# 数据的价值感知
假如采用最智能的生产方式，加工最高层次的数据产品，用户就愿意买单么？我的答案可能是：不一定。同样的数据加工品带给人们感受到的实际价值会因人而异，也会因为使用场景而产生差异。
# 数据价值感知与人行为的关系
同一份数据加工品对某人可能非常有价值，而对另外一个人可能就一文不值。数据的价值感知与个人行为的紧密度密切相关。当数据和人的经历之间产生某种关联时，数据的价值才能被人所认知。数据与人的行为的紧密度会很大程度的影响人们对数据价值的判定。
数据与人的紧密度可以分为三个阶段：
- 数据与人的行为之间没有产生关联： 有些数据只在特定领域中应用，这些数据与领域之外其他人毫无关系。有些数据只对本人有影响，但是不会对其他人产生关联，例如，中国银联每天都会产生上亿条交易记录，不同的持卡人各自存在，相互之间不会产生影响。有些数据是人们工作或生活行为过程中的附属产物，这些被记录的数据可能被收集，但是对本人没有任何影响，例如搜索引擎会记录用户在输入框搜索的关键字，如果数据只是用来改善搜索引擎的准确度，那这些关键字数据对具体用户就没有产生任何影响；当数据和人的行为没有发生联系，那人们对这些数据就不会产生任何价值的感觉。
- 数据对人对行为产生或多或少的影响： 有些数据可以改变人的行为过程，例如，人们网上购物的行为数据可以被用于精准广告推荐，下次再访问的时候，基于偏好数据的精准推送就可以直达客户喜好；有些数据可以加深人们对行为感知，例如，人们完成某个竞技游戏比赛时，详细的数据可视化图表可以更方面他们看到自己的成绩，这些数据会加深他们对比赛的回顾，从而带来更好的体验；当数据和人的行为互相交叉影响时，人们不仅会感知到数据的价值，还会对数据存在的意义有一个新的认知。
- 数据成为人行为的主体： 当人们身边的物品和行为被记录成文字、图片、声音和视频等数据时，随着互联网技术的快速发展，这些数据会成为很多人生活的组成部分，我们听音乐、看视频这些行为慢慢会把日常碎片时间填满，而音乐和视频就是数据，当人们的行为都围绕在数据展开时，数据就成为了人行为中不可或缺的组成部分，这个时候数据就有了价值付费的意义；
# 用户被动感知数据的价值
被动感知的数据价值，是指用户就像坐在电影院里的观众，只需要欣赏或使用已经生产制作好的数据加工品，不管用户是否喜欢，电影的剧情不会因为人的意志而发生改变。即使允许用户和数据产生互动操作，数据加工品也是预制好的，不会因为用户的意愿而变化。例如，现在很多数据可视化的大屏用来展示各项监控指标，数据统计整合后展示后，用户可以选择查询条件来筛选自己想要的数据，当查询条件确定后，返回显示的数据并不会改变。
在被动感知数据价值的过程中，用户的关心点会聚焦在数据本身的质量上面，数据本身的质量分为客观质量和主观质量两方面。
# 数据的客观质量
数据的客观质量是指可以被量化评估，不以人的意志为转移的一些质量指标。可以以下面四个方面来评估数据的客观质量：
- 数据的精确性： 数据的精确性是指数据数值的精度，如取值为小数点后三位，可能会比取值小数点后两位或取整的精度高。在科学研究领域，各类研究实验都会想各种办法获取到高精度的数据；
- 数据的准确性： 数据的准确性是指数据实际值和理论值之间的匹配程度，反应数据的真实客观程度。例如，我前段时间去新疆旅游，路过了距离伊犁五百多公里外的奎屯县，在疫情的形成码中就显示我去过伊犁（奎屯属于伊犁的行政管辖范围），这样的数据就存在准确性问题，因为数据的不准确，导致我被强制居家隔离14天，耽误了很多工作，所以数据的准确性。
- 数据的完备性： 数据的完备性是指满足一定约束条件的完整程度，包括数值是否被全面记录以及前后记录是否一致。例如，在我的一个数据项目中，行政区划变更后，有些地理位置字段被记录为重庆，有些被记录为重庆市，有些自动采集的数据有具体的字段信息，有些因为网络问题没有记录字段信息，综合描述，这类的数据都是不完备的，需要进行处理。
