面对数据分析和数据技术团队的目标不一致，加上业务部门，对为什么要使用数据，及如何用好数据充满疑问，甚至有人认为数据分析仅仅是门面功夫，所以技术团队有时候会跟我的团队对着干，因为两个团队的老板不是同一个人，他们也没有义务一定要支持我，所以甚至有时候会撇开我们直接跟业务部门对接。

但是最后，我坚持的数据分析，产品化路线最终得到了双方的认同，技术团队甚至还主动过来问我，我们怎么合作比较好？

我的秘诀就是：数据分析也要讲求用户体验。

五个问题：

这是什么问题？

这是谁的问题？

这个问题现在必须马上解决吗？

这个问题我们能解决吗？

我们有足够的数据来解决吗？

我当时提出“把月度经营报告当成产品来做，目的是让这份报告像iPhone1样好用”

我是这么要求的，首先报告的前三页一定要吸引人让人有欲望继续看下去；其次，当别人看到一个数据心里在猜测，数据背后的各种原因时，我的下一页报告就要解答他心中的疑问。

因此，如果要用产品管理的理念来运行分析团队的话，必须要问问题是什么？并以此作为切入点，接着解决用户的问题，得到用户的信任，然后就可以做更多的好产品。这是一套做产品的理念，因为产品需要不断迭代，并非一劳永逸。

我在支付宝几乎每一个阅读报告都会让管理层讨论三四个小时，一份数据报告居然会成为管理层讨论焦点，每次都会有很多高层管理者关注我讲什么，这时我就知道自己肯定成功了。

用产品化理念管理数据团队。

首先，让团队做好基础服务——“白米饭”。如果数据基础服务满足不了我们的用户，那么他们就会跳起来。我要求分析团队一定要跟业务部门达成一致，知道什么东西如果我们不提供给他们，结果会很严重。

但是，长期做白米饭的分析部门是没有前途的。

所以每当我听到管理层对数据的需求时，就会把信息带到团队，让团队成立三支突击队，让管理层用到有用的、合适的以及带有探索性的内容。把自己最精锐的部队放在突击队里，这个决定非常重要。

突击队有一个前提，必须要有人能接触到最高管理层的信息通道，否则无法得到高层的信息，而这个角色就是我。

最后一步，我们开始沉淀数据分析框架。为什么数据分析框架如此重要？因为它是数据产品的养分。

我用建立数据产品为目标的理念来运营一个数据团队，所以数据分析框架才是给到数据产品养分的关键点。

把分析的理念和框架变成数据产品，本质上是一个数据泛化的过程，这个过程非常重要，因为数据报告的需求会越来越多，如果没有泛化数据给使用数据的人，分析团队将永远被冗杂和重复的工作所困。

数据行业的人很容易让技术职业产品的发展。

就用户体验来说，用户之所以不用我们的产品，其中一个很重要的原因是，没有人愿意耗时太久的一个报告，因为等报告出来之后，他的问题可能早已解决了。试想我们拍一下脑袋，决定只需要两分钟，等等一个报告要两个星期。

让用户喜欢数据，就会让团队喜欢自己。

我启动了一个项目，叫西湖品学，每年请公司外的数据牛人来分享经验。

混、通、晒：混在商业场景中，把数据和商业场景打通。将数据产品当成载体，把这东西晒出来，让更多人使用。

取悦我们用户的办法就是帮他们解决问题。

然后就是让数据更泛化，我们必须宣传数据的好处，要教育我们的用户如何使用数据，我们不能假定用户最终会知道数据的好处，而是要一边宣传理念，一边传授技巧，让用户知道怎么用数据，怎么用好数据，知道数据的价值。

大数据的本质就是还原用户的真实需求

角色不一样，对于数据价值的看法也就不同，所以在衡量价值时，要考虑到受众和给予者这两个队里面的不同看法。

场景与还原:并行前端还原消费者场景，后端还原业务需求。

活的数据才是大数据

多样化的自循环方式打开了数据之门，而进入这个环节的关键是，从解决问题出发。

每一个人都知道收集消费者数据时最好是观察直接用户，但如果没有这个数据，你观察什么数据答案就是去观察行业内对这个数据最敏感的那些人。

同样的人在搜索产品时，可能会表现不一样的行为特点，而这些不一样的行为，就是我们所说的场景，结合场景应用数据就是活用数据。

从数据角度来说，估值是通过不同维度去思考数据的价值。

数据作为一种资产不同的数据含金量必然不同，自然就会产生不同的价值，而且，就同一种数据而言，在不同的环境下甚至会呈现出不同的价值。

对不可再生数据而言，已有的数据要严格保护，想要但是还没有的数据就要及及早收集。

能够辨别关系身份的数据是最重要的，这些数据应该是有多少存多少，永远不要放弃，在大数据时代，越能够还原用户真实身份和真实行为的数据，就越能够让企业在大数据竞争中保持战略优势。

在信息多元化的时代，单纯用cookie来识别用户行为的方式已经过时了。

首先确定有什么问题，从解决问题的角度出发去收集数据。

其次把搜集到的数据整理好，放入一个数据框架内。

再次看框架与做决策的关系。

最后，根据决策行动，然后检查行动是否达到目的。