編者按：本文來源于GrowingIO張溪夢的演講，授權36氪發布。

張溪夢，GrowingIO創始人&CEO，前LinkedIn商務分析總監，2015年回國創立了新一代數據分析產品GrowingIO。

2016年6月28日，GrowingIO發布2.0版本數據分析產品，并宣布獲得2000萬美元的A輪融資。

“流量為王”的時代已經結束，互聯網企業正在向精益化運營的方向轉型。

而做好精益化運營需要大量的數據來支撐決策，這對企業的數據采集和數據分析能力都是非常大的挑戰。

中美在數據分析上存在較大的差距，數據分析在國內一些特別大的企業，比如 BAT里，才能得到較高的重視；當然這得益于他們的長期積累，對數據和運營結合的比較好。

這是我回國以后的總體感受，國內企業對數據本身，以及數據所能提供價值的認識程度，沒有美國那邊那么深入，并且差異還蠻大的。

問題1：什么樣的公司需要注意數據？不同階段有何差異？一般來說，目前國內比較重視數據的是高客單價，重轉化的公司，比如互聯網金融、電商、交易平臺、SaaS、在線旅游類的公司。

這類客戶客單價高，不是完全拼流量，如此創業者才有提高轉化的動力。

宏觀的講，創業者會經歷產品4個生命周期階段。

第一個階段，叫冷啟動。

這個時候公司特別早期，天使輪或者A輪，甚至融資還未成功。

處在這個階段的公司，用大數據驅動是一個偽命題——因為客戶數量有限，樣本性不足。

他們需要更多地去了解潛在客戶的需求，去“求”客戶來用這個產品。

  第二個階段，增長前期。

就是冷啟動接近完成。

有經驗的創業者，會開始布局和增長有關系的一些核心指標，比如說日/月活躍，留存度。

這些指標的目的不是為了衡量產品當前當下的表現，而是為了未來做增長時有可比較的基準。

第三個階段，增長期。

這個階段就能看出來好的創業公司和普通創業公司的巨大差別——效率。

無論PR還是做活動，都需要人力和時間成本。

如何在增長中，找到效率最高的渠道？這個我覺得，是創業公司之間PK的核心競爭力。

如果不做數據驅動，靠直覺，一次兩次可以，但沒有人能進賭場連贏一萬次。

所以，直覺需要和數據進行結合，這樣企業能迅速優化各個渠道，來提高單位時間的轉化效率。

第四個階段，變現期。

業務變現，要求很高的用戶基數。

一般互聯網產品，其中一小部分高活躍、體驗好的用戶，會轉化為付費用戶。

類似一個漏斗，不斷地去篩，這里面就是要拼運營的效率了。

比如說，電商用戶的轉化漏斗一般是：訪問——注冊——搜索——瀏覽——加入購物車——支付，或者到未來的退貨。

這是非常非常長的一個漏斗，真正要做好數據化運營，要對漏斗的每個環節持續地進行追蹤。

一個好的企業，特別是以后要做營收的企業，必須要關注各個部門各個環節的轉化效率。

這種轉化效率，要達成的手段，可以通過市場營銷的方法、產品改進的方法、甚至客戶運營的方法。

而其中每個環節小幅提高，加在一起就是一個倍數的提高。

這種倍增，如果沒有做過數據化運營的人，很難體會到會有多大。

問題2：好的數據分析應該是怎么樣的？好的數據分析，能夠讓公司里所有人都獲益。

它不是一種特權，不是只給公司里的一兩個人看，而是能夠讓公司里面各個運營部門，特別是前線打仗的部門，能夠直接得到好處。

普通只講戰略，只講大方向，只給CEO看，只給VP或者運營看——這不夠。

需要把它給工作在一線的員工，讓他們用起來。

這個我覺得是區分一個數據驅動型企業，和非數據驅動型企業一個很大的區別。

效率提升，是所有人提升，而不是一兩個人提升。

 一個公司要建完整的數據分析機制，首先應該從業務開始。

所有的數據分析運營或者數據體系，都應該從業務，從客戶開始。

這個數據分析體系，不應該只解決非常狹窄的一個或者兩個問題，需要有體系和大局觀。

然后，實際上數據分析里面，最難的一個部分是數據搜集和數據整理，這個過程最耗費時間，可能因為剛開始的計劃就做的不夠周全。

所以說，在數據采集和數據整理方面，應該很有計劃的重視。

到后面，數據分析，不能只僅僅停留在報表的基礎上，價值還是不夠多。

