做产品离不开数据，无论是在初期的需求规划，还是在项目上线的效果评估，都需要数据支撑。这两天一直在做数据报表梳理，觉得以下几个点是产品在做数据工作是需要关注的几点：
1、数据来源
数据来源直接决定是数据的正确性和可用性。一般产品数据获取渠道有三个：数据上报、历史经验和第三方资料，数据上报又分为客户端上报和服务器上报。新产品规划阶段，我们可能更多的通过第三方数据或者竞品的经验数据来作为参考，一旦产品上线，就需要及时通过上报数据来进行进行产品思路验证和优化改进。
不同数据来源的数据差异很大，其分析结果可比性较差，建议各位产品最早的版本迭代中就加入基础数据统计，通过版本迭代来不断完善数据统计。
2、指标定义
指标定义明确是数据易读的基础，拿DAU（日活跃用户数）来说，只有明白了活跃的定义，数据才有意义。举例，某视频软件DAU1000万，猛一看很高，但是发现他们对日活的定义是启动，而该软件可以自定义开机启动，那么这个数据就值得商榷。如果把有视频观看行为定义为活跃，那么DAU立刻就变为300W，这个数据才属于有效数据，这个数据也更有意义。
3、上报机制
上报机制可以理解为数据上报的策略。比如，行为产生的日志是否支持在移动网络下上报，上报时间间隔多久，进程被杀掉之后如何上报，上报过程中丢包概率···上报机制的制定直接决定上报数据的完整性和即时性。对产品来说，一定是希望数据同步上报，但是考虑到用户手机流量、电量等因素，一般需要做出取舍。
以前我只注意到数据上报的完整性，并未考虑到即时性，今天同事举的一个例子让我茅塞顿开：十一假期，你辛辛苦苦做了一份数据报表，分析的头头是道，并且给出了后期计划；三天以后，用户结束了长假，刚刚从3G环境切换到WIFI网络，大量新的数据上报，你发现你依赖的所有数据均发生了变化，你所有的分析都是基于不完整的甚至是错误的数据···
4、数据可视化
数据很重要的一项功能是通过趋势变化来反映问题，因此可视化是数据一个重要的展示形式，给你一张密密麻麻的表，如果没有图表支持，数据基本是死的，无法利用。因此在数据量统计之初，就要有效的结合起可视化图表，完成对趋势的把握。
对成规模的数据来说，必然有规律的数据曲线，或是周期上升，或是周期波动，如果某个指标的数据图表振幅巨大毫无规律，那么就要去拆分数据，剔除其中无规律的波动因素A，重新对剩余数据做可视化视图，直到呈现出规律波动。后期只需要对稳定的数据进行监控，有无异常，一目了然。
