点击选择搜索分类

本书资料更新时间：2025-01-09 19:41:16

决战大数据驾驭未来商业的利器车品觉【正版图书】下载 pdf 电子版 epub 免费 txt 2025

决战大数据驾驭未来商业的利器车品觉【正版图书】电子书下载地址

》决战大数据驾驭未来商业的利器车品觉【正版图书】电子书籍版权问题请点击这里查看《

决战大数据驾驭未来商业的利器车品觉【正版图书】书籍详细信息

ISBN：9787213060007
作者：暂无作者
出版社：暂无出版社
出版时间：2014-04
页数：236
价格：7.00
纸张：轻型纸
装帧：平装
开本：16开
语言：未知
丛书：暂无丛书
TAG：暂无
豆瓣评分：暂无豆瓣评分
豆瓣短评：点击查看
豆瓣讨论：点击查看
豆瓣目录：点击查看
读书笔记：点击查看
原文摘录：点击查看
更新时间：2025-01-09 19:41:16

寄语：

【店主推荐，正版书放心购买，可开发票】

内容简介：

[内容简介]



大数据时代的来临，给当今的商业带来了极大的冲击，多数电商人无不“谈大数据色变”，并呈现出一种观望、迷茫、手足无措的状态。车品觉，作为一名经验丰富的电商人，在敬畏大数据的同时，洞悉到了数据时代商业发展的更多契机，他创新了数据框架的建立和使用，重新量化了数据价值的指标，并挖掘了在无线数据和多屏时代下商业发展的本质……在他看来，改变思维方式，即可改变数据和商业的未来。



《决战大数据》将视角投入到“大数据实践”的领域，对数据收集、数据化运营、运营数据、无线数据、数据盲点和噪音、数据分类和数据价值、养数据、多屏时代等大数据应用的热点问题做出了详细的解答，对当今的大数据进行了多角度思考，并提出了做好“个人大数据管理”的前瞻性建议，创建了一个数据化运营和运营数据的闭环系统。同时，《决战大数据》首次揭开阿里巴巴运营数据的神秘面纱，解密了其数据实践的“混、通、晒”内三板斧和“存、管、用”外三板斧，对于当今的绝大多数电商企业来说十分有借鉴意义。



《决战大数据》是继经典畅销书《大数据时代》之后聚焦中国大数据实践的重磅新作。

[编辑推荐]



大数据实践的先行者、阿里巴巴集团副总裁、数据委员会会长车品觉首部个人专著：拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考方式，对电子商务未来趋势有独到见解，曾先后在汇丰银行、香港电讯盈科、微软、eBay等多家著名跨国公司任总监。



继《大数据时代》之后聚焦中国大数据实践的重磅之作，引领“大数据实践”风潮：《决战大数据》为数据人拨开大数据时代的层层迷雾，对数据化运营和运营数据的热点问题做了详细的解答，为现代商业的发展提供了数据应用的前瞻性建议和商业新范本。



聚焦阿里巴巴的大数据实践，首次揭开阿里巴巴运营数据的神秘面纱：解密了阿里巴巴大数据实践的“混、通、晒”内三板斧和“存、管、用”外三板斧，还原最真实的阿里巴巴。



首度提出“数据化思考”新思维，改变思维，决胜数据化未来：作者认为大数据时代更多地改变了人类的思维模式，只有掌控大数据背后真正的思维变革才是决胜未来商业的关键。



洞悉大数据与个人、商业与个人的内在联系，指出了“个人大数据管理”的重要性：无论是电商管理层，还是数据分析师，每个人都要有完善的个人大数据管理模式，以避免数据收集和使用中出现信息不对称的断层。



最接地气的大数据著作，既是商业人和电商从业者的案头必备书，也是管理层的决策宝典：作者列举了大量国内领先电商和自身经历的经典“数据分析实例”。内容深入浅出，语言通俗易懂。对当今国内的绝大多数企业来说，更有针对性、借鉴性、实操性，也更接地气。



国内8大顶尖电商和投资人强力推荐，迄今为止最有重量的数据实践之作：eBay 大中华区CEO林奕彰、唯品会创始人沈亚、红杉中国董事总经理刘星、大众点评网CEO 张涛、安客诚全球副总裁程杰、京东集团高级副总裁徐雷、桔子水晶酒店集团创始人吴海、LinkedIn商务分析部总监张溪梦等联袂推荐。



