Amanda Richardson是“今夜*酒店”服務供應商HoTonight的數據和戰略部門主管，曾經擔任過該公司的產品副總裁。
在多年工作中，Amanda Richardson一直專注于數據研究。她發現，越來越多的公司會利用數據來進行決策。但同時，她也發現，在各種數據趨勢和方法中，低效與誤導問題非常嚴重，甚至可能會讓公司錯失很多機遇。
在這篇文章中，Richardson羅列了全行業數據團隊應該警惕的四大常見錯誤，并且介紹了公司負責人應該如何避免這些錯誤、合理利用數據來實現戰略目標。其中，她特別介紹了自己依照之前*多年的產品團隊，來組建現在這個團隊的過程。另外，她還提出，在打造新一代產品時，要多注意簡單、連貫和共識，切勿一味追求潮流。
錯誤一：首先考慮衡數據指標而沒有考慮發展目標
現如今，數據獲取已經比以往容易多了。對于大多數公司來說，收集、儲存和分析數據，也已經成為日常運營中的慣例。但往往，這些公司根本就不知道這些數據有什么用，只是漫無目的地搜羅和分析，缺乏明確的觀點想法，盲目追逐一個不斷變化的目標。
Richardson表示：“在zui開始的時候，你需要一個有待回答的具體問題，以及一個有待驗證的假設。通常情況下，一款新產品上線之后，大家會習慣地問它表現如何。但很少有人會說：’我們的產品目標就是將甲轉化成乙，或者盡量擴大漏斗頂部范圍等等。’”
如果沒有一個明確的、大家都認可的目標，那么當新數據出現時，就會存在功虧一簣、從頭再來的風險。就以HoTonight為例，它有一項功能可以讓用戶把搜索結果中zui滿意的酒店標記出來，以便先于其他酒店打詢問確認。但是，有人就問了，這項功能是專門為用戶服務，還是為不喜歡*就想查看某家特定酒店的新用戶服務的呢?又或者，是專門為那些計劃旅行、需要仔細挑選的用戶服務的?這些都是有可能的，但能夠決定成功與否的關鍵衡量指標是什么?這個問題如果不搞清楚，那將會帶來很多后續麻煩。
提高數據獲取和利用效率的關鍵，就在于要清清楚楚列出自己想實現的目標，以及究竟應該如何去定義成功。當然，真正要做到遠比嘴上說說困難得多。大方案和大目標，大家都同意。可一旦說到細節和具體目標，那可就沒幾個人清楚了。
因此，一定要明確所要追求的目標，以及追求過程中的所有細節。不妨用一張計分卡來衡量目標實現的具體進展。Richardson引用目標設立的經典速記法說道：“在每個項目開始之前，你都需要把目標和大致流程手寫下來。總結起來就是五點，即具體、可衡量、可實現、相關和及時。”
說到設立zui為重要的目標，她明確表示：“這是初創企業創始人zui為關鍵的職責之一。公司應該扛起大旗，帶領大家為實現zui高目標而奮斗。那么，究竟應該借助哪些自家公司的方法來實現這一目標，就是下面團隊的工作了。另外，團隊負責人還需要搞清楚團隊中每位成員的不同需求。其中，對于早期階段公司來說，如果要是把所有這些戰略目標制定工作，都留給產品的話，那就不太公平了。”
在實現目標的過程中，我們很容易會分心、出現方向偏差或者錯誤地調整計劃。而避免這種現象出現的方式，就是把自己設立的目標清晰地寫在紙上。比如說，你現在定的目標，是將用戶的比例提高10%。但現實是，原有重復用戶的比例增加了30%。這時候，你一看到這個數字，就會非常高興，認為自己實現了30%的重復率目標。發現問題了嗎?你其實搞錯了自己的目標，因為真正要實現的，是10%的用戶提高。在這個過程中，你的關注重點遭到了轉移。
至于原因，其實也不難理解。畢竟壓力太大了，執行官需要用數據告訴大家公司已經取得了成功，以鼓勵大家繼續努力。如果團隊正處于擴張階段，那么需要養活的人就實在太多了，壓力也就可想而知。當然，不管再怎么說，他們還是需要在目標這個問題上保持誠實。
對于zui高層次目標，以及用來衡量該目標的諸多指標，必須要盡可能。不過，這也不是說，讓你對過程中出現的其他數據和觀點視而不見。只是讓你保證自己的關注重點，放在事先設立好的目標和主要數據上。
錯誤二：過度追求個性化和私人定制
對于許多初創企業來說，解決用戶所遇問題的一種方式，就是針對他們的具體需求提供個性化服務，比如說私人定制的主屏幕或者*服務。亞馬遜和Facebook這類利用此策略取得成功的大型企業，就是的案例。因此，你會認為，個性化服務就一定能帶來好處。但其實，真是這樣嗎?
