中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

Ben Porterfield 在自己的 Linkedin 主頁這樣形容自己：一個有經(jīng)驗的沖浪者。除了在 Santa Cruz 海岸沖浪以外，他還幫助一系列初創(chuàng)企業(yè)在變幻無窮的互聯(lián)網(wǎng)浪潮中破浪前進。他是 Sticky, Inc.（譯者注：一個成功的硅谷廣告數(shù)據(jù)公司）的首席工程師，接著與小伙伴聯(lián)合創(chuàng)立了 Rally Up (譯者注：移動 APP 公司，2010年 被 AOL 收購)。

他的經(jīng)歷，容易讓人產(chǎn)生 “連續(xù)創(chuàng)業(yè)原來這么簡單輕松啊” 的坑爹錯覺。

Porterfield 的最新創(chuàng)業(yè)項目是 Looker, 一個商業(yè)數(shù)據(jù)分析解決方案提供商。Porterfield 帶領(lǐng)著一幫工程師幫助小至初創(chuàng)企業(yè)大到行業(yè)巨頭（比如 Etsy, Sony, Disney, and Yahoo）更好地做決策。Looker 幫助無數(shù)公司開發(fā)適合自己的算法，從而也更清晰地看到為什么會走這些彎路。

數(shù)據(jù)分析是一種經(jīng)常被人視為假高大上的雞肋工具。當你正在焦頭爛額地為自己的初創(chuàng)公司設(shè)定市場定位的時候，你一定會把處理數(shù)據(jù)當做一種閑得蛋疼行為。但等公司走上軌道后，你需要更好地理解你的用戶，而此時回頭看之前積累得如同亂麻的原始數(shù)據(jù)，你會突然意識到你并沒有很好地收集你想要的信息。

在本文中，Porterfield 將跟我們講解創(chuàng)業(yè)者們?nèi)绾慰梢詮囊婚_始就設(shè)計好數(shù)據(jù)分析的基本框架：將數(shù)據(jù)儲存于何處？用什么工具分析最好？可以規(guī)避哪些常見的錯誤？以及，今天的你如何亡羊補牢？

聽哥說，千萬別等了

你的第一想法可能是由你團隊里的工程師們胡亂拼湊點什么來儲存這些數(shù)據(jù)。Porterfield 見過太多抱著這個想法而失敗的公司。其實應(yīng)該從一開始就投資更多的時間和金錢來尋找靠譜的數(shù)據(jù)收集分析工具。道理很簡單：

每個人都需要方便地使用靠譜的數(shù)據(jù)。

把數(shù)據(jù)分析當做吃喝拉撒一樣的日?；拘枨?，意味著讓你公司的每一位成員，而不僅僅是技術(shù)人員，都可以便捷使用。每一個人，特別是直面客戶的前線人員，都需要方便地獲取及理解這些數(shù)據(jù)。而一個好的工具能幫助工程師以外的其他人都輕松地從這些原始數(shù)據(jù)中獲得有用的信息，從而做出正確的決策。

而在建立這樣的數(shù)據(jù)分析基礎(chǔ)框架時，一定要考慮到如何讓沒有數(shù)理分析背景的小白使用者可以自主地設(shè)計數(shù)據(jù)跑出來的形式內(nèi)容，因為這樣的小白使用者往往更更理解產(chǎn)品業(yè)務(wù)流程，更能提出核心的問題。

Porterfield 還說到，若能把數(shù)據(jù)嵌入到各種唾手可得的日常應(yīng)用中，企業(yè)能創(chuàng)造一種數(shù)據(jù)為導(dǎo)向的文化。從商業(yè)運營的角度來說，這樣一個能自助生成數(shù)據(jù)的平臺能釋放原本專注于數(shù)據(jù)分析的工程師們，讓他們更好地專注于產(chǎn)品設(shè)計或者是其他更高層次的問題。

企業(yè)的數(shù)據(jù)分析團隊其實自身已成為許多公司發(fā)展的瓶頸。他們不應(yīng)該像圖書管理員似的，僅僅是按照別人的需求去讀取和解讀數(shù)據(jù)。Todd Lehr, Dollar Shave Club 的資深工程師分享了個類似的故事：有個叫 Juan 的開發(fā)者在公司負責生成所有數(shù)據(jù)報告。當他手頭積壓太多工作而卡殼時，我們也會因沒有數(shù)據(jù)而無法順利工作。我們把這種情況戲謔為 “Juan 式卡殼”。

