以数据取胜：总结与回顾
关键词：分析、分析、业务、数据、指标、信息、基础设施、投资者、运营、启动
请注意：本文末尾有指向其他评论、摘要和资源的链接。
书评
当今世界，数据正在改变每个行业。数据是未来，了解如何使用和实施数据的公司比那些不了解数据的公司拥有巨大的优势。为了在这个快速变化的环境中取得成功，公司中的每个人都应该能够立即访问做出最佳决策所需的信息。以数据取胜提供有关公司如何通过数据战略分析继续发展和发展的建议。
手机的出现极大地增加了每个人对数据的需求和渴望。人们期待数据。他们习惯于问题立即得到解答。在这个数据丰富的环境中，避免常见的偏见和认知错误非常重要。在公司内部，数据团队可以成为减少偏见和促进数据素养的重要力量。团队应该教导同事如何善用数据；它们还应该帮助人们学会更清晰地交流数据。
指标可以对流程产生深远的影响并反映公司的竞争优势，但这还不是全部。公司不仅仅是其指标。公司还需要明确的价值观。它需要合适的人：智力诚实的人；具有好奇心的人；会使用指标来回答问题的人。
共同作者以数据取胜两人都有数据密集型行业的背景。 Tomasz Tunguz 是 Redpoint Ventures 的风险投资家，他的博客致力于为初创企业提供数据驱动的建议。 Frank Bien 是商业智能平台 Looker 的首席执行官，他直言不讳地相信团队合作和积极的企业文化。建议有兴趣了解作者的职业生涯以及他们如何进行此次合作的人阅读简介。
Tunguz 和 Bien 使用了大量来自他们自己和其他知名公司的经验的例子：Venmo 使用数据来改进他们的产品； Warby Parker 颠覆了数十亿美元的市场； ThredUp 每天能够处理数千个项目。
以数据取胜提供建议，帮助公司驾驭美丽新世界。作者对创建数据驱动型公司的建议逐步细分，包括：创建通用词典；振兴团队文化；保持会议正常进行；并进行高质量的演示。这种非技术性概述充分解释了数据的战略使用如何为任何公司带来竞争优势。
概括
第1章
广告业过去偏爱电视节目中描述的那种创意方法狂人。如今，数学对策略的推动作用远远超过了创造力。代替狂人，广告专业人士是数学人：信息技术提供了开展活动的工具；算法指导决策；几乎所有工作都是在计算机上完成的。自从狂人天。
数据已经改变了广泛的不同领域，而不仅仅是广告。数据是未来，公司必须了解如何使用它并随之发展。
在拥有可操作数据的公司中，数据驱动着每个员工的行为。例如，优步没有库存；整个业务都是基于数据的。该公司比老式出租车公司更有效地调度司机，并通过可轻松识别问题司机的反馈系统保持高满意度。数据 = 可操作。
即时数据变得至关重要，对即时信息的需求也在不断增长。我们希望我们的问题立即得到解答（！）。由于人们过去需要很长时间才能获取公司的信息，因此数据历来被用作衡量过去绩效的工具。然而，拥有良好数据基础设施的公司可以根据当前指标生成信息并做出决策。这些公司可以确保数据能够立即到达需要的地方并到达需要的人面前。低效的供应链（接触数据的人员、流程和程序）会导致数据缓慢，导致寻求数据的人多于提供数据的人。这在当时是一个问题，但今天，我们拥有丰富的数据，并且总是有更多的数据可以收获。
然而，数据量使得对其进行排序比以前更加困难和耗时。小公司可能没有数据分析人员，创建和运行查询和报告可能会变得不堪重负。如果无法获得足够的数据，公司就会习惯于根据意见做出决策。这绝不是经营业务的最佳方式，这可能表明公司需要建立新的数据供应链。
一些企业有整个团队致力于确保数据的测量、描述和使用方式的一致性。他们辅导公司中的其他人，并授权他们创造性地使用数据。数据团队通过帮助每个人更好地了解如何使用数据而不是意见来推动公司发展，从而实现数据访问的民主化。
第2章
数据存在一些问题，这是我们这个时代的特征。
