数据产物最重要的使命之一是通过数据支持决定，而标杆则是用来帮助决定的重要参照，设计产物时却往往被忽视。本文从标杆对数据产物的重要性来谈起，谈如何制止因标杆缺失可能选择错误而导致的产物设计缺陷。

标杆是数据驱动决定顶用于判定的参照数据。

数据产物更大的意义是支持决定，对付业务方来说，数据收集与展示是后置的。我们先有了业务，才气收集到业务的数据，也就是说没有数据产物，业务可以照常运转。

那么为什么要收集数据，数据的代价在那边呢？

是因为我们但愿通过收集数据、阐明数据来更好的指导业务的运转。也就是说纯粹的展示数据，不能带来代价，通过数据展示带来的决定才有代价。

那么同样的数据，是否能带来同样的决定呢？

不必然，许多时候我们说数据阐明的脚色需要“数据敏感”。所谓的数据敏感，许多时候是一小我私家是否有先验常识与预期来检讨所要看的这些数据。

譬喻，纯真的越日留存1%，对差异的人带来的感知是差异的。对付一个预期越日留存3%的人来说，这个数据大概就偏低，需要做点什么提高越日留存。这里的先验预期3%就是一种数据标杆。

数据标杆是一种用来对数据举办判定的“参照系”。我们虽然可以只做一款没有数据标杆的产物，全靠利用者的“数据Sense”来举办决定。但好用的数据产物，该当更多的思考如何通过添加符合的标杆以更好的支持决定。

一、为什么需要标杆

缺失标杆，产物展示的数据无法浮现其意义，难以支撑决定。

标杆数据的缺失在产物中非经常见，以下是日常数据产物中常常能看到的元素，乍看之下没有什么问题。但细想一下，就会发明这样的产物由于缺乏标杆数据只能形成数据感知，但不能形成决定支撑。

说白了就是：“知道了，然后呢？”

以一个超市打点驾驶舱的场景为例，下图是一个超市打点驾驶舱的案例，展示了一个周期内门店销售金额、消费卡占比、消费年数漫衍的环境。

这些数据乍看有意义，但对付天天打开平台存眷数据的人来说，单凭数据展示已经无法从数据中获得有效的信息，更不消提按照数据做出决定了。

门店销售金额12.31万，是高是低，消费卡利用环境，有什么值得存眷。年数漫衍是否就意味着，门店该当对进店的年青人，举办商品进货优化。

假如加上标杆，我们就能更明晰如何对待这些数据，可以举办的下一步动作是什么：

方针销售额，我们知道销售金额还差的较量远，需要做出动作举办处理惩罚了。

同比环比，我们可以或许知道呈现了很大的变革，我们该当阐明环境的变革，看看是否需要对非会员的体验着重优化。

连锁店平均客户年数漫衍，我们知道这家超市的暮年人其实相对付其他连锁店偏多，进货计策上可以相对付其他连锁店有所调解。

因此数据该当放在决定场景中，并通过标杆参照，带来越发明晰的决定指引。

标杆如此重要，甚至有专门的”标杆环“体系来描写打点决定进程，通过立标、对标、达标、创标实现企业策划打点的一连改造。

二、为什么数据产物设计时往往会忽视标杆

设计者缺乏业务领略，对整体决定流程没有认知，无法设计完整的数据决定路径。

许多产物司理在设计数据产物譬喻Dashboard时，认为数据自己就是产物的方针。

实际上展示数据只做到了数据决定的之一步，形成数据感知，也就是在完全不相识业务的环境下对业务有一些根基常识。

数据感知是一个低频场景，不相识时看，能形成根基印象用于问题识别，一旦相识之后，反复看数据很难从中获取新的有代价的信息。

因为缺乏业务领略，不知道什么环境下客户需要存眷某个数据，也不知道应该如何评价数据的变革，更不知道数据变革之后，可以做哪些方案和动作，也就自然无法按照决定场景设计标杆了。

数据产物逗留在东西阶段，依赖业务人员的履历补位。另一个环境是产物司来由于不相识业务场景，索性给决定人员提供机动全面的数据查询东西，业务人员通过自身履历对标杆举办补位。

这虽然也是一种办理方案，一方面，这严重依赖利用者的履历与本领，另一方面也范围了数据产物的成长。