曾经有个运营总监告诉说，有个分析师给我做了个分析，运营目标要完成，最重要提提升流量，因为转化率提升太难，需要涉及到东西太多了。流量提长就是要引入流量，然后做了各个渠道的分析，各个流量测算。
看到这篇文章，感觉对数据分析一些点总结蛮好的，分享给大家。数据分析要产生真正的价值，或者说要让业务方，管理层感觉到真正的价值，其实需要非常多的东西：
1、要有数据，而且的确需要足够多的数据。是正常的数据积累。
2、分析师能不能把业务方的问题理解透，请注意是透，而不是理解了。
3、真正知道目前公司资源，在给出建议与方案的时候能结合公司实际情况，也就是接地气。
曾经有个运营总监告诉说，有个分析师给我做了个分析，运营目标要完成，最重要提提升流量，因为转化率提升太难，需要涉及到东西太多了。流量提长就是要引入流量，然后做了各个渠道的分析，各个流量测算。
他说：然并卵，我就是没有钱，有钱还要你说.....，还要找你分析什么啊!!!
好了，扯扯一起来看看本文吧!
1.走得太快，没空回头看路
初创公司里的人们仿佛一直在被人念着紧箍咒：“要么快要么死，要么快要么死。”他们是如此着急于产品开发，以至于他们常常没有空想用户对产品的具体使用细节，产品在哪些场景怎么被使用，产品的哪些部分被使用，以及用户回头二次使用产品的原因主要有哪些。而这些问题如果没有数据难以回答。
2.你没有记录足够的数据
光给你的团队看呈现总结出来的数据是没有用的。如果没有精确到日乃至小时的变化明细，你无法分析出来数据变化背后看不见的手。如果只是粗放的，断续的统计，没有人可以解读出各种细微因素对于销售或者用户使用习惯的影响。
与此同时，数据储存越来越便宜。同时做大量的分析也不是什么高风险的事情，只要买足够的空间就不会有system breakdown的风险。因此，记录尽可能多的数据总不会是一件坏事。
不要害怕量大。对于初创企业来说，大数据其实还是比较少见的事情。如果正处于初创期的你果真(幸运地)有这样的困扰，Porterfield(本文)推荐使用一个叫Hadoop的平台。
3.其实你的团队成员常常感觉自己在盲人摸象
许多公司以为他们把数据扔给Mixpanel, Kissmetrics,或者Google Analytics就够了，但他们常常忽略了团队的哪些成员能真正解读这些数据的内在含义。你需要经常提醒团队里面每一位成员多去理解这些数据，并更多地基于数据来做决策。要不然，你的产品团队只会盲目地开发产品，并祈祷能踩中热点，不管最终成功还是失败了都是一头雾水。
举例：
有天你决定采用市场上常见的病毒营销手段吸引新用户。如你所愿，用户量啪啪啪地上来了。可此时你会遇到新的迷茫：你无法衡量这个营销手段对老用户的影响。人们可能被吸引眼球，注册为新用户，然后厌倦而不再使用。你可能为吸引了一帮没有价值的用户付出了过高的代价。而你的产品团队可能还在沾沾自喜，认为这个损害产品的营销手段是成功的。
这种傻错误经常发生。而如果你的企业在一开始就建立起人人可自助使用的数据平台，来解答他们工作中最重要的疑惑，则可以避免上文所说的悲剧。
4.把数据存放在不合适的地方
先让我们来看一个正确示范吧。Porerfield提到他有个客户整合了NoSQL, Redshift,Kitnesis以及Looker的资源自创了一个数据分析框架。这个框架不仅能在很高的量级上捕获及储存自己的数据，还能承受每月数以百万计的点击流量，还能让所有人查询自己想要的数据。这个系统甚至可以让不懂SQL语言的小白用户们真正理解数据的意义。而在数据分析的世界里，基本上如果你不会SQL, 你就完蛋了。如果总是要等待工程师去把数据跑出来，那就是把自己陷入困境。而工程师在不理解需求的情况下建立的算法或者买的软件对于使用者来说往往是个煎熬，因为他们对数据的使用往往与前者不再同一水平线上。
你需要让你所有的数据都存放在同一个地方。这个是关键关键最关键的原则。
让我们回到前文那个假设存在的公司。他们做了一个又一个病毒营销，但是没有把用户活动数据放在同一框架内，所以他们无法分析一个活动是如何关联到另一个活动的。他们也无法进行一个横跨日常运营以及活动期间的数据分析比较。