一句话回答
数据成熟度,指一个组织从收集数字走到用数字做决定走了多远:数据可信、找得到、真正被用起来。通常分五档,档位由最弱的那一块决定,而不是看你买了多少工具。
公式: 整体档位 = min(可信,找得到,用得上)
数据成熟度指什么
数据成熟度,是看一个组织从「收集数字」走到「用数字做决定」走了多远。常见的路径是:先能拉出报表,再能解释一个数字为什么变,再能预测它,最后是日常决策靠数据自动跑起来,不必每次有人去拉报表。
用「几档等级」给组织打分的做法,比数据分析本身还早。美国卡内基梅隆大学软件工程研究所(SEI)1993 年发布的能力成熟度模型(CMM),把软件过程分成五档,多数数据成熟度模型沿用了这个形状。英国政府发布的《政府数据成熟度评估》由政府数字服务司(GDS)和中央数字与数据办公室(CDDO)制定,同样分五档(Beginning、Emerging、Learning、Developing、Mastering),但它把五档用在十个主题上,不给一个总分。
几乎所有模型都认同两点,也是这个词条的核心:
- 成熟度看的是数据能不能被信任、被找到、被用来做决定。 不看手里有多少数据,也不看买了多少工具。
- 你的成熟度取决于最弱的那一块。 一块漂亮的看板,如果底下的数字大家算出来不一样,整套仍是低成熟度。
另一个相关但不同的问题,是怎样做出从一档走到下一档的完整路线图,那部分在 数据成熟度模型 里讲。本页只讲定义和快速自评。
五档成熟度,每档一个判断问题
下面的五档是自评用的工作刻度,不是行业标准。每一档有一个你能观察到的特征,和一个能回答「是 / 否」的问题。
| 档 | 名称 | 看起来像什么 | 判断问题 |
|---|---|---|---|
| 1 | 临时 | 数字存在个人表格和一次性导出里,两个人问同一个问题,得到两个答案。 | 两个人各自拉上个月的活跃用户,数字一样吗? |
| 2 | 能报 | 有标准报表;每个关键指标有写下来的口径和明确的负责人。 | 你能说出最常用的五个指标各自的负责人和口径文字吗? |
| 3 | 能解释 | 指标变动时,团队能按渠道、人群或步骤拆开,找到变在哪里。 | 注册量掉了 20%,你能在一个工作日内说清掉在哪里吗? |
| 4 | 能预测 | 预测或对照实验用于定计划,并且记录预测误差。 | 你会拿上季度的预测和实际对比,并留下误差数字吗? |
| 5 | 能自动 | 日常决策由规则或告警触发,有人复核这些规则。 | 哪些决策不用有人拉报表就会触发?谁来复核? |
多数小团队把第 3 档做扎实,比急着上第 4、5 档更有价值。在没人信的数字上做预测和自动化,只会更快地得出错答案。
每一档底下都有的三个问题
与其抽象地问「我们在第几档」,不如把三件事分开打分,每项按上表给 1 到 5 分。
- 可信。 大家对同一个数字能达成一致吗?这取决于有没有写下来的口径、有没有一份「收集哪些事件、为什么收集」的记录,以及采集坏了能不能被发现。见 数据质量 和 埋点方案。
- 找得到。 新来的分析师不用问五个人,就能弄清有哪些数据、每个字段什么意思、谁负责吗?这是最朴素形态的 数据治理。
- 用得上。 决策会因为数据而改变吗?要看最近一次决策、一个有名字的指标和前后对比,而不是看看板的数量。
然后取三项里最低的一个作为整体档位:
整体档位 = min(可信,找得到,用得上)
这三个问题和英国框架的主题只是大致对应:「了解你拥有的数据」对应找得到,「用数据做决策」对应用得上,几个治理类主题对应可信。用最小值而不用平均值,是因为最弱的一块决定你下一步能安全做什么。
一个自评算例
本节所有数字都是示例数据。
