文章類(lèi)型：課堂筆記
授課老師：前百度大數(shù)據(jù)部技術(shù)經(jīng)理桑文鋒
Q：平時(shí)做項(xiàng)目時(shí)，如何做決策的单刁？
A：
1.拍腦袋：通過(guò)感覺(jué)來(lái)決定要不要做灸异，結(jié)果可能會(huì)對(duì)，可能會(huì)錯(cuò)羔飞。
2.因果驅(qū)動(dòng)：強(qiáng)調(diào)邏輯肺樟；存在的問(wèn)題是想清楚原因需要很長(zhǎng)的時(shí)間，可能會(huì)錯(cuò)過(guò)最佳時(shí)間逻淌。
3.數(shù)據(jù)驅(qū)動(dòng)：用數(shù)據(jù)說(shuō)話(huà)么伯。比如一個(gè)例子，一個(gè)頁(yè)面是綠色好還是藍(lán)色好卡儒？進(jìn)行用戶(hù)抽樣田柔，百分十的人顯示綠色俐巴，百分之十顯示藍(lán)色，一天后看點(diǎn)擊量硬爆。之后再去慢慢分析原因欣舵。
情況一：很多創(chuàng)業(yè)公司中，大家排隊(duì)等一個(gè)工程師跑數(shù)據(jù)缀磕。市場(chǎng)缘圈、產(chǎn)品、運(yùn)營(yíng)袜蚕、老板等在工作時(shí)糟把，都需要用到數(shù)據(jù)。
比如工程師老王是數(shù)據(jù)工程師牲剃，他需要針對(duì)需求一個(gè)一個(gè)去對(duì)遣疯。業(yè)務(wù)發(fā)展越快，各部門(mén)對(duì)數(shù)據(jù)的需求越大颠黎。（效率低）
情況二：只有儀表盤(pán)可看另锋。這種情況滿(mǎn)足老板決策。
但是狭归，宏觀數(shù)據(jù)滿(mǎn)足不了具體細(xì)節(jié)，比如根據(jù)特定渠道展開(kāi)去看數(shù)據(jù)文判，儀表盤(pán)不能滿(mǎn)足需求过椎。
情況三：公司發(fā)展到一定程度，出現(xiàn)多個(gè)部門(mén)戏仓，部門(mén)之間無(wú)法打通疚宇，就會(huì)出現(xiàn)數(shù)據(jù)孤島的情況。
溝通代價(jià)極大（難做）
情況四：理想狀態(tài)赏殃，自助式數(shù)據(jù)分析敷待。業(yè)務(wù)人員真正的去掌握數(shù)據(jù)
下圖前者是需求驅(qū)動(dòng)，來(lái)一個(gè)需求仁热，數(shù)據(jù)工程師去滿(mǎn)足這個(gè)需求榜揖，是一個(gè)串行的過(guò)程，更理想的狀態(tài)是倒序抗蠢，下圖后者举哟，是個(gè)并行的過(guò)程。
->數(shù)據(jù)處理流程：數(shù)據(jù)采集迅矛、數(shù)據(jù)建模妨猩、數(shù)據(jù)分析。
對(duì)于很多業(yè)務(wù)人員只關(guān)注數(shù)據(jù)分析秽褒，他們不知道底層有很多基礎(chǔ)的工作需要去做壶硅。
數(shù)據(jù)采集要避免不準(zhǔn)確（拿到的是錯(cuò)誤的數(shù)據(jù)）威兜、不完備（只采集了部分?jǐn)?shù)據(jù)）和不細(xì)致（只采集了部分緯度的數(shù)據(jù)），那么數(shù)據(jù)采集的基本原則是什么呢庐椒？
·全：多種源（客戶(hù)端椒舵、服務(wù)端、數(shù)據(jù)庫(kù)等）扼睬，全量而非抽樣逮栅。
·細(xì)（強(qiáng)調(diào)多維度，數(shù)據(jù)源要做好）：Who窗宇、When措伐、Where、How军俊、What侥加。
數(shù)據(jù)采集的方式：
數(shù)據(jù)建模：
->數(shù)據(jù)分析的方式：
·多維事件分析
·漏斗分析
·留存分析
·行為序列分析
·A/B testing
·用戶(hù)分群
![MZJUU]LRV51_1K$K9J@QFU1.jpg](http://upload-images.jianshu.io/upload_images/659529-963f06b9a27b47a3.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![JIY8N(4{@GV_]3D6DIIZIGH.jpg](http://upload-images.jianshu.io/upload_images/659529-fe1ea75ecec29c05.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
![F402Y]1J%Y7S5}$LBPVOL9O.jpg](http://upload-images.jianshu.io/upload_images/659529-2b697864a6361706.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
->在實(shí)踐中如何進(jìn)行運(yùn)營(yíng)分析？
以Saas運(yùn)營(yíng)分析實(shí)踐為例：（Saas->Software-as-a-Service（軟件即服務(wù)））
·產(chǎn)品發(fā)布評(píng)估
·使用客戶(hù)留存分析
·流失用戶(hù)召回
![Z5E$7T1R}IE7V)K`2T5GQ]M.jpg](http://upload-images.jianshu.io/upload_images/659529-d5a63baff0711b5c.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)
->如何根據(jù)產(chǎn)品構(gòu)建指標(biāo)體系粪躬？
·One Metric （來(lái)源于《精益數(shù)據(jù)分析》一書(shū)）
·Pirate Metrics:AARRR（海盜指標(biāo)法）
下圖是07年發(fā)布的担败，更傾向于網(wǎng)站分析：
最后提一下增長(zhǎng)黑客，是提升指標(biāo)的性?xún)r(jià)比高的一種方式镰官。
Growth Hacking 與數(shù)據(jù)分析的關(guān)系：數(shù)據(jù)分析是Growth Hacking的根基提前。
