用户名*
邮箱*
密码*
确认密码*
验证码* 点击图片更换验证码
找回密码
忘记密码了？输入你的注册邮箱，并点击重置，稍后，你将会收到一封密码重置邮件。
哈哈
先上结论：创业公司要重视数据，但每个阶段关注的重点不同。产品非常早期时，数据驱动是个伪命题。
那么，创业者应该从什么时候开始关注数据呢？
| 从什么时候开始关注数据？
「每个阶段的重点不同，增长期是数据驱动的关键时期。」
虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？
一般来说，创业者会经历 4-5 个产品、企业的生命周期。
1. 第一个阶段，冷启动。
这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
2. 第二个阶段，增长前期。
冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。
这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。
产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。
3. 第三个阶段，是增长期。
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。
无论 PR 还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间 PK 的核心竞争力。
如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。
一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。
4. 第四个阶段，是变现期。
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。
比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。
这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。
一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。
而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。
比如，以前我们在 LinkedIn 做数据驱动转化时，要推送某篇 EDM ，同样发给 10 万人，拍脑袋决策的转化是 0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了 0.3%，高出 30 倍。如果每周都那么做的话，这种转化效果还是非常可观的。
| 什麽时候确定数据框架？
「LinkedIn 早期就有清晰的数据框架，只有一万用户，就做数据驱动，反复问一个用数据能证明的问题。」
LinkedIn 是 2002 年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn 创始人 & CEO）收集大量的用户信息，想了三种变现方式：
变现的方式他想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。
LinkedIn 在只有 1 万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高 3 倍。
这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。
LinkedIn 每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的？
一星期内加到 5 个联系人的用户，他们的留存、使用频度、停留时间是那些没有加到 5 个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。
但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。
LinkedIn 最早的时候，并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。
可是加权以后的结果是，这些用户在上面花了很多时间，间接就成为变现的可能。产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：让更多的用户在第一周里加到 5 个联系人。于是，增长飞快。
| 总结
我在 LinkedIn 做过很多年数据分析。数据分析在国内一些特别大的企业才能得到重视，但是在美国，数据已经成为驱动众多企业增长的重要引擎。
为什么国内很多企业，表面上很重视数据分析，最后却流于形式？
许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。
同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。
但是我们看看美国，以 LinkedIn 为例， 在过去 6 年间从一个 7000 万左右年营收的企业，一下子增长至 30 亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。
6 年多以前，我第一次在 LinkedIn 的公司例会上，听到德鲁克的一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了 LinkedIn 的企业价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。
最后，打个广告，如果您希望用数据驱动增长，可以到我们官网注册免费试用 GrowingIO 官网 硅谷新一代数据分析产品 。
在“Absolutely”和”Absolutely NOT”之间总有一个“It depends”，很多创业公司尤其是在创业之初，最重要的让他们区别于其他对手，或者最快打开市场，或者最快创立品牌，或者最大限度利用资金的未必是数据，例如：土家掉渣饼……
但是，同时也有很多创业公司，其创业之本就是技术，就是数据，就是在数据（大数据）中挖掘价值，从而区别于其他对手，从而最快打开市场，从而最快创立品牌，从而最大限度利用资金……，例如：Splunk，Hortonworks……
短期来说，Whatever makes sense to survive…，长期来说，有数据上，没有数据，创造数据也要上……
当然要重视数据，但不要被数据牵着鼻子走。
太重要重要重要了……
例如，你需要用数据去吸引用户、用数据去说服投资者
你需要对数据进行研究，提供更好的用户体验；
数据还能帮助你找到商机
要。
不能依据那少得可怜的数据做决策参考，样本太少，不适宜做分析，更不能依据“分析结果”做决策参考。
需要做的是收集数据，寻找关键数据节点。
创业公司也分阶段，
项目策划阶段，这时候可能核心任务是流程跑通，产品上线，但是要预留好上线时期 需要关注的数据。
比如 第一批种子用户导入后的长期关注他们的活跃数据
在产品初期的运营中，就需要开始关注新增 活跃 留存之类的数据
所以啊，创业公司当然是要重视数据的，或者换一个说法比较明确，创业公司要重视如何获取数据。
先说结论，需要重视数据
目前就职于一个数据相关的公司，公司已经成立7年了，前5年一直默默无闻，不紧不慢，招了很多人做数据，最近招到技术还不错的人来使用这些数据，做一些模型和算法，产品做的有声有色，数据也被带动，卖的还不错。但是数据还是有很多错误的地方，以致于做算法模型时都不知道是算法问题还是数据问题。
如果让我一开始做，我想我会注重数据的质量的。
你拿个错误的数据，用再好的模型，都是白扯。
每一个项目都需要有数据的支撑，这样就能避免许多没有必要的错误，这是一个大数据的时代，通过大数据分析，得到我们想要的结果，创新需要大数据，做什么都需要大数据，但是在中国大多数认为这是在浪费资源，浪费精力人力物力，但是却不知失去了大数据的分析能力就是失去了市场。
当然要，程序什么的重构容易，数据难啊
