读后感----《数据驱动》从方法到实践

从 2018 年 11 月 7 号开始看，一般都是抽周末有大段的时间，可以好好看。碎片化的时间阅读特别影响效率。

整本书的章节不多，书不算厚，大多内容是比较概念性的，没有特别复杂的算法在里面， 所以读起来不是费力。

作者由自己的工作经历引到数据驱动理论上，并整体介绍了数据驱动包括的方方面面，让读者有个整体的宏观概念，了解到数据驱动是怎么由 到 1 慢慢实现的。

其中最重要的两章就是数据驱动的功能：数据驱动产品和运营决策；数据驱动产品智能。

在数据驱动产品和运营决策这一章：主要包括了一些数据在产品各个阶段的角色和作用；另外讲了运营人员通过哪些分析方式来辅助运营和决策。

在数据驱动产品智能这一章：主要跟目前的主流的智能应用差不多：用户画像和个性化推荐。

这一章其实可以写一本书来仔细介绍，作者没有涉及很多高深的算法，所以都是通俗易懂的讲了一下应用场景，很符合小白的口味。

最后作者用了几个行业的案例讲解了数据驱动的这个流程，实现。

整体上来说，让读者唇齿留香，意犹未尽，但又不至于太难啃，中途放弃，点到为止的恰到好处。

 

结合我们自己的产品来说，对我有收获的地方有几点，列出来分享一下：

1、   数据驱动的重要性，这一点如果领导层没有意识到数据的价值，可能开展起来就是唱独角戏。如果不开展，那么没有什么数据驱动的这一高级说法，就是个取数据的问题（书中有个很贴切的例子，数据提取还处在石器时代）。

 

2 、数据驱动很多还是停留在概念，实战起来比较也费力不讨好（在数据收集的阶段，产品和运营需要了解收集和展示哪些指标，指标的制定规则；需要后端全埋点的话，后端代码改动很多；如果涉及到多个产品线的话，数据统一标准化也是个大工程。）

3 、数据驱动和业务数据的解耦合，这点在平时开发的过程中很有感触。首先架构不支持的情况下，把业务和数据驱动混在一起，所以有各种问题。其次产品运营人员对数据驱动和业务数据的混淆，导致揉在一起，出现各种性能问题。

怎么解决呢？

构建数据仓库，把所有的数据汇聚整合到一起，需要什么数据，需要数据的效率可以通过架构来实现，从而让数据驱动更好的服务产品和运营。在本书中的数据驱动并没有把采集到的数据直接作为业务数据来设计产品。

4、    行业通用的数据分析方法，运营和产品不知道有哪些数据分析方法，只知道散乱的罗列一些指标，其实有一定的专业的分析方法指导，会更好的进行运营和更具有理论上的说服力，比如常用的：（漏斗分析，分布分析）。

产品需要了解在产品的几个阶段需要看重的指标有哪些，并以此来优化产品（第一关键指标法，海盗指标法）。

5 、架构师 & 技术人员：技术的力量很重要，通过各种架构可以解决和丰富产品和运营的想象力。需要实时的数据，架构可以解决提供，主流的大数据分析架构技术，开源架构这些都是想要了解的，不能用简单的一句话，实现不了来敷衍了事。另外更需要专研精神，目前主流的机器学习方法去挖掘产品和运营想不到的价值。

 

技术很难，一入侯门深似海，愿你能在其中找到乐趣。

是谁建立的这些理论，经过多少次验证理论的正确性，总有第一个吃螃蟹的人，是你吗？

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/24349972/viewspace-2221805/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/24349972/viewspace-2221805/