图书个人所得全部捐献给“桑珠助学”和雪谦寺重建。



湛庐文化出品。

书籍目录：

前言? -忘掉大数据

部分?? -从数据化运营到运营数据

0 -大数据，为什么很多人只会谈，不会做

大数据从来不是免费的午餐

人的断层

模型数据从何而来

更主动的管理，更多的创新

【数据化思考】 -问题就是答案

02 -大数据的本质就是还原用户的真实需求

识别，让似是而非的行为数据串联起来

价值，企业价值 -Vs -客户价值

场景，你知道当时所有的场景吗丶

还原是一个瞄准器

【数据化思考】CEO们关心哪三个数据

03 -“活”的数据才是大数据

“活”做数据收集，抓住相关性

“活”看数据指标，动态地使用数据

【数据化思考】 -别再做碰巧游戏

04?? -无线数据，大数据的颠覆者

无线数据正在将整个数据变成“噪音”

PC -数据与无线数据的关系

多屏思维下的电子商务

【数据化思考】 -样本的偏见

05?? -数据分类与数据价值，什么才是你的核心数据

数据分类为什么如此重要

数据分类的 -4 -大维度

数据的 -5 -大价值

【数据化思考】 -用儍瓜的角度去观察

06? -从用数据到养数据

数据应用因小而美

把数据放进“框”之中

如何用框架来做决策

养数据，重要的数据战略

【数据化思考】 -远离“或”选择

07? -数据的盲点，负面数据的力量

数据盲点

小偷思维

数据盲点的价值

【数据化思考】 -为什么数据会骗人常态、时态与变态

第二部分 -阿里巴巴的大数据秘密

08?? -阿里巴巴的大数据实践

假定数据是稳定的

假定数据是可获取的

【数据化思考】 -先开枪，后瞄准

09?? -混、通、，阿里巴巴数据化运营的内三板斧

混，“混”出数据

通，打“通”“混”的数据

，“”出“混”和“通”的数据

【数据化思考】思考，要学会关窗口

0? -存、管、用，阿里巴巴运营

作者介绍：

车品觉，国内大数据实践先行者、数据观察家。现任阿里巴巴集团商业智能部副总裁、数据委员会会长。拥有多元化与国际化的教育背景生于香港，在美国、英国、澳洲等地接受西方教育，曾于新南威尔士大学、斯坦福大学、INSEAD商学院及清华大学经管学院等世界学院进修。拥有丰富的数据实战经验与独特的数据化思维曾先后在汇丰银行、香港电讯盈科、微软、易趣等多家跨国公司任总监职务。对电子商务未来趋势有独到见解，是一名未来趋势观察家和实战型培训师。

出版社信息：

暂无出版社相关信息，正在全力查找中！

书籍摘录：

暂无相关书籍摘录，正在全力查找中！

在线阅读/听书/购买/PDF下载地址：

在线阅读地址：决战大数据驾驭未来商业的利器车品觉【正版图书】在线阅读

在线听书地址：决战大数据驾驭未来商业的利器车品觉【正版图书】在线收听

在线购买地址：决战大数据驾驭未来商业的利器车品觉【正版图书】在线购买

原文赏析：

数据报告......必须要知道以下5个问题

这是什么问题？

这是谁的问题？

这个问题现在必须马上解决吗？

这个问题我们能解决吗？

我们有足够的数据来解决吗？

当我“苛刻”地提出“把月度经营报告当成产品来做，目的是让这份报告像 Phone-样好用”"的要求时，整个团队都傻了：报告怎么能像产品一样呢？！那么，为什么数据报告不可以做到行云流水，让人看起来很爽呢？

所以，我是这么要求的：首先，报告的前3页一定要吸引人，让人有欲望继续看下去；其次，当别人看到一个数据，心里在猜测数据背后的各种原因时，我的下一页报告就要解答他心中的疑问。

因此，如果要用产品管理的理念来运行分析团队的话，必须要问“问题是什么"，并以此作为切入点。接着，解决用户的问题，得到用户的信任，然后就可以做更多的好产品。这是一套做产品的理念，因为产品需要不断送代，并非一劳永逸。

