今天不從書中概念性的解讀，就從我個人感受的角度來談談自己的想法。希望和做了多年的產品經理們聊一聊數據對於決策的意義。當然，目前在大多數中小型企業中，很多還是沒有數據意識的，表現為拍腦袋想決策。部分企業有數據也是用的第三方數據軟件，只有極少數資本雄厚的公司會建立自己的數據部門，保證自己公司決策的數據推動。所以，如果你的公司還處在前兩種階段，可以看看我下面的描述，大家互相交流下。
一：為什麼說大數據團隊基礎構建那麼重要？
數據安全性
因為有些公司的業務決定，他們的數據安全性要求是極強的，像是政府類，金融類，電商類等，所以他們需要自己建立自己的大數據團隊來保證數據只有自己能保有全部可見和調用權。
決斷正確性
另外，對於成立前期的小企業來說，他們往往不知道自己該走哪一條路，今天看到這條宣傳方式可以就用這個，明天看到另外的手段不錯就也用，這樣眉毛鬍子一把抓會導致在某些渠道上的人和錢的花銷分佈成本過高。如果有了數據，他們會根據自己業務的特徵去選擇合適的用戶投放，會根據渠道的表現來返量等等，這樣就能省下不少創業的錢。而且這也讓不同角色的人之間有了可以共同溝通理解的語言。
未來發展性
大家都知道目前是大數據的時代，幾乎每家公司都想好好利用數據的價值來為公司創造新的盈利增長點。“數據也可賣錢”這個理念逐漸深入人心，數據可以讓我們更加了解用戶在想什麼，它越多，推送的消息也就越準確，數據智能化也就越高，同時能給到整個行業的發展起到良性參考作用。
二：數據驅動第一步之數據採集與埋點。
數據的採集有很多方式，我從產品工作的角色去述說這個事情，分別有：
前端埋點統計
這種方式要麼自己統計要麼用第三方的例如百度統計，谷歌統計，用他們的統計代碼讓程序員添加到我方代碼頭部或者中間，怎樣添加有介紹。多用於網站類前端代碼添加。可統計到的有點擊熱區圖，實時PV，UV圖。渠道來源鏈接後綴統計等等。
後端或者客戶端統計
這種方式和上一種的區別在於他們需要後端工程師或者客戶端工程師去埋點，通過註冊表或者服務端去上報埋點，埋點時間也和網站的實時不一樣。主要用於需要了解產品的一些交互數據，比如一些電商類，是否付款成功，發貨地和物流等數據就需要用這種方式去收集。
三：數據驅動第二步之數據建模。
說到數據建模就不得不說到數據的類型，數據類型有三種，分別是：
業務數據
他的目的是檢測業務發展，找到業務的核心問題。包括流量，用戶，銷售量等數據，一般是最外層最首先看的數據，能判斷公司業務向好還是向壞發展。
用戶基礎數據
描繪用戶畫像或給用戶打標籤。包括年齡，地域，職業，喜好等數據，一般是給用戶分群和用戶畫像的重要衡量指標。
用戶行為數據
對用戶成長路徑和用戶行為特徵等進行分析和定性。包括用戶的點擊行為，瀏覽行為，購買行為，停留市場等重要信息。一般會和用戶數據一起結合分析從而給用戶初步定性來達到精細化運營。
四：數據驅動第三步之數據分析方法。
數據分析方法也有很多，下面是我曾經用到的方法給大家粗略講一下:
頁面點擊分析
之前公司導航產品優很多渠道來上流量，某天發現頁面點擊異常升高，這就會讓我們給渠道方的錢增多，但是我們看細節數據的時候發現，其中只有A渠道升高異常，而且他的點擊位置在頁面下方，不在左上方，所以我們又問了A渠道的部分用戶，發現他們的用戶多為中老年人，點擊呈非目的性，不知道怎麼使用，所以會導致點擊位置的異常。有了這個判斷後，我們給渠道方解釋原因後，返錢量變少，節約了成本。
路徑分析
我們為了做規劃，發現某視頻詳情頁的進入路徑有很多，用戶量最大的前兩位主要是A路徑的頁面和B路徑的功能頁面，於是我們在優化的時候就會加強這兩個渠道頁面的加強引導，這樣我們就有了一個分析結果和優化方向。
漏斗分析
手機端的PUSH推送總共有這幾個數據，從漏斗的外層到裡層分別是推送量，推送成功量，推送送達量，推送打開量這幾個，其中送達量和打開量之間的數據差距會比較大，於是我們對沒有打開的用戶做了一個調研，發現他們原因是我們推送的東西不是他們喜歡的，於是他們不願意點擊查看。後來我們調整策略，減少推送量，針對不同用戶推送他們喜好的內容，打開量獲得了6%的提高。
五：數據驅動另一大作用—產品智能。
產品智能是數據作用價值的最高提現，為什麼這樣說，因為實際上，運用數據做運營分析，這對產品規劃和運營策略的實施起到的效果只佔4成以內，更多的是數據通過算法來自我學習，這會讓我們的APP變得越來越聰明，越來越懂用戶想要的是什麼，就好比永動機的想法一樣，給你一個學習的方法，你就可以自己一直工作下去，而且越來越好用，這就讓人解放了雙手，達到商業價值的最大化。這就是產品智能——數據的最高價值所在。
