口述丨桑文锋丨解夏丨盒饭财经（ID：daxiongfan）
本文精选字，邀你30分钟深度阅读
（建议先收藏+转发）
桑文锋
神策数据创始人、CEO。年进入百度，从在“百度知道”做研发，到开始组建并带领团队，从0到1搭建了百度用户日志大数据平台。历任软件工程师，高级软件工程师，项目经理，高级项目经理，技术经理。年离职百度，创办了神策数据。
年，我从浙大研究生毕业后去了百度，之后是在百度做了8年。头一年是在百度知道做研发，从第二年开始做数据相关的事情，这一做就做了十年，在百度干了七年多数据的事情，从0到1去做百度的数据平台。
年4月我从百度离开，开始创业，创业做的事情还是围绕用户行为分析、大数据分析这个方向，可以说这十年时间对数据的认识越来越深刻，因为跟许多企业打交道交流比较多，对它的价值、实际的应用场景，也看得更加清楚一些。
今天我给大家分享的内容，主要是五个方面。
一是数据思维到底是怎么一回事。很多非技术出身的朋友，或者之前没有做过大数据，如果我直接将技术，中间跨度太大了，需要有一个缓冲地带，我希望这个缓冲地带能帮大家导入进去，之后会讲数据分析的价值。我们谈大数据，谈数据分析，到底它有什么样的价值，我给大家聊一下。
之后讲一个相对枯燥一点的内容，但是又是必须要了解的，就是数据分析，它整个环节是怎么一回事，让大家不管是不是要从事这一块，比如你做一个产品经理，做一个业务人员，在跟技术打交道的时候，你知道它是会按照怎么样的思路去做下来。
其次，是围绕两个角度，一个就是我们在做产品的时候，数据怎么帮到你。另外是我们在做运营的时候，数据怎么帮到你，最后，我也会讲一个，结合互联网金融的一个场景，详细讲一个数据分析的例子。
穿越历史看数据思维
首先讲一讲穿越历史看数据思维。我本身是一个工科学生，研究的就是可以说是技术类的东西，同时我又比较喜欢历史，我对历史的东西研究也非常多，特别喜欢的一段是楚汉争霸，到近现代，最近半年我还学了半年党史，看了一段《毛选》。
在这个过程中我发现，数据分析、数据思维、大数据这些词，给人最直观的感受，是这些东西都是从国外来的，中国人自己是不提这些东西的。但不提这些东西，是不是就代表我们在这些历史上就没有人这么运用呢？我研究之后发现不是这么一回事，在中国历史上，其实有很多人，或多或少在用数据帮到他，只是他不会用数据这个词。
咱们先来看一个人物，萧何。刘邦去打败项羽，可以说依赖了三个人，一个是张良给他运筹帷幄、出谋划策，一个是韩信，给他攻城掠地，另外还有一个，就是萧何，给他治理国家，就是真正去帮助他运营的。
当时刘邦是比项羽先打到咸阳的，打到咸阳之后，刘邦手下许多都是无赖，上去之后就是抢金银珠宝去了，但是只有萧何没有干这样的事情，他是直接去了一些丞相御史家里面去，不是去抢金银珠宝，而是去抢书，抢这些材料去了、之前这种税收记录、地图、各地的统计数据，他都拿过去了。拿回去之后呢，搬到了自己军营里面去，之后就开始做研究。
等到后来项羽并没有把刘邦封为秦王，只是把巴蜀、四川那一带给了他。其实这个时候，刘邦是很愤怒的，说按照之前楚怀王的意见，那我应该是做秦王的，你现在只给了我一个边角料的地方，所以就想反了，然后其他人劝不住。
后来萧何就跟他说，你是愿意死呢，还是愿意去做一个巴蜀的王呢？他说这我怎么死了？我跟他拼一拼。他说你跟项羽去打，你的胜算如何？刘邦想一想，不行。然后萧何就给他分析，虽然巴蜀这个地方是比较偏，但是我通过研究这些材料，发现其实这些地方整个税收情况，交税，整个经营情况还是不错的。如果我们在这块，借助这块地方，我能保证带着你一块儿再去打回去。
并且给他提了一个建议，他说我发现汉中这个地方，当时叫南郑，这个地方不大，但是它的战略意义比较厉害，并且这块聚集了很多人，如果我们能拿下这块地方，那对他之后，咱们再往外打，这个就非常重要了。