那么，我怎么评估报告是否获得成功呢？简单来说，如果一个月度经营报告仅仅5分钟就被pas掉了，那它肯定是不成功的。

的确，当回归到“数据能够帮助你产生什么价值”这个问题时，

如果你自己都没弄清楚，那么就算给你再多的数据，你也只会手足无措。我们身边的大数据现象越来越普遍，数据的广度和深度都呈现出几何级甚至指数级增长的趋势。在思考数据的价值时，我认为，可以从三个维度来考虑。

首先，你能否清楚地识别（ Identify）用户的身份？其次，你能否搞清楚所收集的数据对你的价值（ Value）是什么？最后，收集数据时的场景（ Situation）是什么？

还原是一个瞄准器

数据的本质就是还原，这是收集元数据的关键方法。当我们在进行场景还原时，必须认清数据收集的领域是什么在不同的领域里收集到的数据，可以找到与其所在领域里不同的东西，比如，搜索引擎和社交网络（SNS）得到的数据就是不一样的。而企业首先要做的是，确认用户是不是同一个人，比如在SNS里涉及的很多信息主要都是聊天内容，如果我是做SNS的，我就会更多地去寻找这个人和其他人的关系。他今天跟张三聊了3分钟，明天跟李四聊了5分钟，这项数据在SNS领域里可以获得。但当我们要真实地还原整个人的行为的话，最好要有不同领域作为互补，这会让你掌握更多更全面的信息

有多大的能力弄清哪些数据是同一个用户的，这是企业首先必须解决的问题。然后再去关注，收集到的数据的量这么大、广度这么宽，价值在哪里。而当企业不清楚收集到的数据是不是同一个用户的时，那这个数据又有什么用？所以，在大数据里，最重要的还是收集人的数据。

.......

所以，如何更好地识别各个设备的使用者是否为同一个人，如何更好地理解用户在各个不同场景下表现出来的不同需求，如何更好地理解数据融合后产生的价值，将是未来商业中每一个企业都必须考虑的问题。

CEO们关心哪3个数据

我在面试数据分析师的时候，必然会问他们一个问题：“假如我是一家知名电商的CEO，而今天是星期一早上9点钟，请你给我提供3个数据指标向我证明在过去的一周里，企业运营得一切正常，可以让我踏实下来。你认为，会是哪3个指标呢？

绝大多数应聘者对这个问题的回答比较一致：第一个是流量；第二个是交易量；第三个是其他，这个其他包括转化率、交易额等。

....

通常来说，在我问出问题时，作为数据分析师的你首先要想的是CEO会关

注什么数据，是长期的，还是短期的？是风险最大的，还是风险一般的？

或者是最近发生了什么事情？以及给CEO提供的数据要有什么注意事项，等等。

所以，我要再问问应聘者：“当你坐在面试桌对面给我答案的时侯，有

没有想过在星期一的早上，这家知名电商的CEO真正想看的是什么？

再想想这个问题，你到底有没有真正听清楚"CEO"“知名电商”“周敏感数据”这些关键词？CEO要的是“踏实

他听完了就可以安心地吃早饭了。

在面试时，如果面试者不对这几个问题进行询问就贸然回答的话，满分是10分，我只会给5分。因为这个问题里面本身就有很多问题，比如

什么是踏实？踏实是一个概念，你不问清楚“踏实"的含义，就给我3个指标，无论如何都是错的。

在正常情况下，首先不要急于回答我提出的问题，而是先问清楚什么是

实，切勿自己先做假定。以下，我们可以假定一个相对理想的面试场景

你反问：“什么是踏实的状况？

我回答道：“最近这家电商和另一家电商在打价格战，而它最近又新推

出了图书类目，那么CEO自然最关注的是这些图书的业务做得好不好。

你再问：“什么是好？是否基于每天来买书的新增用户和原有用户书的数量多少？而且，CEO是希望更多地用书来吸引新用户...