而如果有一個良好的自助數(shù)據(jù)平臺，企業(yè)則不需要聘請這樣的專人負責管理數(shù)據(jù)，從而也避免了這樣的 “Juan 式卡殼”。工程師們可以更好地專注于開發(fā)和優(yōu)化產(chǎn)品。

The 6 Mistakes Smart People Make with Their Analytics

關(guān)于數(shù)據(jù)分析，聰明人常犯的 6 個錯誤：

幫助大量的公司梳理數(shù)據(jù)分析流程后，Porterfield 總結(jié)出 6 個企業(yè)常走的彎路。

1. 走得太快，沒空回頭看路。

初創(chuàng)公司里的人們仿佛一直在被人念著緊箍咒：“要么快要么死，要么快要么死。” 他們是如此著急于產(chǎn)品開發(fā)，以至于他們常常沒有空想用戶對產(chǎn)品的具體使用細節(jié)，產(chǎn)品在哪些場景怎么被使用，產(chǎn)品的哪些部分被使用，以及用戶回頭二次使用產(chǎn)品的原因主要有哪些。而這些問題如果沒有數(shù)據(jù)難以回答。

2．你沒有記錄足夠的數(shù)據(jù)。

光給你的團隊看呈現(xiàn)總結(jié)出來的數(shù)據(jù)是沒有用的。如果沒有精確到日乃至小時的變化明細，你無法分析出來數(shù)據(jù)變化背后看不見的手。如果只是粗放的，斷續(xù)的統(tǒng)計，沒有人可以解讀出各種細微因素對于銷售或者用戶使用習慣的影響。

與此同時，數(shù)據(jù)儲存越來越便宜。同時做大量的分析也不是什么高風險的事情，只要買足夠的空間就不會有 system breakdown 的風險。因此，記錄盡可能多的數(shù)據(jù)總不會是一件壞事。

不要害怕量大。對于初創(chuàng)企業(yè)來說，大數(shù)據(jù)其實還是比較少見的事情。如果正處于初創(chuàng)期的你果真（幸運地）有這樣的困擾，Porterfield 推薦使用一個叫 Hadoop 的平臺。

3. 其實你的團隊成員常常感覺自己在盲人摸象。

許多公司以為他們把數(shù)據(jù)扔給 Mixpanel, Kissmetrics,或者 Google Analytics 就夠了，但他們常常忽略了團隊的哪些成員能真正解讀這些數(shù)據(jù)的內(nèi)在含義。你需要經(jīng)常提醒團隊里面每一位成員多去理解這些數(shù)據(jù)，并更多地基于數(shù)據(jù)來做決策。要不然，你的產(chǎn)品團隊只會盲目地開發(fā)產(chǎn)品，并祈禱能踩中熱點，不管最終成功還是失敗了都是一頭霧水。

舉個栗子。有天你決定采用市場上常見的病毒營銷手段吸引新用戶。如你所愿，用戶量啪啪啪地上來了?？纱藭r你會遇到新的迷茫：你無法衡量這個營銷手段對老用戶的影響。人們可能被吸引眼球，注冊為新用戶，然后厭倦而不再使用。你可能為吸引了一幫沒有價值的用戶付出了過高的代價。而你的產(chǎn)品團隊可能還在沾沾自喜，認為這個損害產(chǎn)品的營銷手段是成功的。

這種傻錯誤經(jīng)常發(fā)生。而如果你的企業(yè)在一開始就建立起人人可自助使用的數(shù)據(jù)平臺，來解答他們工作中最重要的疑惑，則可以避免上文所說的悲劇。

4. 把數(shù)據(jù)存放在不合適的地方。

先讓我們來看一個正確示范吧。Porerfield 提到他有個客戶整合了 NoSQL, Redshift, Kitnesis 以及 Looker 的資源自創(chuàng)了一個數(shù)據(jù)分析框架。這個框架不僅能在很高的量級上捕獲及儲存自己的數(shù)據(jù)，還能承受每月數(shù)以百萬計的點擊流量，還能讓所有人查詢自己想要的數(shù)據(jù)。這個系統(tǒng)甚至可以讓不懂 SQL 語言的小白用戶們真正理解數(shù)據(jù)的意義。而在數(shù)據(jù)分析的世界里，基本上如果你不會 SQL, 你就完蛋了。如果總是要等待工程師去把數(shù)據(jù)跑出來，那就是把自己陷入困境。而工程師在不理解需求的情況下建立的算法或者買的軟件對于使用者來說往往是個煎熬，因為他們對數(shù)據(jù)的使用往往與前者不再同一水平線上。