结果刘邦就拿了一笔钱，金银珠宝，给了张良，张良又拿着一笔钱给了项伯，项伯又拿着这笔钱然后找项羽去了，说项羽，你看本来也没给人家做秦王，现在把南郑那一块地方给他行不行？
然后项羽这一介武夫过去就知道烧杀抢掠，根本不知道每一块地方，到底实际数据情况怎么样的。好了，就把这一块给他了。结果刘邦就几个月之后，明修栈道暗度陈仓打了过去，然后又过了几年，把整个天下都打下来了。其实这就是数据的作用。
萧何就知道要及时去收集这些数据，还要分析这些数据。那这里呢，我就总结了一下，萧何他作为一个当时的丞相，其实他是承担了很大的数据分析师的作用，他在哪些地方做的比较好呢？
我总结有三点：
第一点重视数据收集。不是说等到你要用这个数据的时候，你才知道数据太重要了。而是在开始的时候，每去干一件事情的时候，都在想这里有哪些数据我能收集起来，以备后用。
第二点，重视数据分析。不是等到刘邦说，萧何你过去把这个数分析一下，看看里面有什么结论可以用的，那不是等指导他的时候，他去做。而是刘邦没有指导他之前，他自己就已经在做这些分析了。只是说刘邦正好遇到事的时候，萧何把自己分析的结果给他，直接让他用。
第三点，提供决策指导。不只是说把这些数据呈现给老板就行，你还告诉他该怎么决策，直接提供指导性的建议，并且在这些实际建议中去付诸实践。
后来刘邦跟项羽打的过程，可以说十战十败，许多的时候都是打的光杆司令一个，但没有关系啊，萧何在关中，直接给他运钱，运粮，运兵员，让他源源不断地打过去。但是项羽呢，就是流寇，后面没有根据地，没有人给他搞运营，没有人给他搞数据分析，这个结果就是很不一样的。
“毛邓”数据观
咱再看近一点的，毛泽东很厉害，这个毋庸置疑，大家有没有想过这个问题啊，我因为做数据的，然后我最近半年又因为看了《毛选》，所以我就在思考里面到底有什么共性的关系，然后我就发现一点。
其实毛泽东在数据分析上是非常牛的。有一篇文章，至少80后应该在课本上都学过，就是没有调查，就没有发言权，那是一个节选，就是节选这个《反对本本主义》这篇文章。
这篇文章讲的核心观点，就是你不能拍脑袋，你应该基于调查研究，并且里面说了一句话，就是调查就像十月怀胎，解决问题就像一朝分娩，调查就是解决问题。
他讲的很清楚，许多时候，我们调查研究，做的只要足够充分了，答案有时候很明显了，但是如果你没有做这些事情，前面就来到一个地方，什么情况也不知道就拍脑袋，那这个问题就非常严重了。
大家如果看《毛选》的话能够看到，最开始几篇是讲什么呢，中国社会各阶级分析，湖南农民运动考察报告，还有包括没有加入到毛选里面的，像雄武调查，还有其他的一些调查，就是毛泽东早期的时候，其实做了很多的调查研究。
我问大家一个问题，调查是什么东西？调查其实就是数据收集。我做了这十年数据的事情，抽象来讲，数据分析是很简单的，它只有两个步骤，一个步骤就是数据采集，一个步骤就是数据分析。
其实我们许多时候，我们自己在做决策的时候，大家可以想一想，你是怎么做决策的，你是不是先要去搜集一些情况，了解一些信息，然后再去做决策，就像当年红军打仗一样，前面要攻打一个县城，你带了一个连的兵力，然后不知道前面什么情况，来，兄弟们跟我上，然后冲进去了，结果人家里面驻扎了两个团，一进去，被人家灭了。或者说，你这个看到前面一个城不敢打，说咱们后援部队没来，这个等来了一块去打，结果他实际里面可能没驻扎军队，你这个过去之后，直接就一百多个人，就把县城给拿下了。
所以这里面为什么会有这样的一个不确定性呢，这里面就是数据的差异，你掌握信息，掌握数据，跟你做决策，那是完全不一样的。
其实对于什么是数据，其实数据就是信息，什么是信息呢？现在是信息时代，信息时代是谁开创的？是一个叫香农的人开创的，香农是信息论之父，咱们现在下载一些东西都是Bit，Bit单位是香农定义出来的。他是定义了一个信息的单位，每一个最小信息单位就是一个Bit，然后他对数据做了一个定义，对信息做了一个定义，信息是个什么东西？信息是一种消除不确定性的东西。