组装你的数据仪表盘

我把数据信息的梳理过程，理解为数据世界里的“仪表盘"。比如，在

开车时，如果水温过高，仪表盘就会亮灯提示；同样，网站的关键信息也

可以监控，在电子商务交易中，行为数据和商业模式之间的逻辑关系组成

仪表盘”一一好的仪表盘，对于商业活动中的好现象和不好的现象都

会有敏锐的反应。

为了方便理解，我想出了两个名词：前端行为数据和后端商业数据

者指的是访问量、浏览量、点击率及站内搜索等，是反映用户行为的数

据；而后者更侧重于商业数据，比如交易量、投资回报率、客户终生价值 LTV， Lifetime Value）

......

某天，某网站发现自己的前端注册量增加了不少，访问量也提高了，但交易量却未见大幅度的提升。原因是什么？估计数据分析师们每天都在思考这个问题，那么，在这里我们就将这个问题进行分解，以寻找相应的

处在网站前端的人只知道点击量等数据，比如，谁一直在重复购买？谁影响了5%~15%核心用户群的购买行为？谁在给网站做正面或负面传播？但却很少有人会关注后端的商业数据。

如果网站后端交易环节的操作人员只知道卖东西，却不知道提出这几个问题：一个客户登录网站平均停留时间是15分钟还是30分钟，会对将来重复购买的影响大吗？一个客户登录了网站社区和没登录社区，对产生交易量有影响吗？此时，却很少有人会关注前端数据。

你发现这中间的问题了吗？行为数据与商业数据没有对接起来于是，前后端数据出现割裂，没有人知道它们的内在关系；作为网站的决策者，不知道网站核心用户群的行为特征，也不知道怎么去刺激核心用户的增加，更不知道从一个用户登录网站之后到离开哪些环节需要疏通的话，不死就真的是万幸了。

我们在做抽样调查的时侯，样本往往从一开始就有最常见的“偏见”一一谁愿意反馈我的问卷，谁的建议就被反映在调查结果中；而不愿意给我反馈的人，他的意见就不会反映在调查结果里。有趣的是，被我们忽视了的那些没有反馈的样本，很多时候却是我们最需要知道的结果。

数据缺失（高月薪和数据采集系统）、采样（天平座）、样本数量是否足够与平衡（IT杂志抽样手机系统）、时间（短时记忆）、抽样时的询问方式（亚马逊员工）

在调研过程中，如果这个样本在你调研前就是有目的的，那么这份有偏见的数据也是有价值的，比如可以通过交又信息来验证结果是否准确。这在我们身边很常见，比如，你问三个朋友，我是买 iphone还是三星。但首先你得问：“你用的是什么手机？”如果他买了 iphone，却推荐三星，你就要追问为什么了。

同样，我现在去询问淘宝"小二”：“你会选择在哪里购物？”他们熟悉淘宝，肯定会受到影响。而如果对“小二”们调研，结果显示更多人愿意去京东、当当购买商品时，这就证明京东和当当确实不错一一起码就某些类别来说是不错的。此时，有偏见的样本对企业仍然存在价值。

其它内容：

编辑推荐

你也许对“大数据”已经有所耳闻，但是你是否真的了解“大数据”的奥秘？你是否了解无线数据对当今商业的影响？你是否洞察到了大数据背后企业经营实质的变革？你是否能真正识别数据的盲点和噪音、抓住了海量信息中的核心信息……当这些问题摆在你眼前时，你还认为自己了解“大数据”吗丶？《决战大数据》将视角投入到了“大数据实践”的领域，对数据收集、数据化运营、运营数据、无线数据、数据盲点和噪音、数据分类和数据价值等大数据应用的热点问题做出了详细的解答，提出了“用大数据创建商业未来”的前瞻性建议，创建了一整套系统的数据应用法则。同时，《决战大数据》揭开阿里巴巴数据应用的神秘面纱，解密了其数据运营中的“三板斧”、“三利剑”和“化骨绵掌”等法宝，对于当今绝大多数的企业来说十分有借鉴意义。《决战大数据》是继经典书《大数据时代》之后聚焦中国大数据实践的重磅新作。

书籍介绍

[内容简介]



《决战大数据》是继经典畅销书《大数据时代》之后聚焦中国大数据实践的重磅新作。

[编辑推荐]