对词源学感兴趣的人会对了解 Fleischmanns 感兴趣，他们是捷克面包师，他们移民到美国，并因今天仍在超市出售的烘焙酵母而闻名。弗莱施曼一家每天都会制作面包，每天结束时他们总是剩下一些面包，然后分发给穷人。等待免费面包的人们被称为面包线.今天，数据贫乏的人有面包线。人们等待他们需要的信息就像穷人等待面包一样。一些数据请求被优先考虑；其他请求等待。数据面包线会导致多个问题：
- 人们必须等待数据。这会减慢决策过程，进而拖慢公司的发展速度。
- 人们会变得不耐烦，有时会在不等待数据的情况下做出决定。不知情的猜测很少会产生好的结果。
- 关注面包线会消耗数据管理团队的精力，阻碍他们的潜力，并浪费他们的才能。
数据模糊也是一个问题。当数据杂乱无章时，响应时间和准确性会减慢。最终，公司可能会对其数据失去信心。
数据碎片是另一个问题。当人们无法获得所需的数据时，他们会找到一种方法来捕获数据并创建自己的数据库。流氓分析师和影子数据库经常忽略正常的验证和更新过程，将信息保留在孤岛中。
最后，数据争夺给公司带来了重大问题。数据分割可能会产生不一致的区域。如果信息不一致，人们就会开始不信任彼此的观点。他们不同意；他们争论；他们打架。公司里的人都需要达成共识。他们必须使用相同的指标和相同的词典。
第3章
商业智能系统传统上分为三层：数据库存储数据；数据仓库从数据库中收集数据并进行聚合；和可视化层为最终用户格式化和呈现报告。这是一种陈旧的系统，因为每次提出不同的问题时，都必须为新报告编写新查询。
当他们还是一家小初创公司时，谷歌拥有大量数据，但他们负担不起甲骨文的数据库费用。为了解决这个问题，他们购买了自己的服务器并在它们之间分发数据。这一策略奏效了，而且我相信您也知道，谷歌是当今数据管理的典范。该公司生成了大量数据，谷歌员工将这些数据用于各种研究和分析。
Facebook 也非常重视数据分析，该公司开发了多种不同的技术来为员工提供数据访问权限。 HiPal 是一种界面，可以让分析师更轻松地搜索数据。不熟悉 SQL（结构化查询语言 (SQL)）的用户可以使用这些公司技术进行与 SQL 相同的分析。 LinkedIn 等其他公司也使用类似的数据基础设施。
Looker 是一种新型的数据接口。它创建了供整个组织使用的所有内容的单一版本，从而显着提高了数据完整性。
极端数据收集是新常态；所有大公司都有这些高性能数据库。它们非常快，存储便宜，并且有足够的空间和能力。鉴于这些进步，整个分析方法需要更新。可以积累大量信息，而精明的工人习惯于访问数据。他们需要复杂的工具来满足复杂的信息需求。使用工具越容易，使用它们的人就越多。
如今，有大量数据需要探索，人们可以自由探索。这是现代世界的数据结构。
关于数据技术历史的快速课程：该数据库是 1970 年由一位名叫 Edgar Cook 的 IBM 员工发明的。 Oracle Systems 成为数据库的主要开发商，并在他们的数据库中存储数据赚了很多钱。在 1990 年代，其他公司推出了使数据库更易于使用并最大限度降低数据库费用的软件。
第 4 章
通常，公司使用数据来查看过去发生的事情。新方法是操作数据并使用它来理解发生的事件。
当年，衣服和布料非常昂贵，甚至贵族也会购买二手衣服。人们称其为“斯特拉扎罗利”（Strazzaroli），经营高端二手服装。但随着工业革命的兴起，衣服变得越来越便宜，斯特拉扎罗利一家失去了谋生手段。快进到一家现代寄售公司 The RealReal。他们使用实时报告来查看仓库中的物品以及所有物品在价值链中的移动情况。公司中的每个人都可以访问相同的信息；每个人都可以实时对数据做出反应。设计、营销、财务、运营——每个人都可以使用即时信息使公司受益。
