無論是身處什麼行業什麼領域，數據分析越來越成爲一向必不可少的技能， 而運用數據思維進行決策更能產生形成高質量的決策結果。
隨着互聯網的不斷髮展和物聯網設備的不斷普及，我們日常生活中的各種數據被存儲下來，讓我們可以通過定量分析數據，利用數據實現更好的決策制定。
現在越來越多的公司開始注重這一塊，一方面自建數據體系，一方面去買一些數據。而對於我們個人似乎還沒有意識到或者開始挖掘數據對我們的價值。
筆者最近的工作大都是做一些基礎設施搭建和流程優化相關的工作。這部分工作對很多人來說都是“隱形”的，對上層使用者來說很難有很大的感知。對於領導來說，如果你只是悶頭去做事情，他們也是很難知道你乾的怎麼樣，如果這之間再加上 你沒有什麼反饋，就會給同事和領導一種“不靠譜”的感覺。
因此給予反饋和直觀展示自己勞動成果的能力就顯得非常重要。然而如果你能很好展示自己的勞動成果，那麼只需要將這個給老闆看就是一種很好很直觀的反饋。
這篇文章，我們來談一下，如何量化我們的工作，如何將我們的工作成果展示出來。如何讓同事，讓領導體會到我們工作的成果。我會通過幾個例子來幫助大家快速理解，以及掌握這門“技術” 。
《讓數據開口說話》是我給這篇文章的標題，讓數據開口說話，你就可以少說一點，並且擺數據就是擺事實，數據帶來的說服力要比你說的話強很多。
收集數據
如果讓數據開頭說話，那麼首先第一步你要有數據。
因此我們的第一步就是收集數據，那麼在這之前你需要知道你需要什麼數據。這部分的內容隨着每個人任務不同肯定是不一樣的。因此有着很大的靈活性，
有一個指導思想就是對關鍵指標分解。比如我現在要做打包時間進行優化，那麼打包時間由哪些時間決定。
打包時間 = 階段1 時間 + 階段2 時間 + 階段3 時間我們減少打包時間肯定要減少其中一個或多個。
有時候我們無法找到這種簡單的分解，那就教大家另外一個技巧：運用對比。
一方面可以基於時間進行對比，比如環比增長，同比增長等數據都是這麼來的。
另一方面我們可以基於用戶屬性進行對比，比如用戶年齡，性別，偏好，操作系統類型， 地域屬性等。
下面我舉幾個例子。
打包優化
假如你被分配了一個任務。讓你對項目的打包過程進行優化。
你需要對打包時間進行優化，減少打包的時間
你需要對打包的最終產物進行優化，減少打出的包的包體大小。
將打包變得儘可能的簡單，也就說盡量減少人爲的操作過程。
你接到了這樣一個任務，你會如何去做？
這裏我們不考慮具體的具體思路和細節。假設你的架構思路，方案規劃，各種fallback已經想好了。我們如何通過上面提到的讓數據說話的角度來收集數據呢？換句話說，我們需要收集哪些數據？
打包時間
對於打包時間的數據，最簡單的我們計算一下總體的打包時間。
最後我們只需要對比優化前後的總體打包時間差異即可。
這對於老闆來說可能已經夠了，但是這缺乏一些精確性，我們無法知道通過優化了哪個環節進行 減少了打包時間。因此一種簡單的改進是將打包劃分爲多個階段，每個階段分別進行統計計時⌛️ 。
包的大小
包的大小的數據其實和上面講的打包時間思路類似。
我們當然可以只統計總體包大小。
但是爲了獲得更加靈活的定製和更加精確的範圍我們可以對包進行一定的劃分。這個劃分可以是業務緯度，也可以是純技術緯度。
打包命令
這部分比較簡單，我們只需要簡單地統計手動操作的次數即可。
通過收集以上的數據，我們就可以用數據來表示我們的成果，讓數據說話，關於如何 使用這些數據，我們稍後討論。
頁面加載性能優化
假如你被分配了一個任務。讓你對項目的頁面加載速度進行優化。你會怎麼做？
這個任務有點太寬泛了，更多的時候會有一些更精確的指標，
比如將網絡狀態爲 fast3G的 中端機型的白屏時間降低到 3s以內。
timing
性能優化的第一步就是測量，沒有測量就沒有優化。我們不能爲了優化而優化， 而是看到了某些點需要優化纔去優化的。而發現這個點一個重要的方式就是要靠測量。
說到測量，普遍接受的方式是，在瀏覽器中進行打點，將瀏覽器打開網頁的過程看作是一個旅行。那麼我們每到一個地方就拍張帶有時間的照片（事件），最後我們對這些照片按照時間進行排列， 然後分析哪部分是我們的瓶頸點等。