图书个人所得全部捐献给“桑珠助学”和雪谦寺重建。



湛庐文化出品。

精彩短评：

作者：H ™ 发布时间：2015-04-26 00:41:27
修行的人逻辑就是这么混乱的吧。
作者：容与发布时间：2014-06-02 21:49:14
80%是“方法论”的东西......我倒是很希望车老师能出一本“具体点”的书，把不带保密性的case拿出来讲，那才是功德无量。
作者：Hokutoseki. 发布时间：2022-03-12 13:19:56
在新华书店偶然间看到的，
作者：老熊发布时间：2015-10-03 08:24:05
各种大空的话太多，真正case太少，其实就是一篇blog能说完的注水成了一本书。。。
作者：开斯特洛夫斯基发布时间：2014-08-17 01:55:39
逻辑混乱，论证不清，既不深入也不浅出
作者：Yurii 发布时间：2015-07-11 16:01:24
有经验总结，有体会讲解，不高端但实用

深度书评：

《决战大数据》-养数据解决问题
作者：Annie 发布时间：2020-08-29 18:23:12
写在前面
跟《数据的本质》同一个作者，基于同样的原因一口气翻完了这本书，私以为从实际应用上而言，这本书对于实践中遇到的问题和解决的思路与套路更结构化一些。能够把事情做到出彩的人，往往是能够提出好的问题并且能够讲好故事的人。所谓功夫在身外，好的数据分析的应用更需要降低学习成本，提升数据分析的运营效率，腿部、腰部、脑部，在不同的逻辑框架层次中着力，
win the war not the battle
。
一、从数据化运营到运营数据
1. 用兵法的思维看数据：
道：分析师对人和事物基本规律的诠释；数据分析不应该从数据开始，而是要从对世界、产品、商业行为最基本的认知着手。
计：使用合适的计谋，利用商业智能形成的不对等信息形成战略优势，造就优胜的“势态”。
胜：找到取胜的要领，数据分析上要做到快速精准、高规模可复用、产品化应用等。
2. 数据应用的三个阶段：
用数据、养数据、从看数据到用数据。
3. 数据产品化关键：
数据分析也要讲究用户体验，用产品化理念来管理数据团队，数据分析框架是给到数据产品养分的关键点；把分析的理念和框架变成数据产品，本质上是一个
数据泛化
的过程。
//好的数据报告......必须要知道以下5个问题//
1）这是什么问题？
2）这是谁的问题？
3）这个问题现在必须马上解决吗？
4）这个问题我们能解决吗？
5）我们有足够的数据来解决吗？
首先，报告的前3页一定吸引人，让人有继续阅读的欲望；
其次，当别人看到一页数据，心里在猜测背后的各种原因时，下一页的的报告要能够解决他们的疑问。
产品化的数据分析团队必须先要学会问“问题是什么”并以此作为切入点。
4.让用户喜欢数据，就会让团队喜欢自己。
5. 数据应用内三板斧-用数据：混、通、嗮。
混:数据打通，前期后后逻辑要严密，数据与数据要跟业务联系得上。混在商业场景中，把数据与商业场景打通，将数据产品作为载体。和业务方混在一起，和用户混在一起，贴近业务和用户才能培养出敏锐的商业意识。
通：打通数据和商业的链接，让数据真实反映商业引导决策；同时建立合理的数据使用体系，打通部门与部门间的数据交叉。
“晒”即是要学会如何数据可视化，把数据以最适当的方式晒出来，让更多的人使用。对于用户要一般宣传理念，以便教授技巧，让用户知道怎么使用数据、怎么用好数据，知道数据的价值。呈现有价值的数据，让数据证明（衡量）业务、优化业务、发现业务机会、创造商业价值。
6.
数据应用外三板斧-养数据：
存、管、用。
存：数据收集，学会用数据产品来解决获取及使用数据的问题。
管：数据治理
用：数据赋能，在数据的分列和重组上做到颠覆性创新。
通过内外三板斧形成数据化运营闭环，看数据有没有，细不细，全不全，稳不稳，快不快。