比如说，我手里握了一个硬币，我问你，这个是正面朝上还是反面朝上，你没办法判断这个东西，你可能猜50%可能是正面，可能50%是反面。但是呢，如果给你一Bit信息，就是已经告诉你正面朝上了，那你猜的时候%是对的，你直接就拿到这个结论，其实这里面就是有了一Bit的信息，就是因为你掌握了一点信息，然后你对这个事情的判断，要精确了很多，这个就是数据的价值，信息的价值，就是消除不确定性。
我就发现毛泽东有三点做的比较厉害的。
第一点，重视调查，没有调查就没有发言权，就是你不管干什么事，先做一下调查，不要拍脑袋，不要凭感觉去做，不要乱说一通，先调查一下情况。
第二点，就是雾里看花的本领，你收集了很多数据，收集了很多材料，往那儿一摆，然后你看着晕了，看不出门道来，毛泽东就不一样，他就看到里面一些特点。
当时军阀之间混战，今天湘系跟桂系打，明天桂系跟粤系打，打来打去，大家看不出个门道来，但毛泽东他就看到一点，这些打来打去，归根到底，是因为后面的帝国主义不一样，他们之间是争夺利益的，这些打斗的过程，其实是一个军阀割据的局面，只要他们长期打下去，中间就会有夹缝，有夹缝就有革命的根据地，就有地方，所以他就要在夹缝中建立革命根据地，这是他看到的。
等到抗日战争的时候，许多人觉得中国完了，打不过，有些人又觉得我们坚持一下，很快就要胜利了，也不出三个月，半年我们就能胜，都是这样的观点，但毛泽东总结，局面不是这样的，日本国力是很强大的，但是他个头比较小，中国是比较贫弱，但是地方比较大，这个情况，如果它打过来，咱往后退一退，打一打往后退一退，退到一定程度，他的兵力就分散了，分散到一定程度，他就强弩之末了，我们反过来去攻打他，所以这样会是一个比较持久的过程，所以他判断整个趋势是持久战。
这是毛泽东很厉害的一点，就是不只是说他去调查研究去搜集这些情况，你还要看到这些情况，这里面有一些特别的地方，就是值得利用的。
第三点，是革命乐观主义，光有前两点，整个革命过程不是说一帆风顺的，很多时候是负面的信息多，许多时候都不行了，就像林彪觉得红旗到底能扛多久，但是毛泽东看来就是星星之火可以燎原，同样一个事，看法是不一样的。
创业其实也一样，我自己创业这三年，我自己总结都是，好消息一个，坏消息一个，或者十条消息里面八条是坏消息，那你怎么办？不过了吗？这个不是这样的。你要去自己去激励自己，激励自己的团队，就是觉得这种局面一定是可以改变的。
另外，邓小平数据思维也挺牛的。年，解放思想，实事求是，团结一致向前看，他自己写的文章。其实邓小平确定了一点，就是以经济建设为中心。那怎么以经济建设为中心呢？他又提了一个数据指标，GDP，就看这个数，不管黑猫白猫抓住老鼠就是好猫，你只要把这个数弄上去就可以了。
咱看一看效果啊，这是我从国家统计局上面截出来的数据，年的时候GDP，然后到现在年，每年8%往前涨，涨到现在，一年产生的GDP是年的倍，你说这个差距有多大。那现在当然大家觉得这个生活确实比之前好了，你说数据有没有起到作用。
虽然说，当然我们定一个指标，比如污染，或者其他方面带来了问题，但是你如果没定这些指标，你可能什么也没搞起来。
再来说一个小例子，我今年春节的时候，去参加了自己学校一个入学20周年（聚会），我年上高中，当时整个高中是一年差不多入学的有多人，后来学生越来越多，因为我们是最好的县高中了，许多学生都挤到哪儿去。所以它就得扩招，越扩越多，等到最近那几年，一年收个高一学生，这量就很大了，后来一个学校就撑不住了，就开始分成两个学校，新校区和老校区，当时一个是老师分成了两组，然后一个新校一个老校，两个校长挑人，你挑一个老师，我挑一个老师，这样分开了，学生也分成两组，新进来的学生按成绩排名，第一名在A学校，第二名在B学校，第三名在B学校，第四名在A学校，就这样尽量平均的分开。分开之后，等到三年之后，高考看成绩，两边升学率是有比较大的差距的，那说明什么？说明整个两个老师队伍其实是有差距的，你要说学生都是平均分的学生，这是一个很简单的数据分析例子，对比AB测试。
