文章类型：课堂笔记
授课老师：前百度大数据部技术经理桑文锋
Q：平时做项目时，如何做决策的？
A：
1.拍脑袋：通过感觉来决定要不要做，结果可能会对，可能会错。
2.因果驱动：强调逻辑；存在的问题是想清楚原因需要很长的时间，可能会错过最佳时间。
3.数据驱动：用数据说话。比如一个例子，一个页面是绿色好还是蓝色好？进行用户抽样，百分十的人显示绿色，百分之十显示蓝色，一天后看点击量。之后再去慢慢分析原因。
情况一：很多创业公司中，大家排队等一个工程师跑数据。市场、产品、运营、老板等在工作时，都需要用到数据。
比如工程师老王是数据工程师，他需要针对需求一个一个去对。业务发展越快，各部门对数据的需求越大。（效率低）
情况二：只有仪表盘可看。这种情况满足老板决策。
但是，宏观数据满足不了具体细节，比如根据特定渠道展开去看数据，仪表盘不能满足需求。
情况三：公司发展到一定程度，出现多个部门，部门之间无法打通，就会出现数据孤岛的情况。
沟通代价极大（难做）
情况四：理想状态，自助式数据分析。业务人员真正的去掌握数据
下图前者是需求驱动，来一个需求，数据工程师去满足这个需求，是一个串行的过程，更理想的状态是倒序，下图后者，是个并行的过程。
->数据处理流程：数据采集、数据建模、数据分析。
对于很多业务人员只关注数据分析，他们不知道底层有很多基础的工作需要去做。
数据采集要避免不准确（拿到的是错误的数据）、不完备（只采集了部分数据）和不细致（只采集了部分纬度的数据），那么数据采集的基本原则是什么呢？
·全：多种源（客户端、服务端、数据库等），全量而非抽样。
·细（强调多维度，数据源要做好）：Who、When、Where、How、What。
数据采集的方式：
数据建模：
->数据分析的方式：
·多维事件分析
·漏斗分析
·留存分析
·行为序列分析
·A/B testing
·用户分群
![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)
->在实践中如何进行运营分析？
以Saas运营分析实践为例：（Saas->Software-as-a-Service（软件即服务））
·产品发布评估
·使用客户留存分析
·流失用户召回
![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)
->如何根据产品构建指标体系？
·One Metric （来源于《精益数据分析》一书）
·Pirate Metrics:AARRR（海盗指标法）
下图是07年发布的，更倾向于网站分析：
最后提一下增长黑客，是提升指标的性价比高的一种方式。
Growth Hacking 与数据分析的关系：数据分析是Growth Hacking的根基。
