1704335128
第三，数据分析师感叹落不了地，只能谈数据，而不懂商业。如果不懂商业，而单纯看数据，不仅很难有创意的思维，而且是没有意义的。
1704335129
1704335130
而对于一般的数据分析师来说，大部分人没有系统思维，而且也只能看一部分数据，无法从大面儿上了解整个公司的运营数据，这样就令数据分析师难以形成全面的思考方式。
1704335131
1704335132
为什么我在敦煌的时候数据分析能力会突飞猛进？那也是因为我在前两家公司只能看到一部分数据，而到了敦煌之后我爱看什么就看什么，受谢教授启发之后我更是天马行空地把营销数据、市场数据、财务数据、产品数据、卖家和买家数据等联动起来看，这大大改变了我对数据的运用方式。
1704335133
1704335134
■ 打破常识和经验分析数据
1704335135
1704335136
丁士正[87]有一段时间在一家为客户在Facebook上做广告的加拿大公司工作。
1704335137
1704335138
这是一家小型Startup（创业）公司，总共不到20个人。其中4个人（包括他自己）是技术人员，剩下的除了CEO都是Account Manager（客户经理）。当然CEO很多时候也在做Account Manager的事情。
1704335139
1704335140
刚到这个公司的时候，我觉得他们的code很烂，他们的数据库设计也很烂。后来才知道，当初startup的时候，是找了印度公司做外包的，他们对这个外包很不满意，所以一期项目搞定之后，就全部拿过来自己做了。但是后遗症也留下了。
1704335141
1704335142
这个公司的数据模型很清楚，只要通过低于广告主给出的CPA (Cost Per Action，每行动成本，一种按效果支付成本的收费形式)价格能赚到钱，就想办法增加广告覆盖率。但是有个常识大家都明白，增加覆盖率很可能导致转化率下降。但是如果接受这个假设，那么就没有什么赚钱的机会了。恰恰是因为他们相信，除了常识之外，还有一些事情是经验之外的。
1704335143
1704335144
比如说关键词。有些关键词对某些人有用，对另外一些人没用。如果不做数据挖掘，生想广告词或者关键词的组合，把自己累死也赚不到什么钱。
1704335145
1704335146
所以，这个公司在代码中设计了几个基本核心算法：
1704335147
1704335148
1. 一种止损的trigger（触发器），自动停止任何亏钱的广告。
1704335149
1704335150
2. 一个自动发布广告的Cron（定时任务）。程序一直在扫描，一旦发现一些广告能赚钱，就自由组合这些广告元素再自动发布到广告系统里面。这样，就能出乎意料地发现一些更加赚钱的广告形式。
1704335151
1704335152
3. 做了很多广告更新的算法，搞了一个自动化的A/B测试策略来针对Facebook广告价格的浮动，来更新广告的价格。
1704335153
1704335154
通过阅读这些算法我感受很深。所谓的数据分析，不是一个产品经理跑到运维、数据库管理员或者工程师那里说：我现在要跟踪什么什么数据，你帮我出一下吧，然后再对着跑出来的数据琢磨这些数据是否合理。在这个公司里，只要发现一个数据模式对收入有影响，就会直接编码到系统里，变成自动执行的代码。基于这样的数据导向原则，代码面临无穷多次的重构，因为谁也不知道，下一个数据模式会发生在哪个层面，哪几个数据之间会发生关系。
1704335155
1704335156
我认为国内的不少公司，还在根据daily report（日报单）分析数据，还在说数据只是为了验证产品经理想法的阶段。这动作是不是太慢了？
1704335157
1704335158
对于大多数网站，如果你想用数据为导向，必须建立系统级的A/B测试机制。对于界面层面的重构，一个产品经理加一个工程师，用这个系统一天至少能做3~4个。系统级别的A/B测试要能够保证快速上线，第一时间看到数据，一旦超过临界值要直接结束测试、保留数据并生成报告（直接邮件发送，而不是让产品经理想起来跑到后台再查）。
1704335159
1704335160
对于做社交网站，或者有复杂用户数据模型的公司，要在界面呈现和用户数据之间建立匹配系统。这样，产品经理可以设计几种呈现模式，丢到匹配系统中，过不了多久，就能发现用户对不同呈现模式的数据反应的不同，然后系统性地固化这种机制。
1704335161
1704335162
通过cookie或者用户登录信息，建立针对不同用户的内部tag系统，看这些tag在系统里有没有明显差异。如果有就可以固化下来，用来提高关键指标。
1704335163
1704335164
所以，我现在对于数据分析的感觉是：要提高一个数据指标，盯着它是没有用的。必须找到影响这个数据的另几个可操作性更强的数据指标，调整它们。分析数据的可能性要充分，充分分析的基础是测试充分多的可能性。如果你想测试图标的颜色从绿色变成红色会不会更好，那为什么不测试一下蓝色、紫色和黄色呢？如果小规模数据已经可以说明问题，就没有必要延长测试时间，也没有必要扩大测试范围。要充分利用计算机来帮你做数据采集和分析，缩短数据分析的周期，降低数据分析的成本。有必要的时候，可以让计算机帮你找Pattern（模式），因为计算机没有偏见。
1704335165
1704335166
知乎说
1704335167
1704335168
“数据”和“用户反馈”就像产品发展过程中的左右两个大脑，一个是“理性”的，一个更偏“感性”。数据能够更加真实地反映出用户使用产品的行为特征，然后根据这个特征来做产品调整。但是尽信数据不如无数据。当你手握数据的时候，你应该考虑的是如何分析，如何运用好这些数据，理性和感性结合，才能做出好的判断。
1704335169
1704335170
1704335171
1704335172
创业贴士
1704335173
1704335174
汪华建议互联网产品推广策略
1704335175
1704335176
■ 互联网产品什么时候可以做大规模的推广？产品从中期到成熟期的推广有哪些注意点？
1704335177
[
上一页 ]
[ :1.704335128e+09 ]
[
下一页 ]