如果有一件事让人难受的话阿曼达·理查森的齿轮，它是时尚。

作为首席数据和战略官HotelTonight(她之前是他们的产品副总裁)，她负责管理一个月用户数百万的应用程序的400到500个数据事件。她的团队从每个用户会话中注册了数百个事件。她深谙数据世界，并且敏锐地观察到其他公司如何越来越多地利用数据来做决策。但她看到的是一些趋势和处理数据的方法，这些趋势和方法不仅懒惰，而且无效，具有误导性，并让公司失去了大量的机会。

在这次独家采访中，理查森指出了全行业数据团队应该注意的四种方法以及领导者如何才能脱颖而出，更好地为自己的战略目标服务。具体来说，她描述了她如何建立目前的团队，以模仿她领导了多年的产品团队。她还解释了为什么创建下一代产品更需要简单、一致和共识，而不是利用最热门的新事物。

错误#1:从参数而非目标开始

数据比以往任何时候都更容易获得。收集、储存和分析数据已经成为大多数公司的标准做法。但是，在对实时分析和数据湖的争夺中，往往会丢失如何处理所有这些数据的连贯而直接的计划。理查森见过许多团队漫无目的地挖掘数据，寻找故事。然而，由于没有明确的观点，他们只能追逐一个移动的目标。

”你需要从一个要回答的具体问题或要调查的假设开始她说。“很多时候，人们推出一款产品后会说，‘它做得怎么样?’而不是说，‘我们的产品目标是把这个转化成这个。或者增加漏斗的顶部或者移动漏斗的底部。或者增加我们的每用户收益。’”

如果没有一个明确的、一致同意的目标，那么当数据进来时，您将面临改写历史的风险。以HotelTonight的收藏功能为例，该功能允许用户在搜索时首先“收藏”他们想要拨打的酒店。“这是针对高级用户的吗?”它是为那些可能不喜欢HotelTonight的意外发现而想关注某家特定酒店的新人准备的吗?它是为计划旅行的人，谁想要观察列表功能?理查森说。“这些都是可能的。但是决定成功的关键指标是什么呢?如果没有这种清晰度，就会出现这样一种情况:一个人说，‘这对我们最受欢迎的用户来说很棒，他们平均喜欢12家酒店’，而另一个人说，‘但这是为新用户设计的。’你会想，‘是吗?’”

有效使用数据的关键是明确规定您想要实现的目标以及如何定义成功。但说起来容易做起来难。“每个人都同意在6万英尺。但一旦你考虑到细节——“30天后我们要为什么击掌庆祝?”’——人们不清楚。”

所以要把事情说清楚。创建一个记分卡，通过它来判断你的成功．“我们的原则是在每个项目开始之前都要写好一些东西。”理查森引用了有效目标设定的经典速记法。“这是古老的SMART首字母缩略词:具体、可衡量、可实现、相关和及时。”

当谈到设定这个非常重要的目标时，她毫不含糊地说:这是初创公司创始人的关键责任之一。“领导人的职责是说，‘我们要攀登珠穆朗玛峰。“团队的工作是找出登顶珠峰的最佳路径，以及每个团队成员的要求。但尤其在一家初创公司，让产品经理来确定这些战略优先事项是不公平的。”

把你的目标写在纸上也是抵抗改变方向倾向的最好方法。“我们很容易想到，‘添加我昨晚在晚宴上听到好友提到的任何功能也是我的目标。’”无论在哪里，你都很容易获得胜利。“我们都希望自己是对的。也许你会说，“我们的目标是增加10%的首次用户”，然后你会发现该功能被30%的回头客使用。突然之间，你会说，‘这是一个巨大的胜利!我们有30%的重复!’人们总是会忘记自己的目标。”

原因很容易理解。“压力太大了。ceo们需要展示成功。如果团队不断壮大，他们就会有新的家庭成员需要养活，这就会带来很大的压力。但他们比任何人都更有责任坦诚目标是什么。”

尽可能精确地描述你的最高目标，以及你用来衡量它的指标。“它可能是‘我们的大目标是在这个日期前获得这么多此类预订。’”也要清楚代表成功的数字。

这并不是说你必须对数据中出现的其他见解视而不见。但是要把你的注意力集中在你的目标和你想要的数据上。理查森说:“当你问数据人员某个产品或功能进展如何时，他们几乎总是会给出一串有趣的事实。”但不要将这些次要指标与首要指标混淆。”不知道从哪里开始?每次用25美分。

想想你本季度的首要任务。你是否拥有一个清晰且可定义的度量标准?

