编者按：本文源自GrowingIO张溪梦的演讲，授权重36氪发布。
张溪梦，GrowingIO开创者CEO，前linkedIn商务剖析总监，2015年回国创立了新一代数据剖析商品GrowingIO。
2016年6月28日，GrowingIO发布2.0版本数据剖析商品，并宣布获得2000万USD的A轮筹资。
流量为王的年代已经结束，网络企业正在向精益化运营的方向转型。
而做好精益化运营需要很多的数据来支撑决策，这对企业的数据采集和数据剖析能力都是很大的挑战。
中美在数据剖析上存在较大的差距，数据剖析在国内一些特别大的企业，譬如 BAT里，才能得到较高的看重；当然这得益于他们的长期积累，对数据和运营结合的最好。
这是我回国未来的总体感受，国内企业对数据本身，与数据所能提供价值的认识程度，没美国那边那样深入，并且差异还蛮大的。
问题1：哪种公司应该注意数据？不同阶段有什么差异？通常来讲，现在国内比较看重数据的是高客单价，重转化的公司，譬如网络金融、电子商务、交易网站、SaaS、在线旅游类的公司。
这种顾客客单价高，不是完全拼流量，这样创业人士才有提升转化的动力。
宏观的讲，创业人士会历程商品4个生命周期阶段。
第一个阶段，叫冷启动。
这时公司特别早期，天使轮或者A轮，甚至筹资还未成功。
处在这个阶段的公司，用云数据驱动是一个伪命题由于顾客数目有限，样本性不足。
他们需要更多地去知道潜在顾客的需要，去求顾客来用这个商品。
第二个阶段，增长前期。
就是冷启动接近完成。
有经验的创业人士，会开始布局和增长有关系的一些核心指标，譬如说日/月活跃，留存度。
这类指标的目的不是为了衡量商品目前当下的表现，而是为了将来做增长时有可比较的基准。
第三个阶段，增长期。
这个阶段就能看出来好的创业公司和普通创业企业的巨大差别效率。
无论PR还是做活动，都需要人力和时间本钱。
怎么样在增长中，找到效率最高的途径？这个我感觉，是创业公司之间PK的核心竞争优势。
假如不做数据驱动，靠直觉，一次两次可以，但无人能进赌场连赢一万次。
所以，直觉需要和数据进行结合，如此企业能飞速优化每个途径，来提升单位时间的转化效率。
第四个阶段，变现期。
业务变现，需要非常高的用户基数。
一般网络商品，其中一小部分高活跃、体验好的用户，会转化为付成本户。
类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。
譬如说，电子商务用户的转化漏斗一般是：访问注册搜索浏览加入购物车支付，或者到将来的退货。
这是很很长的一个漏斗，真的要做好数据化运营，要对漏斗的每一个环节持续地进行追踪。
一个好的企业，尤其是将来要做营收的企业，需要要关注每个部门每个环节的转化效率。
这种转化效率，要达成的方法，可以通过市场推广的办法、商品改进的办法、甚至顾客运营的办法。
而其中每一个环节小幅提升，加在一块就是一个倍数的提升。
这种倍增，假如没做过数据化运营的人，非常难领会到会有多大。
问题2：好的数据剖析应该是什么样的？好的数据剖析，可以让公司里所有人都获益。
它不是一种特权，不是只给公司里的一两个人看，而是可以让公司里面每个运营部门，尤其是前线打仗的部门，可以直接得到好处。
普通只讲策略，只讲大方向，只给CEO看，只给VP或者运营看这不够。
需要把它给工作在一线的职员，让他们用起来。
这个我感觉是区别一个数据驱动型企业，和非数据驱动型企业一个非常大有什么区别。
效率提高，是所有人提高，而不是一两个人提高。
一个公司要建完整的数据剖析机制，第一应该从业务开始。
所有些数据剖析运营或者数据体系，都要从业务，从顾客开始。
这个数据剖析体系，不应该只解决很狭窄的一个或者两个问题，需要有体系和大局观。
然后，事实上数据剖析里面，最难的一个部分是数据搜集和数据整理，这个过程最耗浪费时间间，可能由于最初的计划就做的不够周全。
所以说，在数据采集和数据整理方面，应该非常有计划的看重。
到后面，数据剖析，不可以只仅仅停留在报表的基础上，价值还是不够多。