你需要讓你所有的數(shù)據(jù)都存放在同一個地方。這個是關(guān)鍵關(guān)鍵最關(guān)鍵的原則。

讓我們回到前文那個假設(shè)存在的公司。他們做了一個又一個病毒營銷，但是沒有把用戶活動數(shù)據(jù)放在同一框架內(nèi)，所以他們無法分析一個活動是如何關(guān)聯(lián)到另一個活動的。他們也無法進行一個橫跨日常運營以及活動期間的數(shù)據(jù)分析比較。

很多公司把數(shù)據(jù)發(fā)給外包商儲存，然后就當甩手掌柜了?？墒浅３＿@些數(shù)據(jù)到了外包商手里就會變成其他形式，而轉(zhuǎn)化回來則需要不少工序。這些數(shù)據(jù)往往是某些宣傳造勢活動時期你的網(wǎng)站或者產(chǎn)品的相關(guān)數(shù)據(jù)。結(jié)合日常運營數(shù)據(jù)來看，你可以挖掘哪些活動促成了用戶轉(zhuǎn)化。而這樣結(jié)合日常運營數(shù)據(jù)來分析用戶使用歷程的方式是至關(guān)重要的。但令人震驚的是，盡管任何時期的所有運營數(shù)據(jù)都至關(guān)重要，許多公司仍不屑于捕獲及記錄他們。約一半以上 Porterfield 所見過的公司都將日常運營數(shù)據(jù)與活動數(shù)據(jù)分開來看。這樣嚴重妨礙了公司正確地理解與決策。

5. 目光短淺。

任何一個好的數(shù)據(jù)分析框架在設(shè)計之初都必須滿足長期使用的需要。誠然，你總是可以調(diào)整你的框架。但數(shù)據(jù)積累越多，做調(diào)整的代價越大。而且常常做出調(diào)整后，你需要同時記錄新舊兩套系統(tǒng)來確保數(shù)據(jù)不會丟失。

因此，我們最好能在第一天就把框架設(shè)計好。其中一個簡單粗暴有效地方法就是所有能獲取的數(shù)據(jù)放在同一個可延展的平臺。不需要浪費時間選擇一個最優(yōu)解決方法，只要確認這個平臺可以裝得下所有將來可能用到的數(shù)據(jù)，且跨平臺也能跑起來就行了。一般來說這樣的原始平臺能至少支撐一到兩年。

6. 過度總結(jié)

雖然說這個問題對于擁有大數(shù)據(jù)分析團隊的公司來說更常見，初創(chuàng)公司最好也能注意避免掉。試想一下，有多少公司只是記錄平均每分鐘多少銷售額，而不是具體每一分鐘銷售了多少金額？在過去由于運算能力有限，我們只能把海量數(shù)據(jù)總結(jié)成幾個點來看。但在當下，這些運算量根本不是問題，所有人都可以把運營數(shù)據(jù)精確到分鐘來記錄。而這些精確的記錄可以告訴你海量的信息，比如為什么轉(zhuǎn)化率在上升或者下降。

人們常常自我陶醉于做出了幾張漂亮的圖標或者 PPT。這些總結(jié)性的表達看上去很令人振奮，但我們不應(yīng)該基于這些膚淺的總結(jié)來做決策，因為這些漂亮的總結(jié)性陳述并不能真正反映問題的實質(zhì)。相反，我們更應(yīng)該關(guān)注極端值（Outliers）

The 3 Easiest Ways to Avoid These Mistakes

三個簡單防護措施幫你少走彎路

少犯錯誤遠比你想的重要，因為錯誤一旦發(fā)生，很容易耗費大量的工程時間和資源來彌補錯誤。如果不小心，你的工程師們可能花費昂貴的時間來為銷售團隊解碼數(shù)據(jù)，可能錯過無數(shù)寶貴的營銷機會。每當數(shù)據(jù)變得難使用或者理解時，你的團隊決策速度會變慢，因此你的生意進展必將受到拖累。