最終還是，那些數字出來以后，告訴別人應該怎么做是對的、有效的。

這里面的話，就是有很深學問，需要很強的操作能力。

所以說一個企業，既要有大局觀，又要注重可執行性。

我建議一般企業想自建的話，應該先從一個單點突破，找到一個轉化點，看到了價值，通過這一次的實踐，再學習下一次實踐的方法。

這也是一個學習的過程。

不要上來就建立龐大系統，上來就把50個數據圓圈綜合在一起，想建立一套數據科學框架。

我覺得一般要這樣干的話，除非你有很多資源，否則一定會失敗的。

問題3：企業數據分析都可以分為哪些階段呢？第一個階段，是什么都沒有的；第二個階段，需要公司能夠回溯歷史：知道自己產品在發生什么，這是最基礎的、最原始的一個階段；第三個階段，內部做產品、做運營、做市場營銷的人，需要問為什么：這個階段，是預測，即預測某種人群，下面會干什么事，這樣能有針對性地，更好地去開發產品；第四個階段，是要有解決方案：就是我預測到了這組人會這么做，那么我給它一個更好的方案，讓它有更好的轉化、留存，帶來更好的拉新效果；第五個階段，是優化，多樣產品線如何能找到最好的平衡點：在價格、營銷，產品設計，銷售各個角度有一個平衡點，這個平衡點是創業者的利益最大化點，也是用戶最喜歡這個產品的點。

 這五個階段，需要花時間來不斷積累的，不要跳躍，跳躍往往失敗，從基礎做起。

問題4：為什么許多公司的數據分析流于形式？這主要是因為很多企業在三個層面上的認知不足：數據的價值、數據分析方法論和實際的操作方法。

1）價值的認知許多公司處于瘋狂增長時期，大家一拍腦子做的決定，可能已經產生很多價值了；這種情況下他們很難意識到數據決策能產生比暴力性增長更大的價值。

2）基本方法論的認知 意思是核心但簡單的方法論。

目前國內對基礎的方法論沒有太多的認知，可能因為國內發展時間還比較短，而美國已經開發好幾十年了。

3）實際操作方法的認知國內一線員工用數據來指導工作運營，比如產品、客戶、銷售等實際操作經驗相對來說少一些。

一方面，因為發展時間短，另一方面，數據使用理念積累也相對較少。

不過，國內公司已在迅速地提升這種認知。

但是這個認知，是分階梯的，循序漸進的一個過程。

在美國，認知和方法論已經慢慢進行了良好的統一——技術和業務之間，用數據來融合。

許多國內的企業家，最開始意識不到數據的價值；等意識到數據的價值時，他的期期望又往往很高。

這種大鴻溝，也無法讓價值真正落地，甚至讓人們產生“這個價值是否真能實現”的質疑，缺乏耐心。

問題5：中國公司對于數據存在哪些共性的迷思？我覺得國內公司對數據分析的理解，分兩極：一種認為這是純技術，還有一部分是比較迷信，認為只要一上大數據，就變成高大上的公司了。

我覺得這兩種方式，都存在一定的誤解。

核心的話，我覺得你做的這個東西能不能有價值，有沒有效果？用效果來衡量是最直接的。

另外一些公司想自建平臺，搭建很大的團隊，效率和產出都比較低，這個我建議大家慎重。

隨著生態圈的不斷發展，現在很多工具都很好用，你得學會用工具。

這是創業者成功的一些很好的輔助——不能說因為你會用工具，所以你就創業成功；但是好的創業者，一定能用這些各種工具，達成目標。

問題6：如何打破數據無法“物盡其用”的怪圈？過去幾個月，我們跟客戶打交道發現，有的企業用我們的產品用得非常好，有的企業就一般。

通常內部有人核心負責數據的企業，會用的就非常好；有的企業沒有核心的人來追這件事情，做得就比較一般。

所以，在運營部門里面，至少得有一個人有一定的數據分析概念。

就好像我們把一套高級手術儀器搬到公司去，如果沒人會操作也不行。

我認為最好的知識獲取方式，就是實際操作。

實際操作的前提，是最好有一個稍微懂一些的人，能帶著做幾次。

然后轉起來、學起來了，這就是獲取數據分析知識最快、最有效的方式。

我不覺得純讀書或者讀一些課本，看一些外面的大數據指導類的書籍，能有這種效果。

有了這個人，再能從懂這方面的人和公司產品，獲取方法論的支持，這種學習機制就建立起來了。

這個還是蠻重要的，否則系統雖然強大，但是沒人會操作，就無法物盡其用。