戶體驗、找到肉眼無法注意的機會點、尋找新的商機、可以讓資源花在刀口上等等的族繁不及備載，所以大家會努力想著要找到能數據分析的人、方法、設備，讓自己的公司能夠藉著數據分析殺出一條活路、或是開出一條別人看不見的賽道。

但是實際情況是，不同的組織、不同的公司埋了flurry、埋了GA，結果只建出了一個又一個的數據穀倉、一個又一個的數據孤島；每個人都有一堆的數據要看，但是看到最後反而被數據誤導，然後耽誤了工作時間，結果卻沒有換到什麼成果；數據的邏輯因果關係越用越複雜，數據框架越來愈多，但是問了對方為什麼這麼做的時候，對方只回答:要看數據啊！要報告數據啊！通常再追問，看了、報告了，然後呢？通常只會換到一陣沉默以對……

數據分析我認為是一門科學，科學就是假設、實驗、證明，但很多管理者在想著建立數據分析時，卻不是以這個方向來做思考，反而想著來建個數據分析好了，然後數據看一看應該就有可以改善的地方，這就像做一個科學實驗，你只把相關儀器跟環境準備個大概，卻忽略了實驗中的變因、實驗中應該要有的人才、實驗應該要有的流程，最後實驗一直得不到要的結果，要不就是持續做相同的事情期待有不一樣的答案，要不就是讓這些數據們，就又變成茫茫穀倉大海裡的一粟。

在數據這件事上，其實最終就只是為了洞見，為了能讓你的產品迭代的更好的洞見。而這個洞見背後，我認為需要有四個因素相配合：能說故事的人才、聚焦的產品、懂得數據推動產品的邏輯、管理層的心態。

這些要素缺一不可，這樣才能搭建起一個合適正確的數據分析體系，然後讓這個體系持續運作，進而產生洞見，持續培養出能產生洞見的人才，然後讓整體公司、組織往想要的方向走時，又多一把有用的尋寶探測器。

有些企業在記錄數據上，會由Jr.PM進行記錄或抄寫，後續就由Jr.PM來進行報告，報告完數據後就草草結束。然後有時候PM還不能很好的描述數據所帶來的意義，甚至迷失在數據海，或是拿著不太重要場景的數據來和大家說明，既無法產生洞見或優化方向，也讓與會者的時間效益石沉大海。

我認為人要能夠在數據分析的體系裡面較好的運作，至少要具備以下兩個要素：懂運用user flow或是user journey等規劃框架、有至少兩年規劃經驗的產品人。懂一些運作框架是因為台灣業態不一定能讓你好好的接觸用戶，很多情況下我們是採用半摸半思考的狀態，去參考競品、去問問同事，這時候運用框架變得相對重要。因為這些框架一定程度上，是國外探索UX所薈萃出來的概念，以這樣的框架思考，對用戶的行為有機會進一步的架構，而不會只是點狀、散狀的發散。而有這樣框架的運用經驗後，對於數據反饋在思考時，我們剖析或思考的場景有可能更合理，會更系統性的呈現。

而要有一些規劃經驗是為了在一些架構的調整上，我們可以快速的在產品上決定元素擺放方式 或 陳列形狀，例如有些呈現方式是換頁籤、有時是摺疊、有時是進到下一個頁面等等，很多情況結合前面思考的場景，再到UI上不同程度的實現，這些讓有規劃經驗的人在執行是可以相對快速與明確的，因為對一個還不太知道數據分析本質為何物的產品人，在摸索數據分析這件事情上就夠苦惱了，如果還由一個Jr.PM來做那基本上只可能一事無成。

在進行數據分析時，應該要聚焦的在一個能收集有效數據的產品上，或是一個範圍內，持續的去看數據的反饋、進而思考能否產生洞見，然後不斷優化與調整，讓能數據分析的人和範圍逐漸擴大，創造更大的效益。但普遍大家的習慣是，我們要導入數據分析，那就推行到整個組織吧！結果這件事導致的下場是，要看的數據越來越多，但沒有人能夠根據數據分析的本質來思考數據，反而變成報數據大會，追著數據跑，然後大家抄了數據好幾個月、甚至一兩年，結果數據這件事卻沒有對組織有任何貢獻。

我認為數據是可以跟催營運狀況和了解相關極端情況，但管理者應該更聚焦於一些質化規劃的場景思考再回頭來省思數據，因為有時候一些小幅的變動卻要找一些理由來說明，反而是對工作時間的一些耗損。

我看過一些人在埋數據的時候，是鋪天蓋地的埋，但其實這樣做沒有意義，而且數據表的品質可能好不到哪裡去。而且會這樣做的另一個面向，是不太清楚自己產品的用戶使用流程、與該聚焦的用戶場景，因為沒有明確定義才會變的亂槍打鳥。如果從規劃產品初期，就有去思索或了解用戶的使用場景，至少在你的產品上你會知道可能的蹤跡在哪，而這樣的蹤跡按圖索驥才能有較明確的立論點來看用戶怎麼使用產品，也能夠有可以迭代和調整的利基點。

通常數據在產品上的運作機制可能為：

規劃→埋數據→上線→數據反饋→假說→規劃→埋數據→上線

我們必須要根據上線後的數據反饋，深思與規劃時場景的差異，然後試著以數據說故事，看能不能建構出合理的假說，然後根據這樣的假說找證據支持，接著再進行規劃，然後上線驗證。

整個數據推動產品的過程其實是一個接一個明確的步驟，而且在某些步驟是針對規劃有深入的思考，再藉此看能否踏實的摸索到用戶的使用場景。而產品人在進行數據分析時，也必須很有意識思考整體的脈絡，然後試著將這樣運作過程說明給信任你的管理者，讓他們不會因為不信任或是一些主觀但不正確的想法，造成數據分析無法落實。

這一點其實最不可控但卻最為重要，因為推動數據分析需要資金、人力、時間都是在老闆這裡，但數據分析根據前面這樣的說明，大家應該比較知道整個數據分析困難的、和初步難以有成果的點在哪。而在這樣的情況很容易在一些一頭熱的開始，最後卻無疾而終，徒留一個又一個的數據孤島。

所以我認為要推動數據分析的管理者，心中要有很明確數據分析會進展的Roadmap、數據上困難運作的認知、也要願意持續的投入好的人才與時間，然後堅持下去。因為在建構數據分析體系後，很可能需要半年、一年組織內的人才才有辦法更明確的瞭解數據分析的本質，然後更敏銳的產出能讓產品飛躍的洞見。

數據分析的推動其實裡面要注意的眉角很多，它不僅需要人才的配合；還需要公司有意識的推動；更需要主推者很明確的了解它的效益與困難，然後堅持不懈的推動下去。

而且我覺得另一個讓大家誤會的詞是Data driven，數據從來沒辦法驅動什麼。是因為我們造出的產品與世界互動後才產生了數據，而數據只是驗證或提示我們也許什麼地方是值得思考的方向，我想Data inform可能會是對數據分析來說比較合理的解釋，而從這樣的立場，我想可以更合理的去思考數據與產品、數據與規劃的關係，而有一段好的關係，數據分析才能走得長久，怎麼感覺像在談感情了(誤)。

希望大家都能從數據分析中，獲得滿滿的洞見！