就目前看來，并不一定。在發展早期，公司所做的每一個決定，都需要提前考慮機會成本的問題。個性化服務的開發，需要投入大量時間和人力。從許多角度來看，這就相當于開發一項全新功能。但這項功能，是不是你所需要的呢?就產品本身而言，是不是有意義呢?
就算答案是肯定的，那你仍然需要仔細斟酌，不能太過急躁。一般情況下，開發個性化產品，需要大量已知數據作為支撐。對于較為年輕的公司來說，肯定是沒有足夠時間來收集如此大量數據的。
Richardson介紹說：“我曾經見過不少尚未正式成立的初創企業的負責人，要知道，這些企業的用戶數量還不到100人，可他們卻說要開發個性化的產品和服務，我就在想他們究竟要針對什么內容提供個性化服務呢?更為重要的是，他們為什么要這么做呢?想要解決的問題又是什么呢?大多數情況下，要么是想要博頭條，要么是某位不明智的董事會成員認為個性化是取得成功的秘訣。”
這不是說Richardson不贊成個性化，畢竟HoTonight用戶體驗中zui為關鍵的元素，就是個性化的搜索結果。只是因為搞清楚這些用戶對于個性化服務究竟有著什么樣的需求，需要以大量數據為基礎，是一件非常費時費力的事情。
是否需要開發個性化服務，以及應該什么時候著手去開發，這兩個問題是沒有*或者固定答案的。Richardson個人的建議，還是像上文說的一樣，不要搞得太復雜，先確定一個需要實現的目標或者需要驗證的假設。
對于某些初創企業來說，個性化服務或許與宏觀層面上的任務目標有著緊密，這時候就需要早早將其提上日程。而對于其他初創企業來說，個性化開發或許永遠都不需要，因而也就不值得投入資金。舉個例子，如果你現在提供的是一款照片流應用程序，那確實是該考慮這個問題。因為在這一領域，個性化是非常核心的競爭要素，能夠幫助你在眾多競爭對手中脫穎而出。但如果你現在提供的是一款B2B支出管理軟件，那就沒必要在個性化服務這個問題上浪費錢財了。
總而言之，過度關注個性化，將會產生非常大的機會成本，它與實際開發時間之間是一場公平交易。也就是說，如果你在個性化問題上花浪費了太多時間，那在其他更為重要的增長機遇上花費的時間必然就會減少，取得成功的可能性也就必然會降低。其實，你的數據團隊可以負責回答一些重要的商業問題，比如究竟哪些因素能夠更好地驅動用戶轉化。
錯誤三：花大價錢雇用高度專業的數據科學家
如果你認為自家公司需要聘用一位高度專業的數據科學家來完成各種分析工作，Richardson還是建議你三思而后行。用她的話說：“就我個人而言，數據科學說到底其實就是一系列技能，而不是一份工作。同樣地，我也會說，分析和戰略是一系列技能，而不是一份工作，這是一樣的道理。在發展早期，團隊中的每個人都必須要具備戰略性思維，同時也必須要具備分析的能力。”
她借助zui近一部電影《隱藏人物》來解釋了這個問題。這部電影主要講述了NASA早期研發任務背后的女性數學家的故事。那些人以前有一個稱號，就是“計算機”，因為在過去她們就是專注于復雜計算的*一群人。然而現在人人都可以計算，這已經不再是一份工作，相反已經成為通用技能中的一部分。這個世界就是這樣一步一步發展演化的。而我們現在接觸的，其實就是所謂的數據科學。按理說，應該要有越來越多的人，主動承擔并且有能力去利用數據分析作出決策。
的數據科學，不僅需要統計和計算，還需要對市場以及自家公司在市場中的位置和作用有足夠的了解，找到重要的問題所在，并且為這些問題找到有意義的答案。另外，還有一點也同樣重要，那就是扎實的編程技巧。絕大數情況下，公司在雇傭這方面人才時，就只會考慮統計技能。而這個人平時是接觸不到公司那些帶有商業性質的內容的。這樣一來，這位所謂的數據科學家，對公司的運作模式是一無所知。因而，各種數據統計分析結果和*內容，也就過于理論，相關性就很小。
