精益数据分析——以直觉为导，借数据求知

        彼得·德鲁克说过：“你无法衡量的东西，你也无法管理。” 大多数创业者往往过于依赖直觉来做决策，而这种方法往往经不起深入的推敲。人的主观认识总是存在偏差，但数据不会说谎。数据分析可以对创业者的主观认识进行必要的制约。

        “测试最小可行化产品” 是创业中每一次探索的起点，需要说明的是，最小可行化产品是指能够向市场传递所主张价值的最简化产品形态。当新的理念浮现时，首要要考虑的便是如何打造一个最小可行化产品，且如何以最小的投入快速完成测试。 

         例如，如果给你一个机会开发拼车服务，你会怎么做？

        先别急着拿出程序设计语言和路线地图，首先要考虑的风险是：人们会接受陌生人的搭车吗？我们继续思考，利用数据进行多方面预测，甚至包括测试用人工牵线搭桥的原始方式将司机和乘客联系在一起，最后再开发有关软件。

         这不免让我们想到维克托·迈尔·舍恩伯格提到过的，大数据的核心就是预测。

         它通常被视为人工智能的一部分，或者更确切地说，被视为一种机器学习。但是这种定义是有误导性的。大数据不是要教机器像人一样思考。相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。一封邮件被作为垃圾邮件过滤掉的可能性，输入的“teh”应该是“the”的可能性，从一个人乱穿马路时行进的轨迹和速度来看他能及时穿过马路的可能性，都是大数据可以预测的范围。当然，如果一个人能及时穿过马路，那么他乱穿马路时，车子就只需要稍稍减速就好。但是这些预测系统之所以能够成功，关键在于它们是建立在海量数据的基础之上的。此外，随着系统接收到的数据越来越多，通过记录找到的最好的预测与模式，便可以对系统进行改进。

         由此可知，“精益创业”是一种创业方法，通过最小化地开发出能够验证创业假设的产品原型，并使用最低的成本进行推广，收集足够的数据用于验证创业假设。而数据分析则保证了数据的收集和分析，当然，这其中的关键是提出正确的问题，并重点关注可以达成预期结果的指标。

 

         那么什么是好的数据指标？

• 比较性的：即能比较数据指标在不同时间段、用户群体、竞争产品之间的表现。

• 简单易懂的：即人们可以很容易地记住或讨论某指标。

• 是一个比率：比率的可操作性强，是天生的比较性指标，且适用于比较各种因素间的相生相克。

• 会改变行为：即随着指标的变化，你会采取相应的举措。

         精益数据分析的核心在于针对问题的识别和目标的确定，通过实验性改进找到具有意义的指标，并不断优化直至达到满意结果。随后，可以转向解决下一个问题或进入创业的下一阶段。

         那么如何找出正确的数据？

• 定性指标与量化指标：定性回答“是什么”，定量回答“是多少”。

• 虚荣指标和可付诸行动的指标：看起来那些让人觉得优秀的虚荣指标，实际上对于项目的分析帮助甚微。相反地，那些实实在在能引导实际行动的指标才更有用，因为它们可以帮助我们选择具体的做法，指导我们在商业活动中的表现。

• 探索性指标和报告性指标：探索性指标代表了推断性数据，为我们提供了对未知领域的深刻洞察，有助于在市场中取得先发优势。而报告性指标聚焦于日常业务数据的呈现与关注。

• 先见性指标和后见性指标：先见性指标用于预测未来；后见性指标用于解释过去。

• 相关性指标与因果性指标：如果两个指标总是一同变化，则说明它们是相关的；如果一个指标可导致另一个指标的变化，则说明它们是因果关系。

        精益数据分析是适用于各个商业阶段的工具，它从验证问题的真实性开始，到识别目标客户，再到设计产品，以及确定潜在收益。这就像一个仪表盘，可以帮助我们了解商业的实时状态。这种方法尤其适合初创公司，因为它们需要快速、灵活地适应市场变化。

         精益数据分析的核心要素是测试。一般来说，测试的目的是通过市场细分、同期群分析、AB测试或多变量测试等方法，比较两个样本之间的差异。通过科学的方法，验证某种改变的合理性。

          那么有哪些数据测试方法？

 

● 市场细分：把全体用户分为多群具有某种共同特征的人。（比较不同用户群体之间的差异）

● 同期群分析：比较相似群体随时间变化的行为表现，观察处于生命周期不同阶段客户的行为模式（例如用户的生命周期：免费试用—付费使用——停止使用。纵向研究，数据是沿着客户群体的自然生命周期收集的）。

● A/B测试：在同一时间段对不同被试群体提供不同的体验（属于横向研究，其原理是：用统计学方法剥离出单个影响因子与结果中某一项指标提升的相关性）。

● 多变量测试：，同时对多个变量进行测试，（其原理为，用统计学方法剥离出单个影响因子与结果中某项指标提升对相关性）。

        多种多样的测试方法无非是想告诉我们，精益分析不是抛弃直觉，而是要证明直觉是否正确。凭借想象做出的决策往往容易出错，但是通过分析数据，我们可以更客观地评估决策的合理性，从而避免因主观臆断而导致的风险。

         读完前几章，内心颇有感触。阿利斯泰尔·克罗尔认为数据和直觉并不是相互对立，而是相辅相成的。数据本身并不具备创造性，比如说如果我们只有三个轮子，通过数据分析可以帮助我们有效地利用这些轮子，设计出一个高效的方案。但直觉的启发式方法可能会催生出全新的想法，将我们引向一个全新的四轮时代。在创新领域中，拥有开创性的直觉被认为是最为珍贵的财富。与此同时，数据分析的优势在于其不依赖特定的天赋，却能在同一物质基础下实现卓越成就。在生活中，我们也要乘数据东风，赏真知长空，而后方可向青草更青处漫溯。