数据是基础，数据是依据，数据是参考。
昵称*
E-Mail*
回复内容*
回复 ( 10 )
先上结论：创业公司要重视数据，但每个阶段关注的重点不同。产品非常早期时，数据驱动是个伪命题。
那么，创业者应该从什么时候开始关注数据呢？
| 从什么时候开始关注数据？
「每个阶段的重点不同，增长期是数据驱动的关键时期。」
虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？
一般来说，创业者会经历 4-5 个产品、企业的生命周期。
1. 第一个阶段，冷启动。
这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
2. 第二个阶段，增长前期。
冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。
这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。
产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。
3. 第三个阶段，是增长期。
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。
无论 PR 还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间 PK 的核心竞争力。
如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。
一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。
4. 第四个阶段，是变现期。
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。
比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。
这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。
一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。
而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。
比如，以前我们在 LinkedIn 做数据驱动转化时，要推送某篇 EDM ，同样发给 10 万人，拍脑袋决策的转化是 0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了 0.3%，高出 30 倍。如果每周都那么做的话，这种转化效果还是非常可观的。
| 什麽时候确定数据框架？
「LinkedIn 早期就有清晰的数据框架，只有一万用户，就做数据驱动，反复问一个用数据能证明的问题。」
LinkedIn 是 2002 年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn 创始人 & CEO）收集大量的用户信息，想了三种变现方式：
变现的方式他想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。
LinkedIn 在只有 1 万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高 3 倍。
这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。
LinkedIn 每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的？
一星期内加到 5 个联系人的用户，他们的留存、使用频度、停留时间是那些没有加到 5 个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。
但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。
LinkedIn 最早的时候，并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。
可是加权以后的结果是，这些用户在上面花了很多时间，间接就成为变现的可能。产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：让更多的用户在第一周里加到 5 个联系人。于是，增长飞快。
| 总结
我在 LinkedIn 做过很多年数据分析。数据分析在国内一些特别大的企业才能得到重视，但是在美国，数据已经成为驱动众多企业增长的重要引擎。
为什么国内很多企业，表面上很重视数据分析，最后却流于形式？
许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。
同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。
但是我们看看美国，以 LinkedIn 为例， 在过去 6 年间从一个 7000 万左右年营收的企业，一下子增长至 30 亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。
6 年多以前，我第一次在 LinkedIn 的公司例会上，听到德鲁克的一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了 LinkedIn 的企业价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。
最后，打个广告，如果您希望用数据驱动增长，可以到我们官网注册免费试用 GrowingIO 官网 硅谷新一代数据分析产品 。
在“Absolutely”和”Absolutely NOT”之间总有一个“It depends”，很多创业公司尤其是在创业之初，最重要的让他们区别于其他对手，或者最快打开市场，或者最快创立品牌，或者最大限度利用资金的未必是数据，例如：土家掉渣饼……
但是，同时也有很多创业公司，其创业之本就是技术，就是数据，就是在数据（大数据）中挖掘价值，从而区别于其他对手，从而最快打开市场，从而最快创立品牌，从而最大限度利用资金……，例如：Splunk，Hortonworks……
短期来说，Whatever makes sense to survive…，长期来说，有数据上，没有数据，创造数据也要上……
当然要重视数据，但不要被数据牵着鼻子走。
太重要重要重要了……
例如，你需要用数据去吸引用户、用数据去说服投资者
你需要对数据进行研究，提供更好的用户体验；
数据还能帮助你找到商机
要。
不能依据那少得可怜的数据做决策参考，样本太少，不适宜做分析，更不能依据“分析结果”做决策参考。
需要做的是收集数据，寻找关键数据节点。
创业公司也分阶段，
项目策划阶段，这时候可能核心任务是流程跑通，产品上线，但是要预留好上线时期 需要关注的数据。
比如 第一批种子用户导入后的长期关注他们的活跃数据
在产品初期的运营中，就需要开始关注新增 活跃 留存之类的数据
所以啊，创业公司当然是要重视数据的，或者换一个说法比较明确，创业公司要重视如何获取数据。
先说结论，需要重视数据
目前就职于一个数据相关的公司，公司已经成立7年了，前5年一直默默无闻，不紧不慢，招了很多人做数据，最近招到技术还不错的人来使用这些数据，做一些模型和算法，产品做的有声有色，数据也被带动，卖的还不错。但是数据还是有很多错误的地方，以致于做算法模型时都不知道是算法问题还是数据问题。
如果让我一开始做，我想我会注重数据的质量的。
你拿个错误的数据，用再好的模型，都是白扯。
每一个项目都需要有数据的支撑，这样就能避免许多没有必要的错误，这是一个大数据的时代，通过大数据分析，得到我们想要的结果，创新需要大数据，做什么都需要大数据，但是在中国大多数认为这是在浪费资源，浪费精力人力物力，但是却不知失去了大数据的分析能力就是失去了市场。
当然要，程序什么的重构容易，数据难啊
数据是基础，数据是依据，数据是参考。