最后还是，那些数字出来将来，告诉其他人如何做是对的、有效的。
这里面的话，就是有非常深学问，需要非常强的操作能力。
所以说一个企业，既要有大局观，又要重视可实行性。
我建议一般企业想自建的话，应该先从一个单点突破，找到一个转化点，看到了价值，通过这一次的实践，再学习下一次实践的办法。
这也是一个学习的过程。
不要上来就打造庞大系统，上来就把50个数据圆圈综合在一块，想打造一套数据科学框架。
我感觉一般要如此干的话，除非你有不少资源，不然必然会失败的。
问题3：企业数据剖析都可以分为什么阶段呢？第一个阶段，是什么都没的；第二个阶段，需要公司可以回溯历史：了解自己商品在发生什么，这是最基础的、最原始的一个阶段；第三个阶段，内部做商品、做运营、做市场推广的人，需要问为何：这个阶段，是预测，即预测某种人群，下面会做什么事，如此能有针对性地，更好地去开发商品；第四个阶段，是要有解决方法：就是我预测到了这组人会这么做，那样我给它一个更好的策略，让它有更好的转化、留存，带来更好的拉新成效；第五个阶段，是优化，多样商品线怎么样能找到最好的平衡点：在价格、推广，商品设计，销售每个角度有一个平衡点，这个平衡点是创业人士的利益最大化点，也是用户最喜欢这个商品的点。
这五个阶段，需要花时间来不断积累的，不要跳跃，跳跃总是失败，从基础做起。
问题4：为何很多企业的数据剖析流于形式？这主如果由于不少企业在三个层面上的认知不足：数据的价值、数据剖析办法论和实质的操作办法。
1）价值的认知很多公司处于疯狂增长时期，大伙一拍脑子做的决定，可能已经产生不少价值了；这样的情况下他们非常难意识到数据决策能产生比暴力性增长更大的价值。
2）基本办法论的认知意思是核心但简单的办法论。
现在国内对基础的办法论没太多的认知，可能由于国内进步时间还比较短，而美国已经开发好几十年了。
3）实质操作办法的认知国内一线职员用数据来指导工作运营，譬如商品、顾客、销售等实质操作经验相对来讲少一些。
一方面，由于进步时间短，其次，数据用理念积累也相对较少。
不过，国内公司已在飞速地提高这种认知。
但这个认知，是分阶梯的，按部就班的一个过程。
在美国，认知和办法论已经慢慢进行了好的统一技术和业务之间，用数据来融合。
很多国内的企业家，最开始意识不到数据的价值；等意识到数据的价值时，他的期期望又总是非常高。
这种大鸿沟，也没办法让价值真的落地，甚至叫人们产生这个价值是不是真能达成的质疑，缺少耐心。
问题5：中国公司对于数据存在什么共性的迷思？我感觉国内公司对数据剖析的理解，分两极：一种觉得这是纯技术，还有一部分是比较迷信，觉得只须一上云数据，就变成高端大气上档次的公司了。
我感觉这两种方法，都存在肯定的误解。
核心的话，我感觉你做的这个东西能否有价值，有效果不好？用成效来衡量是最直接的。
另外一些公司想自建平台，搭建非常大的团队，效率和产出都比较低，这个我建议大伙慎重。
伴随生态圈的不断进步，目前不少工具都非常不错用，你得掌握用工具。
这是创业人士成功的一些非常不错的辅助不可以说由于你会用工具，所以你就创业成功；但好的创业人士，肯定可以用这类各种工具，达成目的。
问题6：怎么样打破数据没办法物尽其用的怪圈？过去几个月，大家跟顾客交际发现，有些企业用大家的商品用得很好，有些企业就一般。
一般内部有人核心负责数据的企业，会用的就很好；有些企业没核心的人来追这件事情，做得就比较一般。
所以，在运营部门里面，至少得有一个人有肯定的数据剖析定义。
就仿佛大家把一套高级手术仪器搬到公司去，假如没人会操作也不可以。
我觉得最好的常识获得方法，就是实质操作。
实质操作的首要条件，是最好有一个稍微懂一些的人，能携带做几次。
然后转起来、学起来了，这就是获得数据剖析常识最快、效果最好的方法。
我不感觉纯念书或者读一些课本，看一些外面的云数据指导类的书本，能有这种成效。
有了这个人，再能从懂这方面的人和公司商品，获得办法论的支持，这种学习机制就打造起来了。
这个还是蛮要紧的，不然系统虽然强大，但没人会操作，就没办法物尽其用。