ThredUp 是另一家二手服装经销商。除了跟踪和处理商品外，ThredUp 还使用数据来预测在任何给定时间需要什么样的衣服。管理他们的数据帮助他们在启动后快速扩展。
公司在琐事上花费了太多时间。会议耗尽了每个人的时间。这就是生产力的损失。然而，正确的数据可以减少会议时间，因为它可以帮助人们专注于正确的问题。
HubSpot 是营销自动化软件的提供商，它跟踪五个指标来评估其销售人员的绩效。销售人员可以访问他们自己的仪表板，查看他们如何朝着目标前进。前面讨论过的 Looker 还创建了一个工具来跟踪销售业绩。销售人员可以看到他们离完成配额还有多远，并监控他们正在准备的东西。客户服务解决方案提供商 Zendesk 使用 NPS 客户调查来生成数据，这帮助他们保持了可观的增长。
数据是任何成功的现代企业的重要组成部分。它在销售库存、响应客户请求、在适当的时间增加销售人员以及提高反应速度方面发挥着重要作用。
本章包含来自作者的丰富建议：
- 在整个公司内采用相同的指标非常重要。考虑使用类似于数据字典的东西进行形式化和标准化。你需要有一个共同的词典。
- 保持绝对的诚实——或者至少以这个理想为目标。人不应该敏感。放下你的自我；接受批评。
如果没有数据支持，决策可能会非常随意。我们掌握的信息越多，我们做出的决策就越好。
第五章
作者认为，好奇心是人类的一种基本情感，也是将公司文化转变为数据驱动文化的最佳方式。员工应该感到好奇。他们应该有能力查找他们感兴趣的信息，并且应该能够检验他们的假设。
当一家公司被数据驱动时，可以预期会有一些文化转变：
- 该公司开始使用数据来做出决策。
- 公司从每个人那里获得最好的想法，而不仅仅是高管。
- 公司鼓励实验和惊喜。
实验很重要。为了证明实验的价值，作者讨论了 Intuit 的薪资管理产品 Paycycle。产品经理考虑添加一项功能，使雇主能够立即削减支票，但研究表明客户不会对这样的功能感兴趣。不管怎样，他们决定测试这个功能，结果出人意料地受欢迎。正确的文化始于具有好奇心的员工；它从提出问题的人开始。
找到好奇的人很重要，这从招聘过程开始。但招聘面试通常不会提供太多信息。它们可能相当随意。相反，作者建议应该有一个系统化的过程，其中包括确定候选人所需的品质，设计针对这些品质的面试问题，以及根据所需的属性对候选人进行评分。得分最高的候选人获胜。
招聘指标对于评估招聘实践非常有用，例如，通过电话面试的合格候选人数量、从第一次与候选人联系到签署录用通知的时间等。为了监控满意度，您可以在面试后对候选人进行调查，了解哪些内容他们想到了这段经历。另一个重要指标是录用率（接受工作录用的人的百分比）。通过将雇用人数除以雇用目标来计算您的雇用目标。
归根结底，您需要的是能够适应公司文化的员工。但如何衡量文化呢？使用调查和其他工具在管理层和员工之间建立有关公司的对话。人们的目标是什么？他们喜欢公司什么？他们可以提供什么反馈？这个过程一直持续到公司价值观具体化并可以记录为止。
澄清这些内容将使面试官更容易确定候选人的价值观在多大程度上适合。例如，如果您的公司重视高质量的客户服务，您可能会要求员工提供他们帮助客户的例子。
谷歌在指标上比其他公司更进一步。他们绝对衡量招聘过程的所有方面，并为 HR 人员提供大量反馈。面试官通常会收到信息以提高他们的表现。
第六章
一旦你有了好奇的员工，预计他们会提出问题，这将开始数据驱动型公司的典型进展：
- 第一步：需要信息的人询问帮助创建和构建数据系统的工程师之一。随着公司的发展，这成为工程师的负担。
- 第二步：团队从其他地方借用解决方案。人们使用其他部门或其他公司的软件或其他工具。针对其他人的数据量身定制的，这可能不太合适。
- 第三步：团队获取原始数据并编写自己的查询。
