在产品运营的过程中，经常性的让数据或者技术给查一些数据，产品也会给技术要一些数据，数据其实是同一套，技术搞出来的数据产品和运营都不满意，即使是同一套数据，产品和运营都有自己解读方式，最后搞的大家都很头疼。
有些人解读数据就是数据，数据不给业务进行任何的支撑，或者领导问起一些业务指标的时候，自己并不能对答如流，明明数据已经看完，但是自己就是回答不了。
其实根本问题是内部没有一套数据体系，导致技术搞出的数据不满意，或者产品和运营解读按照自己的经验解读，导致数据的误差。
不能够回答领导的问题，大多数还是因为自己不能够把用户数据、行为数据转换成业务数据。
这篇文章主要基于常见的数据类型进行总结，方便公司内部形成数据体系，消除数据提取或者解读的误差，同时也方便自己把用户数据和行为数据转化成业务数据，对老板的提问对答如流。
常见的数据可以分为三大类：用户数据、行为数据和业务数据。用户数据一般包含存量、增量、留存和来源；行为数据一般包含PV、UV、访问深度、转化率、时长、跳出率；业务数据一般包含总量：GMV、播放总时长、阅读总时长等；人均：ARPU、ARPPU、人均播放时长、人均阅读时长；人数：付费人数、观看人数、阅读人数；其他：付费率，观看率，阅读率等等。
业务数据根据自己的业务不同，提取的指标不相等，只要表述出来自己的业务指标即可。
其实这是系列文章，产品运营中的常见的数据指标是如何定义的，这篇文章为（上），这篇文章主要从用户数据的存量、增量、留存和渠道质量衡量四个方面来讲述。
一.用户数据
1.1.存量
存量的数据一般用dau（Daily Active User）或者MAU（monthly active users）来统计，通常所讲的日活和越活，还有一些常见的其他指标pcu、dnu、wau、acu等。
在定义DAU和MAU的时候都是按照关键的用户自发行为来定义，也就是active，在不同的业务中这个active的指标是不同的。
这里强调一下，一定是用户自发的行为来定义的。常见的有登陆、发起请求、阅读一篇文章、观看一个视频，更有甚至用下单当成active，无论哪种都可以，只要是用户自发的行为即可。某些人会把推送接收的push来定义成日活用户，这种定义一般是没有意义，因为他不是用户自发的行为。
DAU的计算方式一般不容易出错，计算当天的数据即可，如果是跨时区的全球业务，定义指标一般用24小时来代替day的概念。
MAU的计算方式有些会产生误区，注册用户10W，DAU为3K，计算MAU为3K*30=9W，这种计算方式没有是错误的，正确的计算方式是这一个月的日活用户相加并去重，同理WAU的计算方式也一致，切记所有累计活跃用户一定要去重。
1.2.增量
增量用户是指在某一时间段内新增的用户，新增的争论一般会存在于新增的指标，也就是新增注册用户还是新增设备数。
一般情况下，如果自己没有账号体系，那么也只能认新增的设备数；如果有账号体系，用户不登录对业务没有帮助，则人账号，如果有帮助则人设备数。
长时间不登录的用户重新不能按照新增计算，只能按照唤醒用户计算。
这个一般用于内部新增，对于外部的渠道新增恐怕还有另外一种算法，最好跟渠道确定一下新增的指标，不然后期扯皮非常严重。
在渠道眼里，下载了就算新增，无论这个用户有没有安装，还是安装之后就删除了，所以前期一定要和渠道定义好指标，不然渠道的商务真的能烦死。
如果你公司足够有钱，可以把新增定义到注册，如果你们就偶尔找一下渠道，还扣扣索索，那就等着渠道定制的新增吧。
1.3、留存
留存的数据一般用X日留存来计算，大多数情况下用7日留存来看产品在用户的接受度，或者渠道的质量。
在某些产品中还会引入首日留存的概念，其实首日留存和次日留存是同等的概念，在首日留存中，开始的日期从day0日开始计算，次日留存中开始日期以day1开始计算。
首日留存适用于有明显周期性的产品，比如最近我接触的程序员产品，大多数时候只是周一到周五使用，周六周日的产品使用率特别低，这个时候就特别适合引入首日留存的这一套计算流程。
这样做的好处，第一天为day0，第7天其实为day7，也就是8天，在星期的维度上为同一天。
排除了这种在一周内有明显起伏波动的产品，不同周几上面产生的影响。
第X日的计算留存方式，只要按照X日/首日*100%即可，这种一般用于衡量渠道质量。
X日内留存的计算方式，（第二天+……+第X天）去重/首日*100%，这种一般用于衡量产品喜爱度。
无论用首日留存计算还是次日留存计算，只要内部形成统一和渠道方形成统一，讲明白就好。
字数差不多了，后面再叙述行为数据和业务数据。