关于《决战大数据》读这50条就够了

全书从为什么大数据说起来容易做起来难出发，以大数据构建未来商业利器结束，总共花费了11个章节，中间穿插着其在阿里的数据实践经验，本人结合自己的读书体会，特将其总结归纳为以下50条：

1、大数据从来都不是免费的午餐，因为数据来源渠道的宽泛，难免出现偏倚误差。

2、人的断层是是大数据应用面临最严重的问题，这个断层包括沟通的断层、建模的断层，譬如现在收集数据的人不知道未来使用数据的人要什么？创建模型的人不知道未来数据是否稳定，使用模型的人不知道数据的来龙去脉。

3、从数据化运营到运营数据，是从看到用的过程。这个过程需要主动管理，需要更多的创新，需要学会问问题，问问题的过程就是寻找答案的过程，好的问题就是答案。

4、从商业角度讲，大数据的本质就是还原用户的真实需求。

5、数据价值的如何判定？首先看这个数据与你的目标是否一致，对你的价值是什么？其次看这个数据能否清楚的识别用户身份，以及反应出的对应的场景。

6、学会双向思考，关于数据的价值，对于企业而言，是实现企业资源的合理分配，而对于用户而言，则是对用户体验的提升改进，比如个性化的推荐系统就基于此。

7、场景与还原并行，前端还原为消费者场景，后端还原为业务需求。

8、数据的本质是还原，落地可能表现为收集元数据的方法，个人建议初期引入最小数据集的概念。

9、关于数据还原可以从两方面理解：①对人的行为目的的还原；②对制造原始信息的人的朔源。

10、活的数据才是大数据，这里的活主要从两方面考量：一是灵活收集数据，抓相关性，比如我们的克强指数；二是灵活动态的数据指标，动态的使用数据，将数据场景化。

11、 移动互联网时代，无线数据将是大数据的“颠覆者”。这个颠覆主要指无线数据的加入将原有数据的噪音加大，无线数据与原有PC数据的关系处理等。

12、无线数据分为wap和app两种，而APP的数据收集方式又有两种：①收集用户联网时请求服务器的记录②用户行为记录。

13、 APP对用户的识别主要基于手机的机器码，而机器码在不同系统中也有差异，差异体现在操作系统本身的差异和操作系统版本的差异。

14、 保证PC和无线两份数据的完整，通过用户体系将两份数据关联起来，就可以在分析过程中用彼此的融合来还原用户的行为，所以用户体系的建设在多屏时代尤为重要。

15、 关于数据价值，从数据的角度讲，估值就是通过不同的纬度去思考数据的价值。

16、 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，与此同时，同样的数据在不同环境中也会呈现出不同的价值。

17、数据的四种分类：①可再生与不可再生数据；②基础层、中间层、应用层数据；③不同数据主体对应的主体数据；④隐私与非隐私数据。

18、数据的五种价值：①串联与识别价值；②描述价值；③时间价值；④预测价值；⑤产出数据价值。

19、 数据分类与数据价值的意义，主要还是体现在数据产品的建立上，其应用思想体现在基础层-中间层-应用层上。

20、基础层收集那些数据，如何收集，如何保存等；中间层涉及数据管理与数据框架的搭建，应用层则是八仙过海各显神通。

21、数据收集的出发点是解决问题，此外数据的生命周期、收集背景都须注意。

22、 用数据是一种方法论，养数据则是一种数据战略，是基于更深的商业解释的商业决策。

23、 跳出固有思维圈，从旁观者角度出发，跳出0或1的选择，我们可以有第三种选择。

24、数据应用应该是小而美，而不是大而全。小而美指目标简单具体。

25、 如何利用数据框架做决策，简单四步告诉你：①确定问题，从解决问题的角度去收集数据；②整理数据放在一个框架内；③看框架与决策的关系；④根据决策行动，检查是否达到目的。

26、数据的盲点分为物理盲点和逻辑盲点，物理盲点是我不知道的，逻辑盲点是我知道但没被挖掘的。

27、 数据也有正负能量，正能量的数据告诉你如何成功，负能量的数据告诉你如何避免失败。

28、是否看到数据盲点的核心价值是，有没有看到应该看到的数据，有没有错失不应该错失的数据。

29、数据运营中的常见问题：①堵,日常报表信息量大，难以铺捉有效信息；②独，信息分散在不同部门，缺少有效组合；③慢，业务异动的处理往往是自上而下的推动；④漏，关键分析成果取得实效，但未实现沉淀。