好消息是，如果你從有用戶伊始就采用以下三個簡單的防護措施，你一定可以避免走很多彎路。

1. 任命一個商業(yè)數(shù)據(jù)首席工程師

如果你能在團隊中找到一個隊數(shù)據(jù)分析真正有興趣的工程師，你可以讓他負責記錄管理所有數(shù)據(jù)。這將為整個團隊節(jié)省海量的時間。Porterfield 分享到，在 Looker, 這樣的一個商業(yè)數(shù)據(jù)首席工程師負責寫能記錄所有數(shù)據(jù)的腳本，從而方便大家總是能在同一個數(shù)據(jù)庫內(nèi)獲取需要的信息。事實證明，這是個簡單有效的方法，極大地提高了團隊的工作效率。

2. 把數(shù)據(jù)放在開放的平臺上

Porterfield 強力推薦大家使用類似于 Snowplow 的開源平臺，以能實時記錄所有與產(chǎn)品相關(guān)的活動事件數(shù)據(jù)。它使用方便，有好的技術(shù)支援，可以放量使用。而最棒的一點，它能與你其余的數(shù)據(jù)框架很好的兼容。

3. 盡快將你的數(shù)據(jù)遷移到 AWS Redshift 或者其它大規(guī)模并行處理數(shù)據(jù)庫（MPP）上

對于還處于早期的公司來說，類似于 Redshift 這種基于云端的 MPP 經(jīng)常就是最好的選擇。因為他們價格便宜，便于部署和管理，并且擴展性強。在理想狀況下，你會希望從公司有記錄之初就將你的事件與操作的數(shù)據(jù)寫入亞馬遜 Redshift 之中?！笆褂?Redshift 的好處在于這個平臺便宜，迅速，可訪問性高，” Porterfield 說。并且，對于那些已經(jīng)使用 AWS 服務(wù)的人來說，它（使用 redshift）可以無縫接入你已有的架構(gòu)中。你可以很容易的建設(shè)一個數(shù)據(jù)通道把數(shù)據(jù)直接傳入這個系統(tǒng)中進行分析處理?！癛edshift 能讓你靈活的寫入巨量的顆粒狀的數(shù)據(jù)而并不根據(jù)事件觸發(fā)量的多少這樣難以估計的參數(shù)來收費，” 他說?！捌渌姆?wù)會根據(jù)你儲存事件的多少來收費，所以當越來越多的人使用你的產(chǎn)品時，越來越多的操作數(shù)據(jù)會被記錄下來，這會導(dǎo)致最終的收費像火箭一樣越升越高?！?/p>

如何用數(shù)據(jù)分析占領(lǐng)市場先機？

數(shù)據(jù)分析的價值取決于它能如何幫助你占領(lǐng)市場先機。作為初創(chuàng)公司，所有的數(shù)據(jù)應(yīng)該被用于你對公司不同階段設(shè)立的目標上。

舉個栗子。一個快遞公司通常會檢測平均送達每件貨物的時間。這看上去是很關(guān)鍵的數(shù)據(jù)，但如果沒有充分的上下文（畢竟收貨人可能在一個街區(qū)外，也可能在幾百公里外），這也是沒有意義的。另一個角度上，平均送貨時間也沒有收貨人的整體滿意度重要。因此，你必須確保你的分析囊括了正確的數(shù)據(jù)。

請列舉量化你需要的結(jié)果：你希望你的客戶體驗是怎么樣的？一些常見的成功數(shù)據(jù)分析會基于銷售或用戶轉(zhuǎn)化率（即如果客戶做了叉叉事情以后會購買或者成為用戶），轉(zhuǎn)化需要的時間，以及讓客戶產(chǎn)生負面體驗的比例。你會希望第一個比例很高，而后兩者降低。

通常來說，媒體網(wǎng)站會全然以網(wǎng)頁瀏覽量論英雄。但現(xiàn)在他們也開始注意一個叫做 “注意力停留時長” 的指標：人們在某個頁面專注多長時間，是否注意到某些字句，是否在上下拖動頁面，是否有看視頻，等等。他們不僅僅實在看用戶在某個頁面停留了多少時間，他們更需要知道用戶被頁面中的哪些部分吸引，且積極專注地瀏覽了多少時間。這樣可以幫助媒體網(wǎng)站設(shè)計新的標題，頁面設(shè)計和內(nèi)容選擇，以延長這樣的注意力停留時長。這樣，他們可以革新網(wǎng)站設(shè)計的方式，來更好地打動他們的受眾。