7. 用数据找机会，养有实效的数据，锻造数据力和思考力的合力。
8. 数据十戒：见下。
//数据十诫//
1.一切从定义问题开始，问题问好了，答案就在里面。
2.在万物皆数据的年代，要以“假设数据都能获取”为前提去思考问题。
3.数据助力企业的“四部曲”:描述现况、深入诊断、预测趋势、指挥行动。
4.“快＋准”的数据，让我们可以从已知规律中寻找价值
5.“广＋乱”的数据，给予我们从发现中获取颠覆过去规律的能力。
6.大数据不是独奏，而是不断连接无处不在的数据。
7.数据技术就是加速和积累（数据、分析、服务）的能力。
8.大数据生态的连接需要建立标准与规范。
9.大数据是诸多小数据的组合。
10.数据是一种信仰。
9.
应对数据运营的困境：
用数据的人不知道数据从哪里来，做数据的人不知道数据如何使用。想用的人不敢用，担心数据的真实性；做的人不知道怎么用，因为数据的复杂性……数据量越来越大，越来越无效使用。
10. 相比数据的断层，对数据分析而言，人的断层是数据分析更严重的问题。
11.
数据化思考：
问题就是答案，问好问题，关注思考的角度，形成数据化思考方式。
12.
关于数据价值的思考：
1）能否清晰清楚的识别用户的身份？
2）能否搞清楚所收集的数据对你的价值是什么？
3）收集数据时的场景是什么？
4）数据的五大价值：
a.识别与串联：让似是而非的行为数据串联起来；
数据收集的价值包含两个维度：是否能衡量这个数据对企业产生的价值(企业价值--实现企业资源的合理分配）；是否能衡量这个数据对客户的价值--如何帮助企业为客户提供更好的服务（客户价值-实现客户体验的提升）；
角色不同，对数据的看法不同，所以在衡量价值时需要考虑到受众和给与者两个不同的立面给与不同的看法。
b.描述价值
将用户的行为、现状串联起来，勾勒出用户的行为画像，进行场景还原。判断用户的需求，通过对需求进行刺激，以促进消费行为。描述数据最好的一种方式就是分析数据的框架。
数据盲点
物理盲点：应该收集但却没有收集到的数据
逻辑盲点：应该关联分析出，但是没有被分析出的数据
人为制造的盲点：通过混淆、偷换概念得到的没有实际意义的数据
c.时间价值
数据是有保质期的，看行业的趋势数据要看三年，天气预报的数据有效性则止于当下。用数据来进行业务分析，一定要关注原始数据的时间：数据所处的时间段长短，数据所处的时间点都是数据的时间属性中所需要关注的。
d.预测价值
数据价值的关键是数据前置，根据前置数据来进行趋势预测，从而顺应趋势来进行决策。在以往的数据模型中，有太多的条件假设是固定不变的，但是用于商业活动的数据预测，一定要假设一切都在改变，要关注新的数据收集源头，注入新的信息，尤其是拐点信息。
e.产生数据的价值
先开枪后瞄准:在没有数据的时候，在探索中发现有参考价值的数据并最终发现目标作出决策。
这并不符合常理，常理讲的是有的放矢。但大数据的情况是面对海量的数据、有用的，无用的，重复的，缺失的，要从中找到有价值的信息。
所谓开枪，就是在一堆海量数据中盲选，而瞄准是在海量数据中盲选出有价值的数据。
在没有数据的时候，在探索中寻找有参考价值的数据，最后发现目标，作出决策。
二. 养活数据
“
兵无常势，水无常形，能因敌变化而取胜者，谓之神。
1. 养活数据，让更多人用好数据：
分析--》推荐--》反馈--》再推荐；以解决问题出发，建立多样化的自循环方式：
1）“活”做数据收集，不仅收集自己用户的数据，还要把别人的数据也收集过来综合分析，抓住相关性；
2）“活”看数据指标，不仅局限于自己已有的数据框架，而且需要结合用户需求的不同场景来灵活应用收集到的“活”数据，激活数据并用场景来验证----我们的数据为用户体验改善了什么；我们的数据为企业解决了什么问题/开创了什么机会。
2. 组装数据仪表盘：
1）开启上帝视角，做到执行合一。
2）做好数据分类，通过不同的角度思考数据的价值。