Twilio 有两种数据搜索器。一方面，数据团队对数据基础设施及其使用方法了如指掌。他们喜欢可以多次运行并交付给适当受众的报告。另一方面，公司的其他人想要一个简单的界面，让他们能够浏览数据。满足这两个截然不同的支持者是数据基础设施的一项关键任务。
另一个问题是 IT 采购权的分散。团队领导和部门越来越多地购买软件，从而将数据团队排除在外。 （这种对技术部门缺乏问责制被称为影子 IT。）供应商乐于为他们的管理客户提供服务并提供定制的解决方案，但这会导致数据碎片化，不同的部门和单位对真相有不同的看法。
数据团队需要转变数据架构，赋予用户更多权力。最终用户应决定使用哪些报告工具。数据团队的角色是支持基础设施，以便用户可以分析数据。云数据库应与本地公司数据库配合使用。
数据结构（公司内部的信息矩阵）必须可供每个人访问，而对其进行标准化的一种方法是通过数据建模。公司中的每个人都应该使用相同的号码并使用相同的语言。一致性是如此重要。科学家和工程师可能了解公司的数据架构，但并不是其他人都会。数据结构使信息可供所有人使用。
第7章
第二次世界大战期间，一群数学家和统计学家在纽约举行秘密会议，分析军事数据并向华盛顿提出建议（这些建议经常被遵循）。团队成员之一亚伯拉罕·沃尔德 (Abraham Wald) 受空军委托为飞机设计装甲。返回飞机的数据显示，大部分弹孔位于尾炮手和机翼周围，因此人们认为这些是应该穿装甲的区域。 （装甲很重，所以他们不能只是把它涂在整架飞机上。他们必须有选择性。）但亚伯拉罕·沃尔德指出，机翼中弹的飞机是幸存下来并讲述故事的飞机。作者讲述这个故事是为了说明避免数据偏差的重要性。
有许多潜在的陷阱、多种类型的数据偏差会阻止您理解数据：
- 幸存者偏差——任何时候从分析中删除数据，都有可能导致结果失真。相关性不是因果关系；仅仅因为两件事似乎同时发生并不意味着其中一件事导致了另一件事。
- 锚定偏差——当有人向你建议一个值并且它影响了你自己的估计时，就会发生这种情况。例如，如果我问甘地去世时是否超过 114 岁，你的答案可能会与我问他是否超过 35 岁不同。
- 可用性偏差——如果你看到某件事发生或从你认识的人那里听到它是如何发生的，那么这种情况似乎更常见。
您可能会产生有效性的错觉，并相信收集更多数据将有助于预测未来，但有很多方法可能无法正确解释数据。当心。
Facebook 新员工参加为期两周的数据训练营，以提高数据素养。这为每个人讨论问题和机会提供了共同的背景。他们了解可用的工具和数据集。他们还有机会参与项目以扩展他们的知识。数据团队可以做很多事情来与员工会面并提高整个公司的数据素养。以这种方式处理公司文化是他们工作的重要组成部分。
第八章
描述性分析询问发生了什么；诊断分析询问原因。 （仪表板，在本书中受到诽谤，是描述性分析的接口。）
描述性和诊断性分析着眼于过去，而预测性和规范性分析则着眼于未来。预测分析使用历史数据来预测未来结果。分析师可以提出假设性的“假设”问题来决定采取哪条道路。规范性分析根据数据推荐行动方案。这需要大量数据和复杂的分析。
数据复杂度之旅是由市场研究机构 Gartner 开发的模型。数据复杂度描绘了团队从描述性分析到诊断分析、从预测性分析到规范性分析的演变。但 Gartner 忽略了诊断分析和预测分析之间的一些东西：探索性分析。这有助于我们找到一个假设；这问“为什么？”验证性分析用于确定假设是否正确。
仅当您可以根据数据采取行动时，数据才有用。无缘无故地收集数据没有任何实际目的。另一方面，在完成分析之前，您并不总是知道哪些指标是可行的。保持平衡是件好事。
某些指标经过试验并且是正确的。客户的生命周期价值 (LTV) 是对一段时间内从客户处获得的总毛利润的估计。客户获取成本 (CAC) 是一位客户平均所有销售和营销费用的总和。 LTV/CAC 比率表明公司获取收入的效率。但有时可以定制新的指标来适应情况，并且创建新的指标可以发现新的机会。移动媒体网站 Upworthy 跟踪各种指标来评估哪些因素使其内容更受欢迎，但他们需要更多信息，因此他们发明了一种全新的指标来衡量实际用户注意力（即，不考虑网页打开的时刻，而是考虑网页打开的时刻）。读者去喂猫了）。 。