错误#2:过分个性化

对于许多创业公司来说，个性化——例如定制用户的主屏幕，或者提供推荐——是一种寻找问题的解决方案。它是亚马逊(推荐产品)和Facebook(策划新闻feed)等非常成功的公司的标志，所以它理所当然是一件好事，对吧?

不一定，现在肯定也不一定。正如早期领导者所做的每一个决定一样，你必须考虑机会成本。“个性化需要大量的开发时间，”Richardson说。“在很多方面，这只是另一个功能。它是你需要的，还是对你的产品有意义的?”

如果答案是肯定的，你可能仍然需要等待。有效地个性化产品通常需要大量的银行数据——新公司可能没有时间收集这些数据。

理查森说:“我曾与一些用户不足100人的初创公司的人交谈过，他们说，‘我们要从个性化开始’。“我在想，‘你要个性化什么?更重要的是，为什么?你在解决什么问题?’通常情况下，动机是它出现在标题上，或者董事会成员认为这是成功的秘诀。”

这并不是说她是一个反个性化的斗士——量身定制的结果是HotelTonight用户体验的一个关键元素。但是需要大量的数据来理解这些用户希望个性化如何工作。最终，该公司意识到，旅行者不想看到仅仅基于历史的建议，而是基于上下文。

“也许我最后订的是一家豪华酒店。那是周末。那是我的结婚纪念日，’”理查森说。“但如果我去纽约上班，订了一辆Luxe，那报销报告就会被拒绝。星期几很重要。一天中的时间很重要。如果你订的是晚上11点的，你真的不会在意他们是否有水疗中心，对吧?所有这些因素，也就是个性化，都比单个用户重要得多。如果我们急于将体验个性化，我们就不会看到这样的结果。”

对于是否以及何时应该进行个性化，没有单一的答案。理查森的建议是，再一次简单地从一个目标或一个假设开始检验。“告诉我是什么出了问题。那么个性化也许是一个解决方案，”她说。“假设纽约市的皈依率下降了，我们不知道原因。也许一个解决方案是为您定制酒店的显示。但最好是一个值得投入时间和人力的好赌注。”

对于一些初创公司来说，个性化可能与任务紧密相关，需要提前到来。对其他人来说，这可能永远都不值得投资。“如果你是一款全新的照片流应用，那么你应该更早地采取这种做法，因为这可能是一款核心的差异化应用。如果你销售的是B2B报销软件，可能永远都不会。”

过分关注个性化会带来很高的机会成本。这总是需要与真正的开发时间进行权衡。理查森说，当你不把时间浪费在兔子洞里时，你就可以用它去追求更重要的成长机会，获得更大成功的可能性。相反，你的数据团队可以致力于回答业务关键问题——比如更好地了解是什么驱动用户转换，你可能认为个性化会解决这个问题，即使它不能解决。

在你确定你要解决的问题之前，不要到处乱扔解决方案，因为它们既便宜又吸引人。

错误#3:雇佣专门的数据科学家

如果您认为您的组织的分析工作需要一个具有“数据科学家”头衔的敬业员工来完成，理查森鼓励您进行更广泛的思考。“对我来说，数据科学是技能的集合，而不是一份工作。就像我说的，分析和策略是技能的集合，而不是一份工作。早期团队中的每个人都需要有战略眼光。每个人都应该能够做分析。”

她引用了最近的电影隐藏的数字，讲述了NASA早期任务背后的女数学家的故事。“这些女人被称为‘计算机’，对吧?”他们曾经是唯一致力于做复杂计算的人。但这不再是一份工作——现在每个人都在做计算——它已经成为一种通用技能的一部分。世界就是这样发展的。我认为我们已经有了数据科学。更多的人应该能够承担责任，并有能力使用数据来做决定．”

