数据分析复盘——相关理论之精益数据分析
零. 《精益数据分析维》导图（部分）
一. 什么是数据分析？
数据分析，就是通过数据的统计分析发现问题。无论是文本数据、空间数据、还是图像数据，最终都会回归统计分析。其实和数据挖掘的联系非常密切。广义的数据分析，包括基础的统计分析和数据挖掘。
我就先不严谨的分为两类吧（因为不懂建模和算法），一类偏向技术，一类偏向业务/产品。偏向技术，主要负责数据的获取、数据处理算法、数据分析平台的构建。偏向业务或者产品的数据分析，就是通过分析数据维度组合的规律以及数据的历史和趋势找到达成业务目标的方法或者途径。
二. 什么是精益数据分析
多次持续地进行若干指标数据分析。而不是诸如年中总结或者年终总结才进行的全部数据分析。相当于精益创业中“构建-衡量-学习”中的衡量部分，持续存在于企业的各个阶段，对当前阶段的可付诸行动的指标进行分析，为进一步迭代产品提供参考。
二点五. 为什么要进行精益数据分析？
数据可以提供想法的验证及趋势的预测。我们大多数人都不是那创业成功的，在一开始就能找准市场的方向或者运气爆棚的人。因为，我们的思维极有可能有漏洞，我们的信息极有可能不够全面，所以我们很可能在一开始是没有找对正确方向的，而精益数据分析就是衡量方向的准确性，并提供下一次迭代参考的一个工具。
提高分析效率。我们的精力有限，需要聚焦关键的部分。（第一关键指标）
提供量化的数据以供决策。我们需要比较才能更好地作出决策，确定分析的底线。
三. 如何进行精益数据分析？
1. 目标上的精益
1.1 按创业阶段分析
如书中给出的创业框架和对应的分析阶段图：
1.企业的定位阶段，需要做的是通过分析寻找一个可以进入的市场，并找到一个能够让用户付费的解决方案。
3.在病毒传播和获取收益阶段，需要通过分析监测以及提高传播和扩大受益。
4.在规模增长阶段，需要做的是通过分析发现一种可持续发展且有规模效应的商业模型。
1.2 按商业模式分析
书中将商业模式分为6种：
电子商务、SASS(软件)、移动应用、媒体网站、用户内容生成、双边市场。
以移动应用为例，用户流程及对应指标大致如下：
其中对应的指标有评分、搜索、排行、购买量、下载量、安装量、用户数量、活跃数量、流失率等等。如果是免费应用的话，很大的一个特点就是付费率低，应该会非常符合28定律，所以在移动应用的分析上，也许要把土豪用户们单独拿出来分析。
2. 指标上的精益
第一关键指标——OMTM（One Metric That Matters），就是当前商业模式和当前阶段最重要的指标，需要集中全部的注意力。主要有两点需要注意，不要因为统计的数据太多，影响对关键指标的关注程度，以及记得及时转换第一关键指标。
所以，精益数据分析，就是通过指标和目标的聚焦，把注意力集中在当前最重要的事情上，也就是为了寻找进一步迭代的方向上。
3. 精益分析的大致流程：
四. 大家如何评论这本书
1. 书中的评价
1.1 企业家需要他们自己的显示扭曲场来打击假想敌，但是，一旦他们开始自欺，这种妄想就可能招致毁灭。这本书是解药。”——布拉德
菲尔德TechStars联合创始人
1.2“《精益数据分析》将把你从最小可行化产品带向最有价值的产品。……“——约翰 斯托莫尔 某产品高级总监
1.3 “介绍如何将分析整合进新产品的必读之作……”——彼得 亚雷德某公司CTO和CIO
1.4 “皮尔森定律称，‘可衡量才有促进’，通过把严格的测量结束带入一个崭新的领域：新产品开发和退出的最早阶段，作者拓展了我们对精益管理的理解，其中严密的数据分析方法令人大开眼界”……
2. 豆瓣评论
2.1 有人总结了某一类别产品在一开始的最重要的几个指标，并强调数据陷阱（误区），如增长基数、数据参考值、数据呕吐等等。
2.2 有人总结了数据分析看法，认为，在创业初期，数据是用来检验假设的，而不是用来探索的。如，某些统计结果是要有预期得而，如某以指标的底线，如果没有比较，是没有太大意义的；还分析了过度数据的问题，认为数据可以发现局部最优，但是产品需要的往往是全局最优，从而得出结论，过度依赖数据，会失去“上帝视角”。
非常认同其中的两个观点，数据是用来检验假设的，否则可能会对一些关键的结论视若无睹；以及产品或者企业需要的是全局最优，而数据可能只是指引局部最优，所以分析时，也许需要把“外部”因素考虑进去，如互不产品的情况，替代产品的情况等等
五. 关于做好数据分析的启示
0.给出合理的预测再进行数据分析，就是书中强调的底线。进行对比，才能更好地行动。
1.如书中建议的，关注第一关键指标。把问题理清，再进行数据分析和跟踪，以免get数据呕吐。
2.尤其是在大公司或者有多款产品或模块时，在聚焦局部的同时，不忘将视野放大考虑下全局的影响。
3.警惕数据分析陷阱
- 忽视异常值：异常值不一定就是噪音，如《黑天鹅》的成书就是基于异常的分析。
- 忘记归一化：未统一量纲，无法进行比较
- 忽视周期性：忽视周期的规律，去谈数据，没有没有意义。
- 错估阀值：很容易得出错误地结论
- 不是在这儿收集的”综合症：天知道两者有没有关联，既然有数据就试试呗。