有了這些timing 我們可以很方便的計算各項性能指標。我們還可以自定義一些我們關心的指標，比如請求時間（成功和失敗分開統計），較長js操作時間，或者比較重要的功能等。
總之收集到這些數據之後，我們只需要根據我們的需求去定製一些指標即可。
這樣我們就很容易展示出這樣的畫面：
人效提升
假如你是一個項目的管理者，上級分配給你一個任務，要在未來幾個季度去做“研發效率提升”， 也就是提高“交付速度”。你會怎麼做這件事？
任務
這個事情是比較主觀的了，因此我們切實需要一些可以量化的東西來輔助我們。
我們考慮將需求進行拆分，變成一個個任務。一個需求可能有多個任務。
我們考慮對每一個任務進行計時，而不是需求，因爲需求有太大的差異。我們可以針對任務進行分類，然後我們的目標就可以變成“減少同類任務的交付時長”。
但是這種粒度似乎還是有點大。我們可以採取標籤的形式，對任務進行交叉分類。
任務緯度可能還是有點太大，我們可以採取更小的粒度劃分，比如模塊和組件。
這樣我們的統計緯度就豐富起來了，我們不僅可以總體進行統計分析，我們還可以根據tag和tag的組合進行彙總。
比如一個典型的統計結果大概是：
- task1 (tagA)
- module1 (tagA)
- component1 (tagB)
- component2 (tagA)
- module2 (tagB)
- module3 (tagB)
- task2 (tagA)
- task3 (tagC)比如這裏有一種tag叫“是否複用了以前的代碼”， 那麼我們就很容易統計出組件複用率，也就很容易很直觀地知道前後的差距了。
用戶拉新和留存
再比如我們需要做“用戶拉新和留存”，我們應該怎麼做？
這個留做思考題，大家可以思考一下。
我這裏拋磚引玉一下，比如我們的統計緯度可以是：
- 用戶訪問時長 (tagA)
- 跳出率 (tagB)
- 新用戶 (tagA)
- 流失的老用戶 (tagB)
- 地址位置 (tagA)假如我的tag有兩個分別是 用戶id和時間， 我們就可以方便地統計每個用戶的活動數據趨勢。
讓數據說話
有了數據，我們如何通過數據來增強表現力呢？
一種非常有效的措施是可視化。現在的可視化引擎和工具有很多，功能也非常複雜。
但是我發現我個人需要的就那麼幾個，可能大家每個人需要的種類不大一樣， 但是我相信作爲個人，你需要的種類不會很多。因此自己根據自身的實際情況， 挑選適合自己的幾種類型，做到迎刃有餘就足夠了。
對於我而言，我常用的是餅圖，用來表示分佈關係。曲線圖用來表示趨勢。用柱狀圖表示對比+趨勢。用熱度圖表示離散的數據分佈等等。
我們可以使用一些現有的成熟的產品來幫助我們將剛纔我們收集到的數據轉化爲各種圖表， 比如 畫布
這個網站能做的圖表種類比較少。
當然作爲一名前端我們也可以自己寫代碼去更靈活地展示我們的數據，比如D3或者百度的echarts
任何類型的圖表都可以做，只有你想不到，沒有它做不到。
相對摺中一點，我們可以選擇支持代碼定製的一些產品，在特殊情況我們可以自定義。
累死累活幹不過做 PPT 的
有了這些數據圖表，是時候寫一份PPT來秀一下了。
一種方式是使用你電腦的辦公軟件或者一些在線的幻燈片製作工具做， 比如slides 。
另一種方式通過寫代碼的方式實現，作爲程序員我推薦使用第二種。這裏推薦一款 nodejs cli工具 nodeppt,還有另外一個 JS框架 reveal.js 。上面提到的slides背後的原理就是它。
總結
這篇文章我主要講述瞭如何量化我們的工作，並將我們的工作成果展示出來。從而擺脫“幹了很多事情，卻說不出來，甚至功勞被人無情拿走的尷尬局面”。
首先我們將瞭如何收集數據，收集數據的一些技巧，這裏通過幾個實際工作的例子，分別是“打包優化”，“性能優化”，“人效提升”，“用戶留存” ，來幫助大家理解這個過程，掌握這個技巧。有了數據之後，我們需要通過一些手段將其數據展示出來，給人直觀的感受，最好有視覺衝擊感。這裏我推薦了幾個工具和平臺，大家可以根據自己的情況選擇。最後結合我們實際情況，PPT是一個很好的展示自己的東西，不管是晉升還是宣傳都是很好的方式， 這裏我也推薦了幾個產品，幫助大家更快更好地將圖表展示出來。
讓數據開口說話，你就可以少說一點，並且擺數據就是擺事實，數據帶來的說服力要比你說的話強很多。