想想有效的数据科学需要什么:当然，有统计学和计算能力。但这也需要足够的市场知识，以及你的业务如何在市场中运作，以便提出正确的问题，并有意义地回答这些问题。强大的编程技能也是至关重要的。然而，公司经常只招聘统计技能，然后把这个人隔离起来，这样他们就永远无法访问他们需要的业务环境．这种隔离使数据科学家看不到公司如何运行的现实。而且，这使得他们的结果和建议都是理论性的，而且往往是不相关的。

“我们的错误——也是我经常看到的错误——是聘用了一个技术能力很强，但缺乏商业头脑的数据科学家。然后我们把那个人孤立起来，让他们在无数个我们不可避免地想要回答的问题中翻来复去。”不管这个人有多熟练，他们都不具备成功的背景。而且他们没有时间或机会与工程师、项目经理或营销主管进行互动，而这正是他们所需要的。理查森说:“他们不知道要寻找什么，也没有权力问正确的问题。”

“在HotelTonight，我最喜欢的一个例子是，数据科学家经常会说，‘那些成为我们最高价值用户的人是那些在头两周内没有转变的人。他们在分期付款后的第15到30天内转换。这是真的。但我要怎么做呢?这是一个有趣的事实。”

与此同时，很多好的问题可能被困在队列中。“人们排队等待数据科学家的时间，而不是说，‘我们自己怎么才能解决这个问题?’”理查森说。”如果你创建的组织中，每个人都能感受到权力，并受到如何进行分析的教育，那么你会更成功．”

不要把注意力集中在一个过于狭窄的头衔或单一的工作要求上，要考虑数据科学家所具备的技能。很有可能你已经让他们同意了。“人们说，‘我请不起数据科学家’，但这太疯狂了。你队里有人上了统计学课。我希望你有一个开发人员。而且应该有人具有商业头脑——CEO，如果没有其他人的话。让这三个人共处一室。你不必等待这个神奇的人出现。”

此外，初创公司应该再三考虑，他们是否有足够的材料供昂贵的数据科学家使用。“要做深入分析，你需要大量的数据。如果这是你创业的第三个月，你有60个用户，你可能没有足够的数据。”

如果你真的雇佣了一个专门的数据科学家，不要把他们关在角落里。让他们参与到会议和对话中来，这将告诉你如何应用他们正在处理的数据。理查森说:“我在反思我们第一次聘用数据科学家时是如何失败的。“首先，他真的是一个人坐着，远离我们所有人。”当团队中的每个人都明白自己在团队中的角色时，他们就会工作得更好、更聪明。即使你不得不做一些催促，也要让你那些关心数字的数据人员走出他们的舒适区，投入到业务中去。

你应该经常培养自己的工程技能、统计知识和商业头脑并支持那些努力展示全套服务的员工．但尤其在公司成立初期，你最好雇佣三个专家，让他们一起进行分析，而不是寻找一个独角兽，可以做所有这些事情。

错误4:追逐最新的工具集

新的工具一直在出现。但归根结底，他们无法让你的数据策略变得完美无瑕。理查森说:“垃圾进来，垃圾出去。”“工具可以吸收你想要发送给它的任何事件，但必须由你来定义这些事件是什么以及它们的含义。你必须确保这些事件不会改变。”

没有什么可以取代清晰和一致，也没有什么工具可以复制一个清晰的观点。与此同时，即使是最简单的工具也可以成为管理数据的有效方法，前提是你运用了适当的严格度——有“烧脑率”的早期公司应该注意这一点。Richardson建议每个数据团队为他们的组织提供三样东西:

中央仪表盘:“这又回到了第一点。当你知道你的最高指标是什么并把它放在仪表盘上时，就没有人能改变它了。如果它的标题是醒目的，那么没有人会回来说，‘那不是我们的目标。’”你可以用一个锁着的谷歌文件。这个想法很简单，就是为你正在做的事情提供一个权威的真相来源，以及一个可以定期向组织其他部门发布的资源。