还有我去年8月份的时候，去敦煌参加过一次创业戈壁行，就是三天走一百公里，出发的那一段，就是当年唐僧西天取经出国的那一段，很苦，整个就是戈壁滩，沙漠，在这种环境下，然后每天平均来说30多公里，跑过马拉松的知道这种难度有多难，如果没有跑过的，其实我说很难，但是你很难理解。但是大家在实际在做一些高强度运动的时候，肯定会有感觉，比如说你脚上起泡了，这起泡其实就是一个关键的指标。我当时就做了一下统计分析，一共参加了有个人，我没事的时候，我就找他们问，我说你脚上起了几个泡，第一天起了几个，第二天起了几个，第三天起了几个，左脚起了几个，右脚起了几个，我就拿一个手机，用这个Evernote就记了一下，让大家把这个数据报给我。
我一共差不多问了30多个人，当然没有全部去问，但这里面也看了一些有趣的规律。第一天的时间平均一个人脚上起一个泡，两只脚。第二天的时候呢，平均有两个泡，第三天有三个泡，并且发现呢，右脚起的泡，平均比左脚要多一些，那是不是大家在走路的时候，右脚更容易用力呢，这当然是有可能。其实这就是用数据去说话的一个例子。我们有一个简单的数据，大家看一看，是不是我说强度很大，我用数据说话，你就知道，你自己想一想，你自己走路的时候，什么时候起脚泡了，这个强度就出来了，这就是数据的威力。
前面不管从历史上还是从现代，从我个人，讲了几个例子，大家可能对数据分析能有一个认识，就是数据分析这种东西，不是一个高不可攀的东西，它的威力，可能高到国家层面，也可能低到你生活的琐事里面去，其实数据它是一个普遍存在的东西，而数据这种方法呢，也很简单，数据采集，数据分析，采集的手段，有可能用机器去采，有可能去人工去采，比如去开个调查会也可以去采集，或者我这儿问一下，也可以去采集，但是方法也不重要。
重要的是有你这种数据思维。就是你在这些工作生活里面去，你能去想到，我用数据帮助你，去解答这个问题，它更加科学，更加理性去看待它。
数据分析的价值与现状
接下来我们就看数据分析到底有什么样的价值，然后我们现在都会遇到什么样的问题。其实我在百度，因为整个做数据过程中，又加上创业之后，我自己直接打交道的就有几百家创业公司，打交道的过程中，我就慢慢在总结，数据的价值到底是什么。我总结了两点，一点就是数据去驱动决策，就是帮助你拍板的，我前面讲的这些历史上的这种例子，都是说我有了数据之后，更好好的去做决策。
不管做一些商业决策，产品中战略上的东西，或者说我们做一些产品的迭代，产品设计，这种运营监控的事情，有了数据之后，就帮到你更好的做决策，然后比如销售，一个销售的情况怎么样，我们这种团队管理，都可以去用一些数据来说话。当然更多的就是给人去使用，有数据之后，然后你去拍板，去做这个决定。
但在我看来，这只能发挥数据20%的作用，数据更大一个作用呢，在另外一块，就是数据驱动产品智能，那什么是产品智能，或者说什么是智能，现在人工智能比较火，大家怎么理解什么是智能呢？比如说一个门，它上面装了一个弹簧，我推它一下，它开了，然后它自动又合上去了，这叫不叫一种智能，那什么叫智能呢？其实我总结智能是这么一个模式，首先有了一堆基础数据，然后在这上面套上一定的策略算法，再把结果回馈到产品里面去，这让产品本身具有一种学习能力，就是自我迭代，比如典型的例子就是今日头条。今日头条，因为你看了几个花边新闻，它就专给你推花边新闻，它训练你这个模型，你点的越多，他就知道你对这一类的感兴趣，然后把这些地方就强化，去强化你这个，用专业话讲，去做推荐。这其实就是典型例子。