- 数据的有效性： 数据的有效性是指数据能够体现某个事物或事件特征的有效程度。例如，某些监控系统提供的数据，如果可以清楚的描述某些异常事件的特征，那它的数据有效性就高，假如提供的数据被重复修改过多次，并且无法查询数据修改的日志，那使用时就会给用户带来困扰，它的有效性就很低。
数据的“干净”程度决定了数据是否可被信任，这会直接影响用户对于数据的价值感知。不同用户对于数据客观质量的要求也不太一样，例如，并不是所有数据加工品都要求精度越高越好，比如气温数据，对气象研究人员来讲，气温变化数据精度越高越有利于准确分析气象动态，但是对于普通的用户而言，只想通过天气知道该穿什么衣服，所以讲不需要那么高的数据精度。
# 数据的主观质量
数据的主观质量是指无法被客观量化，会受到人们主观因素影响，与人的主观认知紧密相关的特征如下：
- 稳定性： 是指数据源数据更新状况是否稳定、有序。例如，数据丢包率为0.1%就会比1%更稳定；
- 多样性： 是指采集数据种类的丰富程度。例如，同样一个维度的数据，采集100个样本，就会比只采集10个丰富性要高，在考虑数据离散程度的情况下，要保证数据采集的多样性，才能输出有价值的数据分析结果；
- 实用性： 是指数据的实用程度，当前环境下是否有能力去分析处理这些数据。例如，很多顶尖科研数据，对普通用户来说实用性就会很低；
- 可用性： 是综合考虑业务责任、权限归属、社会影响和伦理道德等原因，数据可以公开发布的程度。例如，滴滴出行的数据，只能有限制的使用，或对特定群体局部发布；
- 安全性： 是指数据在流通过程中的安全程度。例如，加密传输的数据肯定会比明文传输的数据安全性高；
- 及时性： 是指数据更新的及时程度。例如，实时更新的数据肯定会比轮训定期更新的数据及时性高；
- 隐私性： 是指数据私密性的程度。例如，个人隐私信息，银行交易数据就应该绝对保密，数据需要做脱敏处理；
- 权威性： 是指数据来源的权威程度是否有影响力。例如，国家外交部或官方发布的数据权威性就肯定会比个别自媒体营销号要高。
同一份数据，不同用户对数据主观质量的解读会不一样。同一份数据，不同来源也会影响人们对数据主观质量的解读。除了数据本身客观质量和主观质量外，数据被人所用还需要一个人为的解读过程，同一份数据，不同的人可能会解读出不同的信息。也就是说，如果数据价值如果是通过被动感知的方式来体现，那可能同一份数据加工品给不同人带来的价值感知差异会非常大。解决这类问题的办法是：引导用户采用主动体验的方式感知数据价值。
# 用户主动感知数据的价值
主动体验数据价值，是指用户就像戏剧里的演员，不仅通过自己参与让数据的价值体现的更充分，而且在用户亲历体验的过程中，还得到了精神上的满足，带来成就感。例如，现在比较流行的各种短视频就是给用户提供表达自我、记录美好生活的分享平台。平台像是剧院，用户就像剧院中的演员，不同用户在舞台上通过短视频内容进行交流互动。在主动体验过程中，人们不会过分纠结数据本身的主观质量和客观质量，他们更多的是领会数据意义层面的价值。
# 数据意义层面的价值
意义是社会的产物。人造物的实际用户常常并不是由设计初衷所决定的，而是由使用者理解、听取别人对该物品的描述和旁观者对它的评价决定的。用户有情感，那他面对的数据可能就包含情感，假如用户不知道该如何解读数据，那数据对他来说可能就没有意义。数据因有人参与，才能变得更加有趣。
数据加工品给用户带来的意义有时候比功能更重要。用户对数据加工品的需求并不仅仅是拥有它的功能，而是数据加工品带来的外延价值。数据给用户带来的意义层面的外延层面价值包括：成就感、愉悦感、创造感、归属感、责任感、自由感、安全感、公平感等等。
早期的产品设计更多关心的是满足人类物质需求，随着时代的进步，人们开始更多的关心文化和精神层面的诉求。非物质设计关注点慢慢从产品的功能本身转移到使用产品时的心理和精神层面的感觉。虽然无法直接观察到确切意义，但是用户会因为意义而产生行动，所以可以通过观察意义对人们行为产生的影响而判断用户的动机，根据动机去因地制宜的进行产品设计。
数据价值的主动体验，是将用户作为演员，数据作为道具，数据的运行环境或载体作为布景，功能或服务作为舞台，使用户在和数据的互动过程中获得有价值的体验。