也就是說，數據科學家只有技術是遠遠不夠的，還必須要有敏銳的商業嗅覺。否則，就算他的技術活干得有多么出色，終究還是無法取得真正的成功。他們既沒有時間也沒有機會，去與工程師、項目以及拿到手的營銷線索進行互動。因為他們根本不知道要去找些什么，而且也沒有那個權利去提出心中有疑問的那些問題。
就說HoTonight，在我們看來的價值zui高的那些用戶，通常都不是在頭兩個星期就順利轉化的。事實上，他們都是在安裝之后的半個月到一個月之內才轉化的。
與此同時，聘請高度專業的數據科學家，還存在一個問題。如果說遇到了某個難題或者想要某個結果，那大家很可能什么都不干，就坐等著數據科學家開口，而不是問自己可不可以嘗試著通過什么方式去解決。說實話，如果在某家公司內，所有員工都享有一定的自由和權利，能夠通過接受特定教育來自行完成分析工作，那么這家公司取得成功的可能性相對來說會更大。
有人說，專業數據科學家的費用實在太高，對于小公司來說肯定請不起。但其實，這根本就不是問題，千萬不要將自己的目光局限在這一職位上。首先，你的團隊里肯定有人上過統計課程;其次，你需要一位專業開發人員;zui后，是敏銳的商業嗅覺，實在不行，公司執行官也是人選。所以，關于數據統計分析這個問題，集齊這三個人就可以了。
再退一步說，即便你有錢去請數據專家，那請來之后專家都做些什么呢?你是否為他準備好了足夠多的工作所需的材料?要知道，想做深度分析，那肯定是需要大量數據的。如果你的公司剛剛起步，用戶數量還不到60人，那數據肯定是不夠的。
如果你雇用了一位專業的數據科學家，那千萬不要“孤立”他們。讓他們多多參加各種會議和討論，詳細解釋各種數據分析結果。對于團隊中的每一位成員來說，只有當他們充分了解自己在整體環境中的角色職能，才能更加出色地完成自己的工作。
作為公司或者團隊，你要一直注重強化成員的工程技能、統計知識和商業嗅覺。對于同時具備這三種能力的人，要特別給予關注和重視。當然了，如果你的公司現在還處于早期發展階段，那還是將這三種能力分配在不同人身上吧。只要保證他們互相協作、做好分析工作就行，別想著一步到位，雇用一位全才。
錯誤四：過度追求zui為新潮的工具集
如今這個時代，每天都會出現新工具。但并不是所有工具都適合自家公司，很多時候這些工具到zui后都變成了垃圾。作為工具，它們能夠吸收你想要傳達出去的所有內容，但至于待傳達的內容具體是什么，都意味著什么，那就需要你自己去界定了。你要保證這些內容未來不會出現什么變化。
嚴格說來，沒有哪一款工具能夠*清楚地再現某個觀點。但同時，有些工具就算是再簡單，但只要你采用了合適的方式，那也是管理數據的一大方法。對于那些需要考慮資金消耗率的早期公司來說，應該要特別關注這個問題。具體說來，Richardson簡單介紹了數據團隊應該留心的三點注意事項：
(一)系統的目標規劃
這就又回到了*點，一旦你確定了zui為重要的衡量指標，那就放到儀表盤上，這樣就算是確定下來，沒有人可以更改了。大家都非常清楚地知道，這就是我們要實現的目標。
(二)易于獲取的數據
如果你想讓團隊中的每位成員都學著去形成分析思維，那就必須要保證他們有權利獲取數據。如果是市場營銷，那就是歸因數據;如果是產品研發，那就是客戶轉化數據;如果是技術工程，那就是正常運行時間數據。除此之外，zui為重要的一點，就是鼓勵來自不同部門、負責不同事務的人多多互動，彼此交流數據分析所得。
(三)靈活運用的工具
千萬不要將目光局限在某一款工具上。zui為理想的情況，就是讓大家根據自己的喜好和需求，來選擇不同的數據工具。在這個問題上，是沒有統一答案的。或許有人認為，各團隊、各成員都應該使用同一款工具，這樣的話分析效果會更好，但其實這是錯誤的想法。
總結：為何數據問題與產品問題同樣重要?