比如说百度去做竞争广告，你收的东西进来给你匹配感兴趣的广告，这里面都是用了这种学习，这种产品智能的方式。所以这一块，跟前面说的去驱动决策有什么区别就是，一个是给人用的，一个是给机器用的，就像今日头条，不是说后面有个编辑，整天给你匹配到底有什么新闻，发给你，不是这样的，是它是靠机器学习，自动的做这些事情。
因为产品本身引用了数据，里面用到了数据，用到了这种产品智能的价值，那就跟之前我们去看一个新浪新闻、搜狐新闻有本质区别了，这是今日头条现在它的市值，一个估值已经非常高的状态，就是它实实在在的在创造新的价值。
所以这就是说，我们谈这个数据的价值，在我看来就这两点。那我们在想这种大数据时代，这种数据分析，对我来说，对你个人来说，到底有什么用，就是这两点。就是你要考虑的是，在你的工作，在你的生活里边，特别是工作里边，我们怎么能用数据帮助你更好的做决策呢，我们怎么能让我们产品本身，让因为有了数据，价值更加高呢，这就是我们思考的点。然后那我们真正去让一个企业去实现数据驱动，让数据分析真正帮到你，而不是说我这个公司，我能出几张报表，就叫数据驱动的，不是这样的，它是一个逐步渗透的过程。
那么理想状态我觉得是应该，一个是全决策，我们期望再一个企业里面，不管是产品也好，运营也好，市场也好，销售也好，就是各种各样的决策，大家都能用数据去说话，数据去帮到你。
第二点，就是全渠道，那我们现在，线上就不用说了，互联网这些公司，用数据用的比较好，线下其实许多时候我们是用不好的，为什么用不好呢？因为你数据采集条件不具备，许多时候数据搜集不上来，搜集不上来你后面怎么去用呢？当然这种局面，也是在变化的，现在就是各种摄像头技术，我觉得也就两、三年的时间，两、三年之后，可能整个通过图样识别去解决一些，比如咱们今天开这个会，大家不用签到，自动识别一下，就帮大家都统计出来了，这个事都会变得非常容易，只是现在这个技术还没那么成熟。但总之呢，我们会期望，怎么去把线上线下这些所有渠道的这种数据，都能给它收集起来。
第三点，就是说全流程，就是我们期望任何一个企业，其实你都是一系列的环节，你的工作都可以总结为一个流程，比如就拿我们神策数据来说，我们就是前面有市场，去吸引潜在的客户，有销售去做转化，转化之后，我们有交付团队去做交付，后面有客户成功，然后保证客户去用好，它就是一个流程的过程，那我们就需要考虑的是，这个过程各个环节，我们能不能通过数据去帮到你，然后真的让你这一块的业务变得更加的好，这就是说这个数据一个全流程，全决策，全渠道，去实现数据驱动。
但是在实际过程中，在我们真正去做的时候，问题就非常多了，比如说，你只有宏观的数据，然后我们看一些整体的情况，但是等到比如昨天，我们活跃用户数跌了20%，你又会想查，这20%到底是怎么跌下来的，那你就要去看一些细的例子的数据，比如我们按照渠道拆开，按照地域拆开，去看这些数据，但是这个时候如果你没办法去看一些精细化的数据，那你就没办法去决定到底这个问题出在哪里。也有可能是，你不同的部门，市场部门掌握了一部分数据，然后销售部门掌握了一部分数据，或者产品团队掌握了一部分数据，等到你想用的时候，要跟各个部门打交道，去审批数据的权限，等审批到了之后，又发现这个数据ID又没有打通，我们又没办法把这些数据真正的关联到一起去使用，这些都是实实在在的问题，就是它真正在一个企业去落地的时候，挑战还是非常大的。
就像我自己，我在年，最早考虑创业，我觉得我未来要去把中国的数据底子打好，去重构中国互联网的数据根基，经过这三年的努力，如果说开始的时候我觉得离目标有十万里，现在我觉得有十万八千里，就是真正接触下来之后，发现其实这个数据底子比我想的其实要更差一些。然后大家的数据意识呢，还是要更弱一些，这里我们要做的工作就更加多了。