第一步:用波动检查测可信。 请五位分析师各自独立算上个月的活跃用户,假设他们给出 8,120、8,400、7,950、9,100 和 8,310。中位数是 8,310。波动 =(9,100 − 7,950)÷ 8,310 = 1,150 ÷ 8,310 = 13.8%。经验上,波动超过约 5%,说明大家数法不同,口径写下来之前,「可信」都停在第 1 档。5% 这条线是我们自己定的参考值,不是公开标准。
第二步:每块打分。 示例里两个团队这样自评:
| 团队 | 在用工具 | 可信 | 找得到 | 用得上 | 平均 | 整体(取最小) |
|---|---|---|---|---|---|---|
| A | 14 | 2 | 2 | 4 | (2 + 2 + 4)÷ 3 = 2.7 | 2 |
| B | 4 | 3 | 3 | 3 | (3 + 3 + 3)÷ 3 = 3.0 | 3 |
A 团队的工具多出三倍还多,用法也更高级(在做预测),但整体只是第 2 档:它的预测建立在分析师算法不一的数字上,而且没人找得到数据文档。B 团队配置朴素,但口径、清单和决策都一致,所以是第 3 档。
第三步:从最低分里挑下一步。 A 团队不该再买新工具,该补「可信」和「找得到」:写下口径和负责人,列出自己收集的事件。B 团队该看「用得上」:挑一个现在还要等人工报表的决策,建一个自动检查的办法。
衡量数据成熟度的常见误区
- 数工具。 示例里 A 团队有 14 个工具,B 团队只有 4 个。英国框架把「工具」只列为六个维度之一,旁边还有用途、数据、领导力、文化和技能,工具只是其中一块。
- 把成熟度等同于机器学习。 一份准确、被信任、真正驱动决策的周报,比在有争议的输入上跑模型更成熟。
- 打一次分就归档。 人员离开、埋点改动、产品上线新流程,成熟度都会变。每季度重新打分,并保留历史。
- 对几块取平均。 2.7 的平均分掩盖了「可信」只有 2 的事实。用最小值,再看最低的那一块。
- 没有证据就自评。 每个分数都要有看得见的事实:波动检查、有名有姓的负责人、一条决策记录。「感觉还不错」不算输入。
- 把档位当赛跑。 不是每个团队都要上第 5 档;目标是你的决策建立在你能自证的数字上的那一档。
在 TapCub 里怎么看数据成熟度
还拿示例里的 A 团队来说:可信 2、找得到 2、用得上 4。TapCub 不替你计算成熟度分数,也不替你做决策;它提供的是回答这三个问题的证据。
- 可信:先写方案,再和实际对账。 在 全端分析 › 数据管理 › 埋点方案 里列出打算收集的事件:名称、负责人、触发时机和状态(待评审、开发中、验收中、已上线、已废弃)。打开「实时验证(近 24 h)」,看每个事件到了多少次、必填属性有多完整。完整度低是提醒你去改代码,不会拦截事件。
- 找得到:清掉没名字的事件。 全端分析 › 数据管理 › 事件收件箱 收着没有定义就到达的事件和全埋点候选,给它们起正式的名字后接受,或者忽略。全端分析 › 数据管理 › 事件与属性 再显示每个事件触发多少次、多少访客,以及 7 天趋势。分步操作见 创建埋点方案。
- 用得上:解释一次变化,再让系统告诉你下一次。 在 全端分析 › 行为分析 › 行为分析 里按漏斗步骤或人群拆开一次下降(第 3 档的测试)。全端分析 › 智能运营 › 监控 可以按小时、天、周或月检查一个指标,命中条件就通知;试运行会告诉你过去 30 天会触发几次。监控只通知,不会替你做任何操作。
- 每季度重新打分。 把波动检查和三项分数记在你自己的笔记里。TapCub 是证据所在的地方,不是记分的地方。
资料来源
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