30、 阿里的大数据实践一：数据化运营需要和商业咬合的非常紧密，所以数据也是混合在商业里，以假定稳定的方法去做业务上的对比、细分以及趋势预估。

31、 阿里的大数据实践二：假定数据是稳定的，意味着习惯于不去寻找一些新数据，用数据拿数据的方法可以将数据化运营和运营数据打通。

32、 阿里数据化运营的内三板斧之混：混出数据，只有具备商业敏感的分析师，才懂得使用什么数据来驱动公司实现经营目标，数据部的人和业务部的人经常混在一起。

33、 阿里数据化运营的内三板斧之通：打通混的数据，通是混、通、晒的关键节点，知道带着业务问题看数据或带着数据看业务，这就是通。

34、 阿里数据化运营的内三板斧之晒：晒出混和通的数据，数据能不能做到获取、使用、分享、协调、链接、组合之上，让自己变得超级简单和便捷，这是数据化管理运营中非常重要的一点。

35、 数据化运营需要有框架可依，做到如何证明业务是好还是不好，而这里的框架就是一个对业务进行指标化的分解，并通过有限多个指标来客观描述业务的状况。

36、 阿里运营数据的外三板斧之存：存是数据收集的开始，收集数据不是目的，让收集起来的数据如何产生价值才是最终目的。

37、 阿里运营数据的外三板斧之管：管是保护好存储数据，学会用数据产品来解决获取以及使用数据的问题。

38、 阿里运营数据的外三板斧之用：用是从收集数据到管理数据，在用数据的问题上，数据的分裂和重组，都能做到颠覆性的创新。

39、数据思维之MECE法则，不断地用逻辑方法将问题进行分解，直到不能分解为止，然后从根本去解决问题。

40、大数据的本质是人，数据研究的极点就是揣测变幻莫测的人性。

41、假定数据是脏的，在处理数据的时候，会像污水处理厂一样，每一步都问自己几个为什么。这种情况的出现，到底是因为数据脏了还是因为数据提验过程中做的不好。

42、 做好数据的质量评分，从反映数据的可信度和质量水平出发。

43、 学会慢慢的淡化数据，数据是有优先级的，在数据中有些是特别核心的，有些即使缺失了也没问题，所以，我们要学会真正坐下来盘点那些对公司最有价值，对用户最有价值的数据。

44、数据的标签化管理，数据的属性标签是人类经验判断的数据，是数据后的数据。

45、大数据价值的实现在于数据与数据之间的连接。

46、数据的实时化和实时性分层，我们千万不要把所有能力都用来处理实时化的问题，因为我们依然会有大量的数据需要在恰当的时机处理，有的数据是重要的，但并不紧急。

47、关于数据，未来是人机的结合体。人和机器的结合，或者人和数据的结合将是未来的一种进步模式，人类将通过数据变得更加智能。

48、未来，人身体中流通的不仅是血液，还有数据。

49、 关于数据分析，更准确的说法应该是信息分析，目的是寻找短板，这个短板可能是自己的，也可能是竞争对手的。

50、我们都说数据分析是指导决策的重要依据，但我们用什么来保证分析的正确呢？是不断的试错还是考验我们数据分析师（科学家）分析和利用信息的能力。

转自：数据元素 微信公众号，由数据元素整理；

1、回复“数据分析师”查看数据分析师系列文章

2、回复“案例”查看大数据案例系列文章

3、回复“征信”查看相关征信的系列文章

4、回复“可视化”查看可视化专题系列文章

5、回复“SPPS”查看SPSS系列文章

6、回复“答案”查看hadoop面试题题目及答案

7、回复“爱情”查看大数据与爱情的故事

8、回复“笑话”查看大数据系列笑话

9、回复“大数据1、大数据2、大数据3、大数据4”查看大数据历史机遇连载

PPV课大数据ID: ppvke123 （长按可复制）

大数据人才的摇篮！专注大数据行业人才的培养。每日一课，大数据（EXCEL、SAS、SPSS、Hadoop、CDA）视频课程。大数据资讯，每日分享！数据咖—PPV课数据爱好者俱乐部！