接下來的數據潮流是什么，Richardson無法準確預測。但是，她已經找到了一種有效方式，可以保證自己的數據團隊不受外界因素影響，并且專注于自己的本職工作，那就是像*產品團隊一樣*數據團隊。
擔任HoTonight產品副總裁三年之后，Richardson應公司聯合創始人兼執行官Sam Shank的要求，轉而擔任數據部門負責人。當時，公司發展遇到了瓶頸，核心數據衡量指標無法受到大家的認可。針對這個問題，Richardson發現是因為利益相關者太多，這些人各執己見，對于zui為重要的指標和目標始終爭執不下。
但好在，她發現數據團隊出現的問題與產品團隊幾乎是一樣的，于是便采取了同樣的應對措施。
她意識到，自己需要與*產品團隊時一樣，做好基礎設施建設工作。她介紹說：“我們需要一個待辦列表，需要找到一個能夠解決問題的人，能夠獲取用戶數據使用反饋的人等等。另外，我們還需要一個質量保證程序，確保自己不會改變數據。”
首先，就像指派項目一樣，她指派了一位數據產品主管，專門收集公司內各個團隊的數據使用情況。其次，她又利用質量保證測試套件，來確保全部數據的質量。
與之前在產品團隊的工作相比，Richardson在數據團隊發現了一個更為重要的要素，那就是文件記錄。為了實現既定目標，你需要一個共享詞匯表。從“收益”到“訪問”的所有詞匯，都必須要囊括在內。
數據分析的成功與否，就取決于這些細節工作。但其實，想要就這些術語意義達成一致，是一件相當困難和復雜的事情。
zui后，就是一定要定期棄用。想要組建一支健康運作的數據團隊，就一定及時棄用那些不再相關的數據流，將它們從數據庫中移除出去。不然，萬一調取了錯誤的數據，那就要出問題了。
用Richardson的話說：“如果有一天，不再有人質疑某一數據的正確性，那就表明你的數據團隊運作良好。即便有人不喜歡某些數據，但不會針對準確性提出疑問。”在產品團隊中，我們會研發核心功能，并且進行測試。在數據團隊中也是一樣，既有嚴格規定和慣用標準的舊數據，也有不太確定、尚在測試的新數據。
在多年工作中，Amanda Richardson一直專注于數據研究。她發現，越來越多的公司會利用數據來進行決策。但同時，她也發現，在各種數據趨勢和方法中，低效與誤導問題非常嚴重，甚至可能會讓公司錯失很多機遇。
在這篇文章中，Richardson羅列了全行業數據團隊應該警惕的四大常見錯誤，并且介紹了公司負責人應該如何避免這些錯誤、合理利用數據來實現戰略目標。其中，她特別介紹了自己依照之前*多年的產品團隊，來組建現在這個團隊的過程。另外，她還提出，在打造新一代產品時，要多注意簡單、連貫和共識，切勿一味追求潮流。
錯誤一：首先考慮衡數據指標而沒有考慮發展目標
現如今，數據獲取已經比以往容易多了。對于大多數公司來說，收集、儲存和分析數據，也已經成為日常運營中的慣例。但往往，這些公司根本就不知道這些數據有什么用，只是漫無目的地搜羅和分析，缺乏明確的觀點想法，盲目追逐一個不斷變化的目標。
Richardson表示：“在zui開始的時候，你需要一個有待回答的具體問題，以及一個有待驗證的假設。通常情況下，一款新產品上線之后，大家會習慣地問它表現如何。但很少有人會說：’我們的產品目標就是將甲轉化成乙，或者盡量擴大漏斗頂部范圍等等。’”
如果沒有一個明確的、大家都認可的目標，那么當新數據出現時，就會存在功虧一簣、從頭再來的風險。就以HoTonight為例，它有一項功能可以讓用戶把搜索結果中zui滿意的酒店標記出來，以便先于其他酒店打詢問確認。但是，有人就問了，這項功能是專門為用戶服務，還是為不喜歡*就想查看某家特定酒店的新用戶服務的呢?又或者，是專門為那些計劃旅行、需要仔細挑選的用戶服務的?這些都是有可能的，但能夠決定成功與否的關鍵衡量指標是什么?這個問題如果不搞清楚，那將會帶來很多后續麻煩。