那理想状态是什么？理想状态我总结就是说，真正的自助式的数据分析，就是让业务人员真正去掌握数据，不是说好一个公司里面，老板想看数据的时候，由工程师帮你跑数据，然后其他一个产品经理，运营经理想看数据的时候，就没数据了，或者提了数据之后，过一个月才给他这个结果，你说这个效率是怎么样的。
更好的情况是，我们一个公司里面，业务人员各个角色，大家想用数据的时候，都能够去进行交互式、自助式的就去完成这些事情，那这个效率就要高很多了。
那这个常见的一种模式，我就把它归结为是需求驱动，往往是有人提出来数据分析的需求，有工程师，从杂乱的数据里面想办法去满足需求，然后整个交互过程，整个周期可能花几天、几周才能满足一个需求。
更理想的状态就是我们反着来，就是我们先要有数据基础，应该把数据底子怎么更全更细的做好，去采集好，然后在这个基础上，提出自助式的分析平台，之后让业务人员可以自助式的去完成这些数据分析的事情，从一个几天去满足一个需求，变成几分钟，几秒钟去满足需求，那这个效率就高很多了。
我觉得互联网思维最核心的就是迭代，不是说你做一个东西别人做不到，而是说你比别人迭代的快，就是这个手机，比如现在智能手机，大家会觉得，好像再往前发展，没啥发展了，它发展到一定程度确实会那样，就笔记本电脑，到底发展到哪一步，下一步会是怎么样的。它一种技术发展到一定程度，会进入一个理想状态。
其实整个过程拼的就是谁更快的到那个理想状态去了。人家苹果就是比你安卓的许多手机就是更快一些，那它就能收割，就是在一路迭代的过程中，他能卖五千，你只能卖两千，所以在这个过程里面，那迭代速度快与慢，那就是取决于你整个决策过程，决策的速度是不是够快，整个在产品开发，在做运营活动，这个环节里面，是不是通过这些数据，让你比别人更精确的很快找到下一步该是什么。而不是说花了六个月踩了一个坑，然后又花三个月，又从坑里面爬出来，那你这个速度从哪里来。这里面就是我们通过这种数据驱动的方式，让你效率变得更加高。
数据分析的四个关键环节
前面讲了数据分析的价值，还有我们现在存在的问题，接下来，我们看真正的数据分析，它有哪几个环节，简单来看，数据分析就两个环节，数据采集，数据分析，实际真正在去做数据分析的业务，其实我们会把它进一步去划分，可以划分成四个环节。
第一个环节就是数据采集，我们要把数据搜集上来；第二个环节，就是说我们要对数据建模，你不能说收集过来，就一个仓库，杂乱的把他们都丢进去，等到你用这个数据的时候，发现你找不到这个数据，你想要的东西拿不出来，这个也不行，所以这个时候，我们要对数据进行组织，我们要把它规范好，然后我也方便后面去用；第三个环节就是各种数据分析方法，围绕我们做数据分析的时候，围绕比如说漏斗分析，流程分析，围绕拉新客户，围绕流程客户，围绕其他的运营事情，我们通过数据分析去帮到你，这样的方法可能说有各种各样的。再往上一层就是指标，就是一些数据指标。比如对国家来说GDP就是一个数据指标，我们不能每天都要从源头去看看数据一条一条的剥离一下，看看问题在那儿，这个效率太低了。
更多的时候我们是期望定义几个指标，把它标记出来，然后我们就看着几个指标，如果没问题，那就问题不大。就像开车，前面有个仪表盘，仪表盘里面不亮红灯，开吧，问题不大。这指标就起到这么一个作用，我们把许多事情去简化了，通过几个简单的数，我们就知道整体运营的情况。
那我们先来看这个数据采集，大家都听过大数据，什么是大数据呢，我们怎么理解什么是大数据？其实这个问题，因为我自己就是从事大数据的，经常会有人问我，我回老家，一些亲戚，他们什么硬件、什么软件都不知道，现在又来了一个概念大数据，给我讲讲什么是大数据，你说我怎么跟他讲，讲起来难度是很大的。但是我也一直不断的在总结，也是在看书，包括对我影响比较大的是吴军，吴军讲《浪潮之巅》，讲《硅谷之谜》，讲许多东西。