设计一个实验。确定可操作性。数据应与可以做出的实际决策相关。预订预期结果。提前确定实验参数。设计实验。提出一个假设。确定几个不同的数据点。计算 p 值。 p 值是假设不正确的概率。提供了此计算的说明。计划进行实验。弄清楚需要多长时间。您需要多少样品。谁将完成这项工作，以及工作的结构如何。不要忘记包含一个对照组来检查结果。运行实验。分析结果。将它们与对照组进行比较。
第九章
纽约市向公众提供了大量数据。一位名叫 Ben Wellington 的人开始分析数据，并在他的博客上报告了这些数据，包括绘制城市自行车事故图等内容。他变得非常受欢迎，他将自己的成功归功于他讲故事的能力。
惠灵顿的经验教训包括使数据具有相关性的重要性。把它变成故事。 （我一直告诉我的团队这一点！）有些人认为数据有点无聊，它本身不足以激发他们的灵感。通过把它变成一个故事，你可以赋予它情感上的吸引力。当你吸引投资者时，能够讲述你的故事尤为重要。向投资者推销初创企业的企业家需要表明他们已经找到了新的机会——表现出紧迫感。
交流数据的标准方法是通过演示。首先定义演示的目标。你想解释什么？你试图说服某人某件事吗？你想卖东西吗？评估目标受众。投资者对风险特别感兴趣，因此讨论这些要点表明您了解投资者的观点。 （风险有很多种，请参阅侧边栏。）发展故事情节很重要。了解投资者的希望和担忧后，创建一个故事情节来解决这些担忧。目标是将其控制在 10 张 10 张幻灯片或更少。
演示可以从公司的宗旨或使命开始。描述问题。你的产品能解决什么问题？然后提出问题的解决方案。解释一下为什么这是一个好主意，以及为什么有人以前没有这样做。展示您的产品固然很好，但即使是图片也很好。演示文稿中需要包含的其他重要信息：市场规模、您的团队、商业模式、竞争和财务状况。
传达您对机会的愿景，并用数据强化愿景。提供解决方案。解释公司的方法。展示市场如何反应。参与度和获取指标在这里会很有帮助。对市场规模进行良好的估计非常重要。风险投资家非常想了解这一点。我们这里谈论的潜在市场有多大？对财务状况的讨论至少应包括收入、毛利率和现金流。
当你做演讲时，人们会提出问题。您拥有的数据越多，您就越能更好地回答这些问题。
一些不同类型的风险：
市场时机风险——这对企业来说是正确的时机吗？
商业模式风险——您的产品有合适的模式吗？
市场采用风险——人们会使用你的新产品吗？
市场规模风险——您的解决方案是否足够大，足以让风险资本家满意？
执行风险——您的团队是否具备适合这项工作的技能？
技术风险——如果开发出新技术，能否如期完成？
资本化风险——是否有足够的资本来支撑这一过程？
平台风险——是否存在您无法控制的外部合作伙伴？
风险管理风险——公司是否愿意接受反馈？
财务风险——公司能否继续支付账单？
法律风险——是否会出现诉讼或其他法律问题？
第 10 章：将所有内容放在一起
把它放在一起
一家公司可能会有很多摩擦。数据可以帮助减少这种摩擦。
人们需要理解并期待数据。人们需要在理智上保持诚实；决策过程与自我无关。让最好的想法获胜，不要让政治影响选择。公司需要明确的价值观。它需要合适的人，需要好奇的人。
为这个美丽的新世界武装企业的最佳方式是使用数据，而对数据的渴望越来越全球化。它确实正在改变每个行业。未来，操作数据将为企业提供成功所需的竞争优势。人们将立即获得做出最佳决策所需的信息。
指标可以对过程产生深远的影响。它们可以改善企业的运营方式，从而赋予其竞争优势。凭借统一的数据结构和优秀的团队，公司正在改变他们的行业。