提高數據獲取和利用效率的關鍵，就在于要清清楚楚列出自己想實現的目標，以及究竟應該如何去定義成功。當然，真正要做到遠比嘴上說說困難得多。大方案和大目標，大家都同意。可一旦說到細節和具體目標，那可就沒幾個人清楚了。
因此，一定要明確所要追求的目標，以及追求過程中的所有細節。不妨用一張計分卡來衡量目標實現的具體進展。Richardson引用目標設立的經典速記法說道：“在每個項目開始之前，你都需要把目標和大致流程手寫下來。總結起來就是五點，即具體、可衡量、可實現、相關和及時。”
說到設立zui為重要的目標，她明確表示：“這是初創企業創始人zui為關鍵的職責之一。公司應該扛起大旗，帶領大家為實現zui高目標而奮斗。那么，究竟應該借助哪些自家公司的方法來實現這一目標，就是下面團隊的工作了。另外，團隊負責人還需要搞清楚團隊中每位成員的不同需求。其中，對于早期階段公司來說，如果要是把所有這些戰略目標制定工作，都留給產品的話，那就不太公平了。”
在實現目標的過程中，我們很容易會分心、出現方向偏差或者錯誤地調整計劃。而避免這種現象出現的方式，就是把自己設立的目標清晰地寫在紙上。比如說，你現在定的目標，是將用戶的比例提高10%。但現實是，原有重復用戶的比例增加了30%。這時候，你一看到這個數字，就會非常高興，認為自己實現了30%的重復率目標。發現問題了嗎?你其實搞錯了自己的目標，因為真正要實現的，是10%的用戶提高。在這個過程中，你的關注重點遭到了轉移。
至于原因，其實也不難理解。畢竟壓力太大了，執行官需要用數據告訴大家公司已經取得了成功，以鼓勵大家繼續努力。如果團隊正處于擴張階段，那么需要養活的人就實在太多了，壓力也就可想而知。當然，不管再怎么說，他們還是需要在目標這個問題上保持誠實。
對于zui高層次目標，以及用來衡量該目標的諸多指標，必須要盡可能。不過，這也不是說，讓你對過程中出現的其他數據和觀點視而不見。只是讓你保證自己的關注重點，放在事先設立好的目標和主要數據上。
錯誤二：過度追求個性化和私人定制
對于許多初創企業來說，解決用戶所遇問題的一種方式，就是針對他們的具體需求提供個性化服務，比如說私人定制的主屏幕或者*服務。亞馬遜和Facebook這類利用此策略取得成功的大型企業，就是的案例。因此，你會認為，個性化服務就一定能帶來好處。但其實，真是這樣嗎?
就目前看來，并不一定。在發展早期，公司所做的每一個決定，都需要提前考慮機會成本的問題。個性化服務的開發，需要投入大量時間和人力。從許多角度來看，這就相當于開發一項全新功能。但這項功能，是不是你所需要的呢?就產品本身而言，是不是有意義呢?
就算答案是肯定的，那你仍然需要仔細斟酌，不能太過急躁。一般情況下，開發個性化產品，需要大量已知數據作為支撐。對于較為年輕的公司來說，肯定是沒有足夠時間來收集如此大量數據的。
Richardson介紹說：“我曾經見過不少尚未正式成立的初創企業的負責人，要知道，這些企業的用戶數量還不到100人，可他們卻說要開發個性化的產品和服務，我就在想他們究竟要針對什么內容提供個性化服務呢?更為重要的是，他們為什么要這么做呢?想要解決的問題又是什么呢?大多數情況下，要么是想要博頭條，要么是某位不明智的董事會成員認為個性化是取得成功的秘訣。”
這不是說Richardson不贊成個性化，畢竟HoTonight用戶體驗中zui為關鍵的元素，就是個性化的搜索結果。只是因為搞清楚這些用戶對于個性化服務究竟有著什么樣的需求，需要以大量數據為基礎，是一件非常費時費力的事情。
是否需要開發個性化服務，以及應該什么時候著手去開發，這兩個問題是沒有*或者固定答案的。Richardson個人的建議，還是像上文說的一樣，不要搞得太復雜，先確定一個需要實現的目標或者需要驗證的假設。
對于某些初創企業來說，個性化服務或許與宏觀層面上的任務目標有著緊密，這時候就需要早早將其提上日程。而對于其他初創企業來說，個性化開發或許永遠都不需要，因而也就不值得投入資金。舉個例子，如果你現在提供的是一款照片流應用程序，那確實是該考慮這個問題。因為在這一領域，個性化是非常核心的競爭要素，能夠幫助你在眾多競爭對手中脫穎而出。但如果你現在提供的是一款B2B支出管理軟件，那就沒必要在個性化服務這個問題上浪費錢財了。
