《精益数据分析》整本书都是围绕着如何找到产品的关键指标，然后不断的基于关键数据指标展开分析，通过分析的结果进行产品策略的调整和优化，从而提升产品价值，达到利益最大化。本书一共分为五大模块阐述精益数据分析，包括明确数据指标、数据分析框架、六大商业模式、产品不同阶段的数据指标以及数据指标的底线。书中的商业模式+阶段性寻找指标的方法，值得每个产品借鉴。
什么是精益数据分析呢？
精益数据分析是对生产流程的时间数据的衡量，是面向一线操作工人的数据观。与工业大数据相对，它不是从数据中去挖掘价值，而是从流程价值来分析一手的数据何以产生。它为操作工人而存在，反映了生产中触手可及的流程接口的价值。在精益创业中，通过关注数据来协助创业。
明确数据指标
什么是好的数据指标？好的数据指标是比较性的；好的数据指标是简单易懂的；好的数据指标是个比率；它往往可以形成行为导向，好的数据指标会改变行为。
要找出好的指标就要分清指标的类型。
（1）定量指标和定性指标：
定量指标用来回答‘多少’和‘什么’的数据；
定性指标则是用来回答‘为什么’的数据；
定量数据排斥主观，定性数据吸纳主观因数。
创业初期需要收集高质量的定性指标数据，后期需要收集定量指标数据。
（2）虚荣指标和可付诸行动的指标：
虚荣指标，如果有一个数据，却不知如何根据它采取行动，改数据就是一个虚荣指标。书中提出的八个虚荣指标包括点击量、页面浏览量、访问量、独立访客数、粉丝/好友/赞的数量、网站停留时间、手机到的用户邮件地址量和下载量。
付诸行动的指标，可以判断一个指标在付诸行动之后能帮助改进商业模式、决策下一步行动。
以上指标并不是本身毫无意义，而是在随时间发单的过程中，他们往往呈现出‘看上去很美’的单调增。我们需要从这些指标中在深挖一步，有哪些可以转化为业务未来的秘密武器，例如facebook发现的‘妈妈圈’，帮助创建了独立的社交产品。
（3）探索性指标和报告性指标：
探索性指标是推测性的，提供原本不为所知的洞见，帮助你在商业竞争中去的先手优势。
报告性指标则是反应公司日常运营情况的数据信息。
（4）先见性数据指标和后见性数据指标：
先见性指标用以预测未来。
后见性数据指标提示问题所在。
创业初期可以多关注后见性指标，尝试降低流失率看看是否见效。
（5）相关性指标与因果性指标：
相关性指标，是指当一个数据指标变化时，另一个数据指标也可能随之变化，不论这两个数据指标有没有必然联系。冰淇淋的销量上升和溺水事故是没关系的，因为都是夏天来了。冰淇淋的销量和溺水这两件事属于相关事件，关联的纽带就是夏天来了。
因果性指标，是指一个作为原因的数据指标变化时，另一个作为结果的数据指标在一定程度上变化，这两个数据指标存在必然联系。如果页面加载速度快慢会对搜索量有影响是有关系的，两者之间就是因果性关联。
因果关系不是简单的一对一，它面对着诸多因素影响。想要找到因果性指标，必须先找到一个相关性指标，再通过诸如定性定量、大批用户、重复多次的A/B测试等实验，才能测量出因果性。通常相关性已经很好了，因为发现相关性指标可以帮助预测未来，而因果性指标更佳，现实中很难找到100%因果关系，因为发现因果关系则意味着可以改变未来，但即便发现部分因果关系也是很有价值的。
移动的指标：
不能一直以一个目标去衡量。比如以哪种方式去衡量用户活跃度的指标。有时需要做细微的调整和深入的挖掘。
需要避免的数据圈套
①假设数据没有噪声；
②忘记归一化；
③排除异常值；
④包括异常值（不能简单的排除或者包括异常值，需要深入研究异常情况）；
⑤忽略季节性；
⑥抛开基数谈增长；
⑦数据呕吐（数据指标并非越多越好，我们需要知道哪些指标是有价值的，具有指导意义的）；
⑧谎报军情的指标（对指标设置的阈值警报，这个阈值不可以过于敏感，否则将失去其警报的作用）；
⑨‘不是在这儿收集的’综合征（汇集来源不同的数据可能会带来独到的见解）；
⑩关注噪音。
以上是明确数据指标的一些指导意见。
启示：
想要了解用户，需要多和用户沟通，没有比和用户直接沟通更好的手段了。凡事多问三个‘为什么’，可以深入了解用户心中最想要的需求。所有的数据指标本身只是作为决策的参考。
