数据分析离不开对企业关键指标的跟踪。这些指标与你的商业模式（即营收来源、支出成本、客户数量以及客户获取策略的效果等）有关，因此往往十分重要。
对于创业公司而言，之所以进行数据分析，是为了在资金耗尽以前，找到正确的产品和市场
什么是好的数据指标
好的数据指标是比较性的。如果能比较某数据指标在不同的时间段、用户群体、竞争产品之间的表现，你可以更好地洞察产品的实际走向。“本周的用户转化率比上周高”显然比“转化率为2%更有意义”
好的数据指标是简单易懂的。如果人们不能很容易地记住或讨论某指标，那么通过改变它来改变公司的作为会十分困难
-
好的数据指标是一个比率。会计和金融分析师仅需迅速查看几个比率就能对一个公司的基本状况（市盈率、销售利润率、销售成本、员工平均营运收入等等）做出判断。你也需要几个这样的比率为自己的创业公司打分。
- 比率的可操作性强，是行动的向导，例如里程透露距离信息，而速度（距离/小时）才真正具有可操作性 - 比率是天生的比较性指标 - 比率还适用于比较各种因素间的正相关和负相关
好的数据指标会改变行为，这是最重要的评判标准：随着指标的变化，你是否会采取相应的举措?
- 将日销售额之类的“会计”指标纳入财务报表，有助于进行更准确的财务预测
- “试验”指标，如一个测试的结果，其作用在与帮助你优化产品、定价以及市场定位。例如：如果悉心打造的最小可行化产品不能将订单量提高30%，就该换其他方法
客户服务的例子
如果想要改变公司员工的商业行为，就必须选择那些与你希望促成的改变的相关联的指标。
另外，数据指标之间的耦合现象也值得注意。比如转化率（访客中真正发生购买行为的比例）通常就是和购买所需时间（客户需要花多长时间才能完成购买）相绑定；二者相结合可以告诉你很多关于现金流 的信息。类似地，病毒式传播系数（viral coefficient,平均每个用户邀请来的新用户数）和病毒周期（viral cycle time, 用户完成一次邀请所需的时间）共同推动产品的普及率。最重要的数据指标：营收、现金流或产品普及率。
想要找出正确的数据指标，有五点需要牢记：
定性指标和量化指标
定性指标通常是非结构化的、经验性的、揭示性的、难以归类的；量化指标则涉及很多数值与统计数据，提供可靠的量化结果，但缺乏直观的洞察虚荣指标与可付诸行动的指标
8个需要堤防的虚荣数据指标（模式）：
1. 点击量
2. 页面浏览量（PV值）
3. 访问量
4. 独立访客数
5. 粉丝/好友/赞的数量
6. 网站停留时间/浏览页数
7. 收集到的用户邮件地址数量
8. 下载量探索性指标与报告性指标
Facebook妈妈圈的例子
- “朋友圈”这个社交图谱应用出现在了正确的时间（Facebook刚启动开放平台时）和正确的地点（Facebook站内应用），只是找错了市场
- 通过分析用户的行为模式和理想行为的发布，发觉高活跃度用户的共同点，公司找到了与自身产品相匹配的市场
- 在找准目标以后，不遗余力地聚焦，甚至更改产品名称。要么坚定地转型，要么缴械投降，准备好放弃部分已有的成就，这就是“妈妈圈”成功的秘诀
先见性指标（e.g 潜在客户）与后见性指标 （e.g 客户流失、订单量）
相关性指标与因果性指标
HighScore House对“活跃用户”的定义的例子
刚开始活跃度要比预期目标低，几位创始人虽然失望但是决定继续试验下去，努力提高用户的参与度：
- 他们调整了注册流程（吸引高质量用户，同事使用户更容易上手）
- 给家长用户发送每日邮件提醒
- 根据孩子在系统中所触发的行动，给家长发送事务性邮件
总结 - HighScore House团队过早、过于激进地划了一条用于区分用户活跃度的准绳（一个不可能完成的任务）
- HighScore House团队通过快速试验提高了活跃用户的数量，但是活用户的百分比总体没有很大提高
- 他们开始拿起电话联系客户，发现那些低于假设“活跃度”阈值的用户能够从产品中获取很大价值
市场细分、同期群分析、A/B测试和多变量分析
市场细分
细分市场就是一群拥有某种共同特征的人
同期群分析
它比较的是群体随时间的变化，同期群分析使得能够观察处于生命周期不同阶段客户的行为模式，而非忽略个体的自然生命周期，对所有客户一刀切。同期群分析适用于营收、客户流失率、口碑的病毒式传播、客户支持成本等关注的数据指标
A/B和多变量测试
假设其他条件保持不变，仅考虑体验中的某一属性对被试用户的影响，就是A/B测试。例如总筹公司Picatic的创始人，他讲用于触发访客行为的链接文字从“免费开始”改成了“免费试用”，点击率在10天内飙升了376%。
A/B Test有一个软肋，只有用户流量巨大的大型网站才能对单一的因素进行测试并迅速得到答案，如果没有庞大的用户流量，将会要测试很多因素。所以需要采用多变量分析法，原理为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。
精益数据分析周期
精益数据分析的核心在于如何找到一个有意义的指标，然后通过试验改善它，知道令人满意；之后，转而解决下一个问题，或步入创业的下一个阶段。
周期图示看Part1 Page24.