總而言之，過度關注個性化，將會產生非常大的機會成本，它與實際開發時間之間是一場公平交易。也就是說，如果你在個性化問題上花浪費了太多時間，那在其他更為重要的增長機遇上花費的時間必然就會減少，取得成功的可能性也就必然會降低。其實，你的數據團隊可以負責回答一些重要的商業問題，比如究竟哪些因素能夠更好地驅動用戶轉化。
錯誤三：花大價錢雇用高度專業的數據科學家
如果你認為自家公司需要聘用一位高度專業的數據科學家來完成各種分析工作，Richardson還是建議你三思而后行。用她的話說：“就我個人而言，數據科學說到底其實就是一系列技能，而不是一份工作。同樣地，我也會說，分析和戰略是一系列技能，而不是一份工作，這是一樣的道理。在發展早期，團隊中的每個人都必須要具備戰略性思維，同時也必須要具備分析的能力。”
她借助zui近一部電影《隱藏人物》來解釋了這個問題。這部電影主要講述了NASA早期研發任務背后的女性數學家的故事。那些人以前有一個稱號，就是“計算機”，因為在過去她們就是專注于復雜計算的*一群人。然而現在人人都可以計算，這已經不再是一份工作，相反已經成為通用技能中的一部分。這個世界就是這樣一步一步發展演化的。而我們現在接觸的，其實就是所謂的數據科學。按理說，應該要有越來越多的人，主動承擔并且有能力去利用數據分析作出決策。
的數據科學，不僅需要統計和計算，還需要對市場以及自家公司在市場中的位置和作用有足夠的了解，找到重要的問題所在，并且為這些問題找到有意義的答案。另外，還有一點也同樣重要，那就是扎實的編程技巧。絕大數情況下，公司在雇傭這方面人才時，就只會考慮統計技能。而這個人平時是接觸不到公司那些帶有商業性質的內容的。這樣一來，這位所謂的數據科學家，對公司的運作模式是一無所知。因而，各種數據統計分析結果和*內容，也就過于理論，相關性就很小。
也就是說，數據科學家只有技術是遠遠不夠的，還必須要有敏銳的商業嗅覺。否則，就算他的技術活干得有多么出色，終究還是無法取得真正的成功。他們既沒有時間也沒有機會，去與工程師、項目以及拿到手的營銷線索進行互動。因為他們根本不知道要去找些什么，而且也沒有那個權利去提出心中有疑問的那些問題。
就說HoTonight，在我們看來的價值zui高的那些用戶，通常都不是在頭兩個星期就順利轉化的。事實上，他們都是在安裝之后的半個月到一個月之內才轉化的。
與此同時，聘請高度專業的數據科學家，還存在一個問題。如果說遇到了某個難題或者想要某個結果，那大家很可能什么都不干，就坐等著數據科學家開口，而不是問自己可不可以嘗試著通過什么方式去解決。說實話，如果在某家公司內，所有員工都享有一定的自由和權利，能夠通過接受特定教育來自行完成分析工作，那么這家公司取得成功的可能性相對來說會更大。
有人說，專業數據科學家的費用實在太高，對于小公司來說肯定請不起。但其實，這根本就不是問題，千萬不要將自己的目光局限在這一職位上。首先，你的團隊里肯定有人上過統計課程;其次，你需要一位專業開發人員;zui后，是敏銳的商業嗅覺，實在不行，公司執行官也是人選。所以，關于數據統計分析這個問題，集齊這三個人就可以了。
再退一步說，即便你有錢去請數據專家，那請來之后專家都做些什么呢?你是否為他準備好了足夠多的工作所需的材料?要知道，想做深度分析，那肯定是需要大量數據的。如果你的公司剛剛起步，用戶數量還不到60人，那數據肯定是不夠的。
如果你雇用了一位專業的數據科學家，那千萬不要“孤立”他們。讓他們多多參加各種會議和討論，詳細解釋各種數據分析結果。對于團隊中的每一位成員來說，只有當他們充分了解自己在整體環境中的角色職能，才能更加出色地完成自己的工作。