访问数据:如果您希望团队中的每个人都能够进行分析性思考，那么您需要让他们能够轻松地访问数据。“对于市场营销来说，这可能是你的归因内容。对于产品，这是你的转换内容。对于工程来说，可能是你的正常运行时间。”最重要的事情就是鼓励每个人亲自参与到业务的各个部分。“好消息是，现在有整整一代的人是伴随着电脑长大的，他们可以随时随地访问任何他们想要的东西。”

灵活的工具:然而，采用这种心态比采用任何单一工具都要重要得多。“让每个人都有自己的专业数据工具。没有唯一的解决方案。”她的团队使用lookker;其他团队可能会发现其他方法更适合他们的分析。“我听到有人说，‘如果我们所有人都使用Looker，那不是很棒吗?他说，我没有足够的时间来为产品团队打造足够的Looker功能，甚至是定制功能，来回答问题以及振幅等。所以让他们使用适合自己的工具。”

为什么要像经营产品一样经营数据

理查森无法预测下一个数据趋势，但她找到了一种方法，确保她的团队不被最新的亮点分散注意力:她像管理一个产品团队一样管理HotelTonight的数据运营。

她在HotelTonight担任产品副总裁三年，是联合创始人山姆柄让她领导公司的数据工作。她说:“很明显，我们到了一个阶段，大家对我们的核心指标并不认同，而他想要解决这个问题。”“我马上就看到了你在产品领域遇到的问题:很多利益相关者，对什么是最重要的有很多不同的观点。”

这是坏消息。好消息呢?好吧，数据团队和产品团队面临着同样的问题——有一个流程路线图和最佳实践可供参考。

理查森意识到，她需要建立自己作为产品负责人时所做的那种基础设施。”我们需要一个backlog。我们需要一个知道解决方案的人。我们需要有人告诉我们的用户他们如何使用数据，他们想要使用数据做什么。我们需要一个QA过程，以确保我们不会更改数据．”

首先，她确保就像有人拥有产品一样，也有人拥有数据产品。“我有一个很棒的数据产品总监，他实际上是一个经过培训的PM。他在整个组织中研究团队如何使用数据。他重视。他每周都和数据工程团队一起制定冲刺计划。”

接下来，团队负责确保传入的数据是良好的，他们通过严格的QA测试套件来做到这一点。“我们总是在后台监控和自动化数据，所以我们不会在三周后意识到有什么东西坏了。“数据每天都在变化吗?”数据是否异常超限?没有数据输入吗?’这些都是你在产品方面会问的产品行为问题。”

理查森发现，在她的数据工作中，有一件事比她以前的产品角色更重要，那就是文档。为了实现明确定义的目标，您需要使用共享的词汇表她的团队负责定义从“收入”到“访问量”的所有内容。“好的，一个用户。”用户必须进行搜索吗?或者如果有人只是查看他们的预订，这是用户吗?是我们有电子邮件地址的人吗?”

分析在这些细节上成功或失败，但就这些术语的含义达成共识可能是复杂的。“另一个需要数据产品负责人的原因是，他可以像PM一样跨组织工作。”

最后是弃用。就像保持健康的产品意味着定期修剪功能一样，维护健康的数据产品需要弃用不再相关的数据流并将其从数据库中删除。否则，就会有人调出错误的数据，结果你就会得到七个不同的收入定义。”

如果你的公司还非常年轻或规模很小，你仍然可以采用这种策略。从一个关心业务和证明价值的强大数据工程师开始，然后让这个人优先考虑要做什么。这个人可能不得不身兼数职，承担其他开发或分析师的责任，以证明他们被聘用的合理性，但应该鼓励他们像PM一样无情地思考，并在工作中学习这些技能。

对于理查森来说，有一个明显的迹象表明她走在了正确的道路上:没有人再问数据是否正确了。他们可能不喜欢这些数据，但没有人质疑它的准确性．”

这种信心是理查森基于产品的数据处理方法的最大回报。凭借清晰的定义和顺畅的流程，她不仅明确了公司的目标，还解放了公司，让公司更有成效地进行试验。她说:“在产品中，你有自己的核心功能，然后你在MVP中测试一些东西。“我们在数据方面也有同样的概念。一种是我们用黄金标准处理的数据，另一种是我们正在接收的新数据，尽管我们还不确定如何处理它们。”