一、燒錢≠增長，資料驅動是一種能力
在過去10年，中國網際網路發展速度非常快，以前是流量驅動的網際網路經濟。隨著人力成本不斷攀公升，競爭不斷加劇，完全靠流量、預算、燒錢來獲取客戶和市場，已經不可持續了。如果你獲取客戶的成本高、速度慢且代價大，導致商業價值不能涵蓋成本，最終是無法盈利和變現的。
同樣獲取乙個購買客戶，在中國可能是美國5倍的成本。在中國任何垂直領域都不是乙個真空的領域，總會存在跟你同樣估值或融資額差不多的競爭對手。如果你花錢效率比別人高，那就很容易出類拔萃，甚至把競爭對手至於死地。而高效花錢的前提，就是要有資料支援，依照資料分析去花錢。
所以只有把效率提公升，用相對快的速度，更低的成本，來幫助乙個企業獲得增長，才是乙個公司的核心競爭力之一。
所以企業需要把產品做到非常高黏度，使用者體驗非常好、願意天天來用的產品，就是不漏水的乙隻桶。然後再有效率地優化各種渠道，把新的使用者導進來，這樣才能獲得一種爆發式的增長。
二、中美企業的四大差異
實際上這套理論，在美國已經應用了多年，這也是我們回到中國後，看到的乙個核心的區別。除此之外，還有四個非常大的差異在中國和美國整個企業的市場裡：
1、是否有資料驅動意識的差異
中國為數很多的企業，還沒有意識到資料驅動能為企業帶來的巨大價值，或者說只有少數超大規模的公司意識到了這一點。大部分中國的企業，沒有意識到資料的價值，使得創始人的決策、商業知覺遠遠重於資料驅動，這是我的第乙個印象。
2、是否進行資料分析實踐的差異
在美國，資料分析不管是產品還是方**，已經很多年了。中國很多企業發展比較快，發展時間比較短，在實用操作能力上和美國有一定差異。這種高階資料分析的能力，基本只集中在幾個領頭的網際網路或者大型企業裡，其中網際網路公司更具備這種能力，而大部分企業不具備這種操作經驗和能力。
3、是否用資料做決策的差異
我們發現，在中國企業內用資料做決策的人，相對美國企業內部來說，比例比較低。像以前我工作過的linkedin裡，不能說100%，但接近80-90% 的人，每天每週都在用資料做決策和優化。在國內，通過我們對客戶的了解，包括對很多付費客戶的了解，他們內部用這種決策的人相對來說很少。
4、是否用工具代替人力的差異
美國已經迭代到不是靠人力解決運營效率問題的時代，他們已經完全進入工具化、產品化、規模化時代。在中國很多企業裡，還停留在準備大量僱傭人，大量僱傭高階的資料工程師、分析師，甚至建造整個資料這條體系的階段，和美國之間的差異還是蠻大的。
這四點差異也決定了我們今天在中國做產品的形態：
第一：企業不太習慣用資料分析工具，覺得沒有價值。
第二：資料分析實踐沒有什麼太大的規模，只在一些核心的網際網路公司裡。
第三：內部人員使用資料分析工具的經驗不夠。
第四：資料分析工具化程度不足。
三、增長黑客的落地和實現sean ellis最先提出 「growth hacker」 ，並幫助矽谷多家公司完成產品的快速增長，其中不少已經ipo，其中最著名的是dropbox。當時sean在dropbox負責使用者增長，他用了一年的時間，將使用者的基數和使用頻率提高了500%。
增長黑客是三個角色的聚合，既是乙個市場營銷師，又是產品開發師，又是乙個資料分析師。增長黑客的核心，是以最快的方法、最低的成本、最高效的手段獲取大量的增長。
現在流行的海盜法則「aarrr」模型則將 「 growth hacker 」落地成五個可以執行的步驟，分別是：獲取使用者（acquisition）、啟用使用者（activation）、使用者留存（retention）、使用者變現（revenue）和推薦傳播（referal）。
分享一下國外知名的網際網路企業早期實踐增長黑客的案例，它們分別涉及aarrr的五個方面。
1、獲取使用者：hotmail通過在每一封用hotmail發出的郵件下面附上「get your free email at hotmail."聰明地實現了第一波病毒營銷；
2、激發活躍：linkedin向客戶傳送同學畢業、公升職等特定郵件提公升活躍度；
3、提高留存：facebook通過優化產品適應非洲網路環境，初期非洲網路速度很慢，使用者留存度很低
4、增加收入：亞馬遜prime訂戶的各種優惠和增值活動：如「70美元免費運輸」的活動，將營業額提高了150%。
而這些實踐的背後都涉及到資料分析，如轉化分析、留存分析、渠道分析、a/b測試等等。正式這些以價值為導向的資料分析將增長黑客落地，不斷驅動業務和客戶的增長。
四、以價值為導向的資料分析，任重道遠
增長黑客這套框架，是相對普世的，尤其是中國的創業者更加需要。中國大資料生態是技術先行於理論體系的，而美國是理論體系稍微先行於技術。比如增長的這套框架，不是一套產品實踐的框架，而是一套商業管理方**的框架，有了這套框架以後，用各種產品和工具來補足，就變得可執行了。
在中國大資料已經火爆了三四年，很多企業卻還沒有找到落地和變現的方法。增長這套方**，已經被很多企業證明是有價值的，包括linkedin、facebook、airbnb都在實踐，從企業建立半年後就可以開始應用了。這套方**在國內有很大的需求，結合企業內部的運營，才能為企業產生價值。
我們還想通過產品和踐行，糾正乙個誤區。對很多中國網際網路企業來說，他們認為只要接入了你的工具，立刻就能看到效率。實際上並不是這樣，必須要把資料化運營這套方**，結合到每一天的運營裡去，同時很熟練地使用資料分析的工具。這是乙個不斷迴圈、不斷提公升的過程。我們在linkedin不是通過乙個專案就帶來了50% 的增長，而是很多個小的專案，不斷演化、迭代，最後產生幾何倍數的增長。
***********************************=分割線******************************==
python在資料分析方面的簡介
具體來說，我常用的python在統計上面的package有這樣一些 1.numpy與scipy。這兩個包是python之所以能在資料分析占有一席之地的重要原因。其中numpy封裝了基礎的矩陣和向量的操作，而scipy則在numpy的基礎上提供了更豐富的功能，比如各種統計常用的分布和演算法都能迅速的在...
MATLAB在資料分析方面的應用
引數為向量時 引數為矩陣時 標準差 呼叫格式 std x 計算向量x的標準差。std a 計算矩陣a的各列的標準差。std a,flag,dim flag取0或1,當flag 0時，按s所列公式計算 樣本標準差 當flag 1時，按s2所列公式計算總體標準差。預設情況下，flag 0，dim 1。x...
規則引擎在資料分析中的應用
前言 規則引擎通過將業務規則和開發者的技術決策分離 實現了動態管理和修改業務規則而又不影響軟體系統的需求。以下通過例項對基於 sql 查詢 自定義規則等一系列場景來說明規則引擎在資料分析中的應用。在現代的企業級專案開發中 商業決策邏輯或業務規則往往是硬編碼嵌入在系統各處 中的。但是外部市場業務規則是...