作為公司或者團隊，你要一直注重強化成員的工程技能、統計知識和商業嗅覺。對于同時具備這三種能力的人，要特別給予關注和重視。當然了，如果你的公司現在還處于早期發展階段，那還是將這三種能力分配在不同人身上吧。只要保證他們互相協作、做好分析工作就行，別想著一步到位，雇用一位全才。
錯誤四：過度追求zui為新潮的工具集
如今這個時代，每天都會出現新工具。但并不是所有工具都適合自家公司，很多時候這些工具到zui后都變成了垃圾。作為工具，它們能夠吸收你想要傳達出去的所有內容，但至于待傳達的內容具體是什么，都意味著什么，那就需要你自己去界定了。你要保證這些內容未來不會出現什么變化。
嚴格說來，沒有哪一款工具能夠*清楚地再現某個觀點。但同時，有些工具就算是再簡單，但只要你采用了合適的方式，那也是管理數據的一大方法。對于那些需要考慮資金消耗率的早期公司來說，應該要特別關注這個問題。具體說來，Richardson簡單介紹了數據團隊應該留心的三點注意事項：
(一)系統的目標規劃
這就又回到了*點，一旦你確定了zui為重要的衡量指標，那就放到儀表盤上，這樣就算是確定下來，沒有人可以更改了。大家都非常清楚地知道，這就是我們要實現的目標。
(二)易于獲取的數據
如果你想讓團隊中的每位成員都學著去形成分析思維，那就必須要保證他們有權利獲取數據。如果是市場營銷，那就是歸因數據;如果是產品研發，那就是客戶轉化數據;如果是技術工程，那就是正常運行時間數據。除此之外，zui為重要的一點，就是鼓勵來自不同部門、負責不同事務的人多多互動，彼此交流數據分析所得。
(三)靈活運用的工具
千萬不要將目光局限在某一款工具上。zui為理想的情況，就是讓大家根據自己的喜好和需求，來選擇不同的數據工具。在這個問題上，是沒有統一答案的。或許有人認為，各團隊、各成員都應該使用同一款工具，這樣的話分析效果會更好，但其實這是錯誤的想法。
總結：為何數據問題與產品問題同樣重要?
接下來的數據潮流是什么，Richardson無法準確預測。但是，她已經找到了一種有效方式，可以保證自己的數據團隊不受外界因素影響，并且專注于自己的本職工作，那就是像*產品團隊一樣*數據團隊。
擔任HoTonight產品副總裁三年之后，Richardson應公司聯合創始人兼執行官Sam Shank的要求，轉而擔任數據部門負責人。當時，公司發展遇到了瓶頸，核心數據衡量指標無法受到大家的認可。針對這個問題，Richardson發現是因為利益相關者太多，這些人各執己見，對于zui為重要的指標和目標始終爭執不下。
但好在，她發現數據團隊出現的問題與產品團隊幾乎是一樣的，于是便采取了同樣的應對措施。
她意識到，自己需要與*產品團隊時一樣，做好基礎設施建設工作。她介紹說：“我們需要一個待辦列表，需要找到一個能夠解決問題的人，能夠獲取用戶數據使用反饋的人等等。另外，我們還需要一個質量保證程序，確保自己不會改變數據。”
首先，就像指派項目一樣，她指派了一位數據產品主管，專門收集公司內各個團隊的數據使用情況。其次，她又利用質量保證測試套件，來確保全部數據的質量。
與之前在產品團隊的工作相比，Richardson在數據團隊發現了一個更為重要的要素，那就是文件記錄。為了實現既定目標，你需要一個共享詞匯表。從“收益”到“訪問”的所有詞匯，都必須要囊括在內。
數據分析的成功與否，就取決于這些細節工作。但其實，想要就這些術語意義達成一致，是一件相當困難和復雜的事情。
zui后，就是一定要定期棄用。想要組建一支健康運作的數據團隊，就一定及時棄用那些不再相關的數據流，將它們從數據庫中移除出去。不然，萬一調取了錯誤的數據，那就要出問題了。
用Richardson的話說：“如果有一天，不再有人質疑某一數據的正確性，那就表明你的數據團隊運作良好。即便有人不喜歡某些數據，但不會針對準確性提出疑問。”在產品團隊中，我們會研發核心功能，并且進行測試。在數據團隊中也是一樣，既有嚴格規定和慣用標準的舊數據，也有不太確定、尚在測試的新數據
