记得不久前刚聊了什么是「好的数据指标」，哒吧哒吧一个月就过去了。
时光荏苒，日月如梭，慢步向前，今天继续聊聊对立的五组指标类别。
随着互联网的迅速发展、数据驱动的流行，企业在构建产品数据指标体系时，往往采用相应的模型来支撑，诸如戴维·麦克鲁尔的AARRR漏斗模型、西恩·埃利斯的增长金字塔模式等等，有前人经验可借鉴这无疑是十分幸运的。
然而，复合的数据指标不断演变，同时企业也存在产品性质、发展阶段的差异，如何灵活采用正确的数据指标，往往需要从本质上去理解，并从已有的框架中增删改，也可能因此演变出全新的模型。
为了达到推陈出新的能力，我们需要对数据指标有进一步的认识。
在阿利斯泰尔·克罗尔《精益数据分析》一书中提到五组的对立的数据指标类别：定性指标与量化指标、虚荣指标与可付诸行动的指标、探索性指标与报告性指标、先见性指标与后见性指标、相关性指标与因果性指标，这对于如何选取正确的数据指标有非常好的指导作用，下面我从个人理解的角度分享下这五组类别。
-1-
定性指标与量化指标
定性指标，是指无法具体量化的指标。主要凭借分析者的直觉、经验对目标对象进行分析，其分析结果通常用文字描述。
定量指标，指通过具体的数值来衡量目标对象。其分析过程常常涉及数据统计、建立数据模型等数学知识，最终结果往往采用数学语言来表示。
两者表面冲突，实则密不可分。定性指标由于具有经验的性质显得不那么科学，但在创业、或者不具备量化数据能力的时期，采取相对简单的定性指标往往更加适合。从另一方面而论，定性指标也采取一定的数学工具、一定的量化指标来辅助，而定量指标往往需要定性指标作为验证前提不断推演深入，两者相辅相成，需要灵活运用。
-2-
虚荣指标与可付诸行动的指标
虚荣指标，是指那些无法形成指导作用的表面指标。它们往往大而泛，比如浏览量、访问数、下载量等数据指标，可以给人留下表面印象却无法真正指引产品该如何改进，这些指标往往通过展示其“虚荣”特征，用以诱导用户行为或向客户寻求合作。
可付诸行动的指标，是指那些能作为依据去敲定方案或者指导迭代方向的指标。它们往往指示着某一个小环节的重要度量，比如活跃用户占比揭示了产品的用户参与度。在前期投放产品检验市场需求时，如果产品做出调整后该指标上升，则说明产品可以按照当前方向继续迭代，此类指标是产品人员需要积极关注的。
如果混淆这两种指标，则有可能引起产品的泯灭。当产品人员痴迷在虚荣指标时，往往会自我感觉良好，以至于看不清市场真正的走向，甚至因此建立错误的商业规划，最终引起灾难。
-3-
探索性指标与报告性指标
探索性指标，是指具备推测性质的指标。属于对未知领域的探索，从数据中验证我们的直觉，甚至从中发现一些不为认知的事实。
报告性指标，是指已经形成相关定义的指标。用于检验我们已认知的事实，或者衡量试验的结果。
相对而言，报告性指标更具有可靠性，多用于行业报告、市场评估、日常运营等方面。而探索性指标则与创业关系更为密切，创业大师硅谷企业家史蒂夫·布兰克曾说“创业公司应该把时间花在探索并得出一个可扩展、可复制的商业模式上”，尽管探索的路总是会犯错，但经过一些列探索后，一个能震撼市场的新产品则有可能诞生。
-4-
先见性指标与后见性指标
先见性指标，用于预测未来。假如产品的用户投诉量持续增加，用户放弃该产品的概率就会增大，那么用户投诉量则作为用户流失的先见性指标，该指标可以帮助产品人员预测产品未来的发展情况。
后见性指标，用于解释过去。比如用户流失量，指已经脱离产品服务的客户量，流失的客户已然成为事实，这已无法改变，通过对已发生的事实进行了解分析，防范于未来则是后见性指标的意义所在。
一个有趣的现象是：一个团队的后见性指标有可能是另一团队的先见指标。例如季度订单量对于销售团队是后见性指标，因为合同已经签订，而对于财务部门而言，却是一个先见性指标，因为客户还没有支付合同内的金额，因此它代表着营收的预期。两种指标类别各有不同意义，在创业之初，数据不足难以窥探数据的先见性，应该通过更多的最小可行性产品去验证市场并关注其后见性指标。
-5-
相关性指标与因果性指标
相关性指标，是指当一个数据指标变化时，另一个数据指标也可能随之变化，不论这两个数据指标有没有必然联系。
因果性指标，是指当一个作为原因的数据指标变化时，另一个作为结果的数据指标在一定程度发生变化，这两个数据指标存在着必然联系。
因果关系不是简单的一对一，它面对着诸多因素的影响。想要找到一个因果性指标，必须先找到一个相关性指标，再通过诸如定性定量、大批用户、重复多次的AB测试等实验，才能测量得出因果性。通常，相关性已经很好，因为发现相关性可以帮助预测未来，但因果性更佳，因为发现因果关系则意味着可以改变未来。