其实我都在思考数据，什么是大数据，现在我对大数据的理解，两个层面，一个层面是从价值的角度来看，就是我前面讲的数据分析的价值，就是驱动决策和驱动产品智能，那是从价值，如果从物理层面呢，我又把它总结成四个字，就是大，全，细，时，就是数据分析这个概念，不是一个新概念，他可能已经存在几百年了，两三百年肯定是要有的，因为统计学出来的更早。
现在我们提的大数据，跟之前又有什么区别呢？其实就是说底层的数据源变了，其中一点，就是大，那大是什么大，比如说，我们把全国各个地级市今天的苹果价格，这个数收起来，每个地级市收一条，这个数一共加起来，可能两道大小，但是相反，我们如果把内蒙古草原上一台风机，它的振动数我们收集起来，一天可能有50个GB，因为那个数大？可能是内蒙古风机更大，是不是？但是内蒙古风机在我看来，它不是一个典型的大数据场景。因为你只能看到这一个点，就是它的情况你可以了解一下。但是，如果我们全国各个地级市苹果的价格，我们有一车苹果要运到哪儿去，你就可以做一个智能的调动系统了，这个价值就要大很多。
第二点就是说全，就是你许多时间了解一部分数据，你这个答案是有问题的，你可能偏了，你比如说去年的时候美国大选，大选之前，整个结果就是希拉里获胜的概率70%多，川普获胜的概率20%多，整体整个市场，它网上的调研，许多都是这么一个结论，结果出来之后，川普赢了，许多人都在分析问题出在那儿，后来分析其中一个原因就是美国中部许多农民，这些农民是不上网的，但是他们是支持川普的，你光在网上做这些调研，那你能调研准吗？实际情况你没调研准。
在我们实际工作中也是一样的，有时候你就是只看了部分的数据，或者有时候觉得老板不公平，老板就听谁说了两句坏话，就按照他的思路来做了，那这里面问题出在哪，就是因为你没有去把这些数据很全的搜集过来，你只是看了一部分。就像最近我在看一本书，叫《原则》，《原则》里面其实讲了一点概念就是极度求真，极度透明，就是说我们要把这些信息，尽量真实的去搜集起来，实质情况收集起来，尽量让大家共享出来，大家都能看到这个数据，咱再基于这个数据再去做决定，不要自己看了一两条信息，听了片面之词，然后就去做决策了，那种决策是不是就很容易出问题呢。
第三点就是细，比如说，咱们许多都是做业务的，我问大家一个问题，在你们公司业务里面，不同身高的人，他们在消费上有什么区别？你可能回答不了这个问题，为什么呢？因为你没有搜集身高这么一个维度，你后面就没有办法做这个分析了。所以说同样是数据，如果我们掌握的这种维度比较多，我们就可以围绕这个维度进行交叉分析，看里面有什么样的规律，然后去研究他，但是如果没有搜集，你就做不到这一点。
第四点，就是时，时效性，同样一个东西，同样一个数字，现在告诉你，跟两年之后告诉你，结果能一样吗？它是很不一样的。比如说美国发生金融危机了，如果你提前半年知道金融危机，你就可以做空，或者做多一些东西，你是不是就可以利用这个价值。双十一，然后你上午投的广告，很快发现效果不行，马上就调，这个广告不要投了，换其他渠道去投，是不是就省着等到当天晚上12点的时候，你发现咱们其实投错渠道了，这渠道根本没用，这是不是同样是一个数，时效性他这个作用是不一样的。
那这个前面是说数据，我们其实真正去做好数据，就是在考虑，如何去把数据更全更细更加时效性的收集起来，这是一个基础。
那收集数据有什么样的手段？因为我的背景主要还是做线上相关的，线上在数据采集的时候，我总结有三种方式。可能有一些偏技术的，大家简单了解一下就可以了。
一种就是通过可视化埋点，全埋点这种方式去自动去给他收集，然后去填进去，然后让他自动去采，这种方式好处就是不需要工程师过多干预，让这些产品经理，运营经理，自己需要就在上面配就可以了。
