编辑导语：在产品设计中，合理有效的数据分析有助于设计师更好地了解产品是否符合市场需求和用户需求，进而改善产品，优化用户体验，促进用户留存。本篇文章里，作者向我们展示了如何利用数据做好度量工作，让我们来看一下。

此文是想梳理下，对于“数据”这个概念，到底意味着些什么，帮助大家从不同层次理解多面的数据。先明确下获取数据的目的——度量。

“文中示例相关数据都为假的模拟数据，而非真正的商业数据，以此声明。”

一、度量是什么

【度量Measure】是一种测量评定对象的方式，它帮助我们结构化的获取对象的状态与变化，我们运用这些数据进行洞察，转化为有用的信息，帮助决策和优化，这个过程也是分析诊断的过程。

那日常会有怎样的一些信息获取呢（这里面包含了数据也包含了一些正负性的反馈）？

我们对一个功能上线进行一组完整的项目结果质量数据模拟：

• 净交易收入额比去年同期上升2.0%，达到2千万；
• 订单量为222，比上周上升了2.0%（对交易产生直接正向作用）；
• 方案产出数共222件，比上周上升了22.2% （对内容产出有直接的提升）；
• 用户的满意度为2.2 ，上升了2% （之前是2.0）；
• 用户使用表现出沉静，轻松的情绪（比之前挫折，晦涩要好很多）；
• 功能点击，周活跃2200，点击率22%，周留存22.2%（0-1）；
• 功能渲染和可交；
• 互时长为0.2秒加载完成。用户在使用时交互顺畅无卡顿（符合业界前端质量交付标准）。

这段描述符合整个产品使用的过程，它似乎是一个多面体，帮助我们了解整个产品黑盒。这个描述越精细越多维，我们得到的信息就越清晰越客观（包含多元数据内容，并对数据已进行比对和使用，得到一定的有效信息）。

反之，假如哪个环节出现问题。我们能清晰看到问题出现的环节，并且通过其表征的信息进行问题的深挖（再细化相关数据或者关联的层次）。

我们可以拆解到这几个层次的数据：业务结果、用户反馈（态度与情绪）、行为点击、系统性能。

可理解为：良好的产品运行→用户流畅使用→良好的用户反馈→预期的产品转化结果。

从获取方式来说，大致可以从两个大角度（这里从广义的范畴去分）：

• 【qualitative research定性研究】：快速从样本中判断问题的性质和方向；
• 【quantitative research定量研究】：数据的验证性、全面性、追踪性。

二、定量获取

系统承载业务内容的运作，可以记录各种各样的明细数据表，在海量数据中，进行科学地关联与细分。以大数据驱动为最终目标，其特点是：数据的全面性和自动追踪获取。