以是否可再生为标准；
以所处的存储层次为标准--基础层必须要做到统一；
以数据业务归属为标准；
以是否为隐私为标准;
3）把数据放进“框”中；
公司当前的投入产出比；
与竞争对手的博弈；
考虑时间因素；
4）用框架来做决策：从小角度切入；
首先，确定有什么问题，从解决问题的角度出发去收集数据；
其次，把收集的数据整理好，放入一个“数据框架”内；
再次，看框架与做决策的关系；
最后，根据决策行动，检查行动是否达到目的；
三、数据未来与跨界思考
//小趋势//
应用无线化；
信息数据化；
交易无纸化；
人类智能化；
决策实时化；
线下线上化；
1.大数据的趋势是运用集体智慧去优化个体的意愿，这种互动是一种新的生活方式。
2. 好的问题里潜藏了答案：先反复解题，厘清选择逻辑；搞清楚已知和未知；在不确定中做判断；
3. 量化数据大小与决策好坏的关系，利用趋势为未来把脉。
4. 还原是深入洞察的根本；开扩思维，负面信息也是决策的关键。
5. 让数据透过产品说话；
//小故事与小思维//
1、小偷思维
多数人只会想通过哪些事情获得成功，而小偷会想如何避免失败。从另外一个角度想问题，或许会有不同的答案。
2、关掉多任务窗口
唯有专注才能更高效能地处理事务，在职场上总有各种琐碎的事情打乱节奏，那就要学习关掉多任务，集中精力做更重要最核心的事情，避免时间再琐碎的工作中流失。
3、积累个人大数据
再聪明的人成功也没有捷径，车品觉会每天定时阅读各类专业文章，给这些文章打标签，搭建和完善个人的数据库。日积月累培养自己的数据思维，并且在关键时刻可以找到所需要的数据。这应该是自己从今天就可以开始学习的好习惯。
1）从数据收集的角度：选择有效的数据源，并区分重要性进行积累，实现知识量和思维方式上的突破；
2）打通运营数据--》数据化运营--欲奴应数据的循环闭环，学会借势；
4、忘掉必杀技，在迂回中寻找落点
不断地去提问，而不是直接给答案。
写在后面
跳出数据，学会问问题，学会讲故事，学会从不同的角度接待去探索价值，学会更新和迭代分析框架……在逻辑中找到有趣点，通养然后应用。
以上，谢谢你阅读到最后一个字。
大数据大数据，首先是“数据”，然后才是“大”
作者：Yurii 发布时间：2015-07-12 09:53:14
大数据俨然是当下热门的概念。和前些年“云计算”把人搞得云里雾里一样，围绕大数据也产生了无数迷惑人心的说法。归纳起来，各种说法都在强调大数据的“大”——规模庞大，计算复杂，等等。可惜说来说去，大数据到底是干嘛的，对工作有什么实际作用，能举出来的就只有干巴巴的几个例子而已。
怀着对各种“大数据”书籍的失望，我翻开了车品觉的《决战大数据》。让我意外的是，书名里虽然包含“大数据”，通篇讲的却是“数据”，而没有多少篇幅来强调“大”的神奇。我相信，这样一本基于经验而没有太多神奇理论的书，反而能帮很多人真正树立对“大数据”的准确认识。
《决战大数据》提到，大数据不只是规模大，更要求大家能驾驭数据。传统方式能应对数据的规模不大，可以挖掘出数据中的价值，很多时候靠的是基础直观的经验，比如经典的点击率、转化率等等数据，理解起来毫无门槛。这背后所掩盖的，是数据思维的断层：收集数据的人不知道数据会运用在什么地方，会怎么运用；运用数据的人不知道从哪里收集数据，收集什么数据。所以即便大家都在喊着“大数据时代”，思维方式却还停留在小数据的时代。怎样填充收集数据和运用数据的鸿沟，这是每家公司都需要思考的问题。
先看收集数据的方面。传统的思维模式下，因为数据收集和应用之间的关系简单直观，很多时候可以直接从结果倒退过程。要算转化率，很容易想到去收集点击率和购买率。相应的，点击率和购买率的数据收集，也有直接的目的，就是计算转化率。但是在大数据时代，背靠海量的存储和分析能力，再简单收集这两个数据，就显得非常原始了。