但是呢它有它的弊端，弊端就是数据搜的不够细，比如来说右下角有一个提交按纽，左上角有一个打七折，自动搜的时候，不知道打七折是一个有用的东西啊，但是你如果分析的时候，这就是很关键的一个因素。
第二种就是一个代码埋点，我们去在程序里面，客户端也好，服务端也好，在它关键逻辑里面，去嵌入进去，比如来说，用户提交了，提交运费是多少，成本价格是多少，这些都是维度信息，我们都去把它记录下来，记录下来之后，你做分析的时候，就方便了。
并且你许多时候采集数据的时候，从前端采跟后端采它是有差异的，为什么呢？前端容易丢数据，用户进行交互的时候，可能网络断了，网络不通畅，那可能就让你丢失了一页数据，但是另一方面，通过后台，如果这些系统之间，后台服务器之间交货，可能就没这个问题。
第三种就是说我们用工具导，比如来说你数据库里面的数据，比如说你从第三方拿到的数据，或者说你线下人工去输入的数据，其实这些都是有价值的数据，你也要把它引入进来，你就用工具去批量的，实时的把它导入进来，这就是互联网数据收集的方式。
然后当然线下会有一些区别，线下比如说通过摄像头，通过WIFI信号，通过红外线，通过其他等等，通过激光，通过各种方式去搜集，但本质其实没有区别，都是说我们要想一些办法，通过一些手段去把数据收集起来。接下来那就是数据要进行建模，进行组织，那正常来说，其实我们公司业务，你后面都会有一个数据库，数据库里面放了很多张表，表里面比如这个定单表，或者用户表等等，这个表里面存在了很多有价值的信息，那当然我们可以要求业务人员，你学习一下使用数据库吧，你学会使用SQL，怎么去做分析，那这是一种方式，当然这里面对于许多业务人员掌握这个东西太难了，因为你经常变，后台这些数据经常变，变了之后，后面就没办法去用这些东西了，所以我们要对数据进行一个再组织，对于互联网这种产品来说，比较好的一种方式，就是多维数据模型，就是OLAP。
比如说，这个是维度，这一个概念，比如北京，天津，上海，这是城市的维度，他有一些曲直，然后操作系统，他有MACOS、IOS、安卓，它也是一些维度，然后这些维度之间可以交叉，交叉之后呢，可以去看一些指标，比如销售额，注册用户数，这样的话，就是我们不只是说能看一些宏观的数据，还可以看一些精细化的数据，比如来自天津的使用IOS的数据是怎么样的，注册用户数是怎么样的，这样的话，就是说我们又能看宏观的，又能建森林，又能建树木，那对你去做决策，价值就大很多了。
然后对于互联网产品，其实都可以去做一些抽象，比如用户去注册，浏览，下单，支付，收货，这是一个典型的电商的一个产品流程，其他的，互金的等等都是类似的。那在这里面呢，我们就需要去把用户，他进行的这些动作，都给它记录下来，包括一些维度，时间，地域，渠道，商品类别，商品单价等等，这维度都记下来，记下来，就形成下面这种表，一张宽表，有这个维度之后，我们就可以分析了。比如想分析来自江苏省的，然后看这个小米平板的，这些人到底有多少，你就可以灵活，但是如果你这个维度信息没有记录下来，你后面是不是就没办法做这个分析了，这就是说对数据要进行建模，就是进行组织。
之后就是数据分析，其实数据分析这种方法，有各种各样的，毕竟它不断的在扩展。那我们可以去从广度、从深度上来去看。广度上来说，我们是看一个用户的，还是看一组用户的，还是看整个全体用户的，这广度是不一样的。另外是深度不一样，我们是看一个用户的某一类操作，比如浏览操作是怎么样的，还是说我们要看这个序列，它先浏览，再支付，再收货，有这些序列行为的，这又是一种思维方式，就是分析方式。所以就是说我们会有各种各样的分析方法，解决这些各种分析的广度深度问题。
咱看一个简单的例子，这也是之前的一个例子，就是开眼，开眼是一个视频APP，他们当时就发现一点，他们去朋友圈，去