"精益"是很好的创业方法，"数据分析法"则保证数据的收集与分析。二者均可从根本上改变你对企业开创与发展的看法。它们不仅仅是一种方法，还是一种思维模式。精益分析思想指提出正确问题，并重点关注那项可达成你期望结果的关键指标。
一.好的指标定义
- 有比较性
- 简单易懂
- 比率
- 会改变行为：随着指标变化，你是否会采取相应的措施？
二.正确指标
1.定性指标与量化指标
2.虚荣指标与可付诸行动的指标
虚荣指标：
- 点击量：随便什么网站，只要上面可点的东西多，这个数字就会很高。相比之下，你更应统计点击的人数
- 页面浏览量（pv）：统计的是网页被访客请求的次数，除非你的商业模式直接与pv值挂钩，你还是更应统计（访问的）人数
- 访问量：你的100访问量究竟来自于1个访问了100次的用户，还是100个访问了1次的用户
- 独立访客数：显示有多少人访问了网页，确不能告诉你这些人在页面上做什么！
- 粉丝/好友/赞的数量：你在社交平台上振臂一呼，有多少粉丝响应？只有知道这个数字，他们才对你有意义
- 网站停留时间/浏览页数：除非你的商业模式与这两个指标绑定，它们并非一定能说明问题
- 收集到的用户邮件地址数量：看他们是否按照邮件中提示去做
- 下载量：下载量本身并不带来价值（付费应用除外），应用下载后的激活量、账号创建量等等
4.探索性指标与报告性指标
5.先见性指标与后见性指标
- 先见性：预测未来
- 后见性：一个基准，提示问题的存在，比如用户流失
6.相关性指标与因果性指标
三.测试
- 市场细分：一群拥有某种共同特征的人
- 同期群测试：相似群体随时间的变化，适用：营收、客户流失率、口碑的病毒传播、客户支持成本等等
- A/B测试：改动产品某一方面，衡量其对另一方面的影响
- 多变量：同时改动产品的多个方面，看哪个与结果相关性最大
四.分析周期
五.数据科学家的思维
- 假设数据没有噪声:数据是否有效、实用
- 忘记归一化
- 排除异常点
- 包括异常点
- 忽视季节性
- 抛开基数奢谈增长
- 数据呕吐：知道什么数据是重要
- 谎报军情指标
- “不在这儿收集”综合征：数据与其他数据源混合使用
- 关注噪音
参考《精益数据分析》