拿点击-购买来说，客户到底是用的什么浏览器，在什么网络进行的购买？在商品详情页是否执行了滚屏操作？如果执行了滚屏操作，是滚动到什么位置才下的订单？这样的数据如果不收集，事后也就无法复原。如果收集了，则可以相当精确地分析客户的购买行为，对商品详情页的排版起到非常好的指导作用，有效提高购买量。所以《决战大数据》提出，企业的数据部门应当从“根据需求被动收集数据”转向“主动养数据催生需求”，持续思考可以收集的数据，创造业务价值。
“养数据”的观点我是非常认可的，虽然我之前没有专门做过数据部门的工作，但经验已经无数次证明，在没有现实业务需求的情况下，有意识地收集运行和业务数据，未来需要分析和决策时就可以起到非常重要的作用。
数据养起来之后，无可避免地发现很多有意思的现象，甚至和简单直觉相违背，由此加深大家对数据的思考和理解。
很多网站都喜欢在用户注册时让用户填一些基本信息，比如性别、年龄等等。通常，大家会觉得性别是一成不变的固定属性。但是分析用户的购买行为，却可以发现用户的性别经常会变化。比如用户性别分明是男性，收货地址也不变，但只有晚上购买男性用品，早上和深夜的购买行为都体现出女性的特点。原因很简单，是全家人共用一个帐号（这种情况也很普遍）。掌握了这一点，在规划业务时就能更加细致，也找到更多的机会。车品觉说，淘宝的用户有8个性别，原因就在这里——2个性别很可能是常识的结果，但忽略了用户的实际使用情况；8个性别看起来违背常理，却是符合实际的。
车品觉进一步提出，大数据时代提供了海量数据的收集、存储、处理能力，其中要价值之一就是让数据符合实际，或者说，能最大限度地还原现实。
举个例子：某人早上上班，他在地铁里看到了某件商品在淘宝上的广告。到公司之后，因为时间还早，他打开电脑登录淘宝，找到了这件商品，经过比较选定了商铺准备下单。不凑巧，单还没下，他被领导叫去开会了。因为会议很无聊，他掏出手机上淘宝，直接购买了之前已经确定的产品。
在传统业务里，这个过程产生的数据会分配到三个领域：广告投放到购买，淘宝网站搜索购买行为，手机淘宝搜索购买行为。而且这三个领域是彼此孤立的：从广告端来看，投放广告的人不知道具体哪些购买是广告直接带来的，所以业务非常粗疏；从网站端来看，这个用户搜索比价之后却没有下单，所以打算去分析到底页面应该如何优化；从手机端来看，用户没有任何比较，直接购买了某件产品，毫无征兆可言。
不得不承认，这种数据割裂的情形虽然怪异，却是普遍存在的，很多怪异的结果也正是来自于此。比如在很多公司，销售和售后的数据是分开的，所以冲销量的时候当然可以冲得很猛，超额完成任务，却看不到背后是退货率的急剧上升。
针对这种情况，《决战大数据》指出，大数据的发展方向之一，就是增强对现实的还原能力。在上面的第一个例子中，如果我们能还原出用户的购买行为与之前广告展示的直接联系，以及手机端“延续”了电脑端购买过程的信息，就可以从整体上把握整个购买过程，不必为各种怪异的结论大费脑筋。在上面第二个例子中，如果我们可以把“冲销量”所产生的结果全面集中展现出来，当然就可以避免退货率急剧上升的尴尬。
当然，要实现准确的还原能力，还有很长的路要走，但这个方向是没有错的。业界普遍认为，淘宝的广告投放效果比较好。但真的如此吗？就我所见，不光互联网媒体，甚至许多平媒的广告效果都不输于淘宝。不幸的是，其它媒体的广告投放，没有完整的数据追踪链条，也就无法准确还原广告产生影响的真实情况。结果就是，在淘宝投广告或许真实效果不一定最好，但能够完整追踪、有的放矢，自然更受广告主的青睐。
增强数据对真实场景的还原能力，这是《决战大数据》反复提到的“大数据”的价值。仔细想想，它强调更多的其实是“数据”，而不是“大”。这个观点我非常认可，在我看来，让大数据回归数据，是打破“大数据”的魔咒，让大数据真正发挥价值的有效途径——要知道，企业的经营行为，很多时候无非是基于过去和现在的情况，对未来做出判断和决策而已。