说到数据，更具体一点，就是用黄有璨的话来说：度量就是具体的数据指标，它通常表现为某个量化过后的数据值。而维度则是去看待这些指标的不同角度。
所谓数据分析，无非就是界定清楚了你要评估的度量有哪些，然后需要知道你可能有哪些维度去看待这些度量，偶尔可能还需要在不同维度和度量间交叉做一下分析和比对，最后产出结论，把结果用图表等方式呈现出来就好了。
像之前所说的数据漏斗就是这样的一个例子。它把对应的文章也好，或者其他的一些内容形式的一个用户反馈进行量化，以数据的形式反馈到后台，再以图表的形式将它呈现。而这些反馈得来的数据内容主要是以一些固定的指标去维持的。因为每一块内容都有相对应的评判标准，所以在一定时间内的一个总的数据分析往往能在你的整个运营工作中起到某种关键性作用。
书里面说到，很多产品，往往都是20%的重点用户给该产品带来80%的价值。这样一个结论是从哪得出来的呢？可能还是数据。
面对一项新产品的运营，你首先要回归到流程进行梳理。先找出这个产品中，当前可能存在问题的某个关键度量（或称指标），它的用户痛点在哪里？功能、外观、体验或是其他？这些都要进行一个首要分析，去找准定位。
然后对于这个度量进行纵览，从它的构成去看，是否所有用户或我们的所有内容在这个度量上的表现都很差，已经积累的这一批用户最初是因为什么原因而关注到这个产品？还是说有一部分用户或服务在该度量上的表现是显著好于其他用户或服务的，那么这个领先的用户群与服务，他们与之不同的原因和表现都体现在哪些点上？
语音的可信度是有限的，互联网催生下的用户也不大会会去相信口头信条。所以给到及时的数据反馈就显得极其必要。
最后，你可以对于那些表现显著要好的用户和服务在不同维度上进行进一步挖掘，寻找其背后的一些共性用户行为或特征，然后再把这些特征放大到极致。就跟做内容运营一样，找准了内容核心，对用户群有一个相对精准的定位，那么互相的价值也就都能从之后的数据上体现出来了。