另一個重點是監(jiān)測留存用戶。成功的數(shù)據(jù)分析可以同時涵蓋日常運營數(shù)據(jù)以及活動數(shù)據(jù)，并橫向分析。如果你僅僅看日常運營數(shù)據(jù)，你能指導(dǎo)那些人會回訪你的網(wǎng)站，哪些人可以達成復(fù)購。但你還需了解哪些回訪網(wǎng)站卻沒有復(fù)購的人群: 為什么他們不愿意再次購買？這樣的問題可以通過介乎運營與活動數(shù)據(jù)分析來找到答案。活動數(shù)據(jù)會告訴你哪些沒有購買行為的客戶按照何種順序瀏覽網(wǎng)站，注意到了什么，點擊了什么，在離開網(wǎng)站前做了什么。當你跟蹤這個線路，你可以了解如何修改這種行為，來增加他們下次訪問時購買的可能性。

為了設(shè)計最適合你的數(shù)據(jù)籃子，你可以參考以下三個建議：

1. 尋找一類合適的用戶行為
2. 測算多少比例的受眾會有這一類的用戶行為
3. 測試這一類用戶行為是不是包含了重要的信息

有時候，發(fā)明一個新的數(shù)據(jù)記錄籃子可以促成對公司很大的改變。

拿 Venmo (翻譯君注：一個紐約的小額支付平臺) 舉個栗子吧。有段時間，公司的支付 APP 團隊聽說很多本想向朋友索取款項的用戶不慎把錢反而支付給了朋友，因為 “索取款項” 和 “支付款項” 的按鈕放在一塊很容易按錯。然而公司并不知道這個問題有多普遍，是否值得公司重新設(shè)計用戶界面。為了更好地做決策，他們設(shè)計了一個新的數(shù)據(jù)系統(tǒng)來檢測這個索取 / 支付失誤有多常見。他們把 “A 向 B 付款后不久 B 雙倍將款項付給了 A” 這種奇怪的支付行為全都找了出來。結(jié)果顯示，這個情況經(jīng)常發(fā)生。所以在下次的產(chǎn)品更新中，他們修復(fù)了這個問題。

讓你的數(shù)據(jù)可分享。

阻礙團隊輕松分享數(shù)據(jù)的罪魁禍首常常是數(shù)據(jù)的定義。因此，從一開始你最好充分完整地定義你的數(shù)據(jù)?？梢钥紤]建立一個中央詞匯表 wiki page, 來讓每個成員更容易理解。Porterfield 指出，人們喜歡用奇怪的詞語給數(shù)據(jù)明明。比如 “Ratio” 這個詞就常備濫用，因為他們命名時常沒有把分子分母講清楚。

數(shù)據(jù)是大部分成功公司的生命線。好的數(shù)據(jù)分享不僅能增加公司的透明度，還能加強不同部門之間的協(xié)作。比如在很多公司里，不同部門常常會各自找工程師生成不同數(shù)據(jù)來回答同一問題。而如果有一個好的分享數(shù)據(jù)平臺這樣的浪費時間精力可以被避免。

另外，讓數(shù)據(jù)形象化也是一個好平臺能輕易做到的。把顆粒數(shù)據(jù)形象化為圖表可以讓團隊的每一個成員更好地解讀這些數(shù)據(jù)。對于大部分人來說，理解圖表比理解表格容易得多，因此把數(shù)據(jù)形象化可以幫助交流更加順暢。

不好的數(shù)據(jù)分析框架只會打擊人們的自信心。它會無形地把公司分為兩個派別：懂數(shù)據(jù)的大神以及不懂數(shù)據(jù)的白癡。這是個很常見的危險錯誤。你必須讓公司最小白的數(shù)據(jù)用戶都能輕松地生成自己需要的圖表并理解它。這是選擇數(shù)據(jù)平臺的一個基本原則。

Poterfield 總結(jié)道：好的數(shù)據(jù)分析能讓人們更有準備地去開會，幫銷售團隊問出更到位的問題，免去了無謂的猜測。人們不用再猜測他們的用戶在尋找什么，或者為什么他們達成銷售，或者為什么他們不再回頭。人們也不用再猜測其他團隊的同事知道或者不知道什么。而這一切都要歸功于從一開始就把數(shù)據(jù)框架設(shè)計好。

譯者@Shuyue Xiao ?作者@董老師 ?文章來源@36氪

原文鏈接：http://36kr.com/p/5040751.html

版權(quán)聲明：若該文章涉及版權(quán)問題，請聯(lián)系我們主編，QQ：419297645