该文章是对《精益数据分析》第一章部分内容的总结。由于翻译和行文思路的关系，该书的后续内容推荐大家去看主讲人的视频。
一、为什么需要数据分析？
对产品来说，改进方案的产生需要直觉和数据。其中，直觉需要数据分析进行验证，直觉的产生需要数据分析作为前提。常见的改进路径是：数据分析/直觉产生——专人接待式最小可行化产品——数据分析——改进
二、常见的比较性指标
①定性指标与量化指标
在一开始缺少用户的情境下，更多的采用的是定性指标。
定性数据是杂乱的、主观的、不精确的。如果定量数据回答的是“什么”和“多少”这样的问题，那定性数据回答的就是“为什么”。定量数据排斥主观因素；定性数据吸纳主观因素。
②虚荣指标与可付诸行动的指标
如果一个数据不知如何根据它采取行动，该数据就仅仅是一个虚荣指标。可能只是招商的工具。每当看到一个指标，就应该下意识地问自己：“依据这个指标，我将如何改变当前的商业行为？”
下面列举一些典型的虚荣数据指标：点击量、页面浏览量（PV值）、访问量、独立访客数、网站停留时间（time on site）/浏览页数（number of pages）、下载量。
所以对数据分析来说，埋点就显得非常重要。一个反面例子就是这次的ARG，由于时间比较紧张没有埋点，最后显示的数据虽然比较好看，但对下一批产品改进的帮助不是很大。
③先见性指标与后见性指标
先见性指标（或称先见性指示剂）可用于预测未来。比如，透过“销售漏斗”中现有的潜在客户数，你能大致预测将来所能获得的新客户数。
后见性指标能提示问题的存在，比如用户流失（即某一时间段内离开某产品或服务的客户量。
在一个公司中，某一团队的后见性指标有时是另一个团队的先见性指标。例如，季度订单量对于销售团队而言是一个后见性指标（合同已经签订了），但对于财务部门来说，它是一个可以指示营收预期的先见性指标（因为客户还没有支付合同金）。
④相关性指标与因果性指标
在两个数据指标之间发现相关性不是一件坏事，发现相关性可以帮助你预测未来，而发现因果关系意味着你可以改变未来。
比如，对ARG来说，QQ群内的活跃人数和游玩网站的人数既是正相关，也有可能是因果关系。在分析数据时，要关注这种综合体的关系。
三、理想指标的改变
你在早期所选定的目标往往是尝试性的，不是板上钉钉。你追逐的是一个移动的目标，因为此时你根本无法定义何为成功。在创业过程中，调整目标和关键数据指标都是可行的。
最初版产品（最小可行化产品）面市之初，你甚至不知道他们会用你的产品来做什么。有时用户对你的产品的真实用法会和你的假设大相径庭。
你可能以为大家愿意玩你的多媒体游戏，结果却发现他们只把你当成了一个照片上传服务。
四、数据圈套
假设数据没有噪声。为获取的数据去噪是很耗时的一道工序，而回报通常是巨大的，往往简单的一步去噪就可能揭示重要的规律。
一些常见的数据噪声：忘记归一化、排除异常点、包括异常点、忽视季节性、抛开基数侈谈增长、关注噪音。
“人类与生俱来的模式识别能力，容易使我们误以为无规律的事物是有规律的，”莫尼卡提醒创业者，“把虚荣指标放在一边，退后一步，站在更高的角度看问题。”
以上是这次分享的全部内容，希望在数据采集、数据清洗、数据分析上对你有所启发。