《數(shù)據(jù)驅(qū)動：從方法到實踐》是一本從理論到實踐的全面且細致的企業(yè)數(shù)據(jù)驅(qū)動指南，作者見證并獻身百度大數(shù)據(jù)的建設(shè)，毫無保留地將成敗摸索實踐的真實場景進行完整還原，并對近十年大數(shù)據(jù)從業(yè)經(jīng)驗與心得做了歸納和總結(jié)，同時詳解大數(shù)據(jù)本質(zhì)、理念與現(xiàn)狀，并圍繞數(shù)據(jù)驅(qū)動四環(huán)節(jié)采集、建模、分析、指標，深入淺出地講述企業(yè)如何從零到一將完整的數(shù)據(jù)驅(qū)動方案落地，全面展示大數(shù)據(jù)在各領(lǐng)域內(nèi)的應(yīng)用情況與趨勢展望。
Alistair Croll、宋星、曹政、車品覺、王淮、呂厚昌等業(yè)界大咖聯(lián)合力薦！
本書以四大行業(yè)實踐談數(shù)據(jù)驅(qū)動如何交付業(yè)務(wù)價值，破解企業(yè)數(shù)據(jù)驅(qū)動實踐中面臨的困惑、幻想與失望，傳遞真正數(shù)據(jù)驅(qū)動價值！
推薦序 1
如果我們將企業(yè)比作人類，那么許多企業(yè)正處于壯年的巨大健康危機之中。曾經(jīng)，世界500強企業(yè)的生命周期是65年，而現(xiàn)在僅有20年。近10年來，眾多規(guī)模大、可靠的企業(yè)已被數(shù)據(jù)新貴企業(yè)所替代，例如蘋果公司、亞馬遜、騰訊、谷歌、百度、阿里巴巴等。
更糟糕的是，企業(yè)進行自我重塑的概率變得越來越低。公司戰(zhàn)略委員會指出，95%的企業(yè)數(shù)字化的轉(zhuǎn)變是失敗的。《創(chuàng)新者的窘境》一書的作者克雷頓?克里斯滕森認為這一數(shù)字已達到99%。
當然也有好消息：科技賦予我們衡量一切事物的能力，我們能更好地認識自己。在這點上，曾經(jīng)的任何時代都難以企及。
麻省理工學(xué)院的一項研究表明1，相比依靠直覺來實現(xiàn)決策的企業(yè)，那些通過數(shù)據(jù)驅(qū)動實現(xiàn)決策的企業(yè)擁有更高的生產(chǎn)效率和利潤。這類企業(yè)的生產(chǎn)效率和利潤普遍高于競爭對手5%～6%。顯然，未來是否擁有數(shù)據(jù)分析能力，將決定一家企業(yè)是成功，還是逐漸銷聲匿跡。
我們經(jīng)常說，數(shù)據(jù)是新石油。數(shù)據(jù)的準確性代替了意見的主觀性，讓我們更好地了解我們的供應(yīng)商、我們的顧客以及我們自身。同時數(shù)據(jù)也是人工智能的基礎(chǔ)，因為我們正是通過數(shù)據(jù)的運用來實現(xiàn)機器學(xué)習(xí)的。
對石油來說，一直被埋藏在地下的石油并無價值。它的價值在于應(yīng)用，石油開采需要一個生態(tài)系統(tǒng)：煉油廠、加油站、汽車、規(guī)則、道路等。數(shù)據(jù)也是如此，僅僅收集數(shù)據(jù)并無價值，你需要提取、清洗、分析，讓分析結(jié)果得以執(zhí)行與運用，并反饋至生態(tài)系統(tǒng)中。
隨著自動化操作和機器學(xué)習(xí)代替了部分傳統(tǒng)工作，我們?yōu)榇撕芤苫螅哼�有哪些工作需要人類來做？答案其實很簡單：我們需要辯證地思考究竟人類需要機器來做什么。無論是初入職場的新人、分析師，還是企業(yè)管理者，提出正確的問題是他們最重要的能力。
但是，這實現(xiàn)起來很難。提問者既需要了解企業(yè)當前的商業(yè)模式、競爭格局以及可控資源，也需要意識到現(xiàn)有商業(yè)模式已經(jīng)變得過時、不穩(wěn)定，而且亟待改變。
信息隨時隨刻在產(chǎn)生，它為世界指出兩條路：一條路布滿著那些故步自封、因循守舊企業(yè)的尸體；另一條則為擁有數(shù)據(jù)思維和掌握數(shù)據(jù)駕馭能力的企業(yè)鋪就康莊大道。而此時此刻，你正處于交叉路口，手中恰好握著一張指引正確路徑的地圖。
Alistair Croll
哈佛商學(xué)院訪問執(zhí)行官，Coradiant 公司聯(lián)合創(chuàng)始人
《精益數(shù)據(jù)分析》一書作者
1 《數(shù)據(jù)驅(qū)動的決策是如何影響企業(yè)績效的》社會科學(xué)研究網(wǎng)1819486（2011年）。
推薦序1
推薦序2
數(shù)據(jù)驅(qū)動的概念已經(jīng)被各個行業(yè)廣泛認同，但認同與落實之間，還是有相當?shù)木嚯x，這里最大的障礙是，技術(shù)人員缺乏對業(yè)務(wù)的理解，而業(yè)務(wù)人員又無法理解和充分利用技術(shù)，有數(shù)據(jù)卻用不好、不會用是很常見的弊病。即便是一些有數(shù)據(jù)分析、研發(fā)實力的企業(yè)，也面臨從需求到實現(xiàn)的巨大研發(fā)成本和時間周期等問題，導(dǎo)致決策效率低，對瞬息萬變的市場情況，無法做出快速有效的應(yīng)對。
百度早期的技術(shù)資源有限，主要技術(shù)資源優(yōu)先考慮產(chǎn)品研發(fā)迭代，對數(shù)據(jù)分析的支持力度不足。2005年我參與創(chuàng)建百度的商業(yè)分析部門，因為無法得到充足的技術(shù)資源，只好自己動手，在產(chǎn)品部門架構(gòu)內(nèi)處理數(shù)據(jù)，解決業(yè)務(wù)訴求所需的數(shù)據(jù)分析，所幸那時候百度的業(yè)務(wù)數(shù)據(jù)規(guī)模有限，每日的部分業(yè)務(wù)數(shù)據(jù)日志尚處于GB級別，按照我們有限的技術(shù)能力，單服務(wù)器勉強可以應(yīng)付。
2007年之后，百度的業(yè)務(wù)規(guī)模急速擴大，業(yè)務(wù)部門也越來越重視數(shù)據(jù)決策方向的訴求，幸而此時技術(shù)資源也得到了有效的擴充，在桑文鋒同學(xué)的有力支持下，百度的數(shù)據(jù)分析能力和整體架構(gòu)都得到了翻天覆地的革新和發(fā)展，針對諸多核心產(chǎn)品升級，數(shù)據(jù)決策的意義和價值也得到了充分的彰顯。
能解決一個巨頭公司數(shù)據(jù)分析領(lǐng)域的技術(shù)瓶頸，提升數(shù)據(jù)決策能力，已經(jīng)是一項了不起的成就，但文鋒的目標顯然不止于此，搭建一套通用靈活的技術(shù)架構(gòu)，顯然有更廣闊的應(yīng)用場景。讓一線業(yè)務(wù)人員在不需要充分理解技術(shù)的前提下，快速針對業(yè)務(wù)訴求完成數(shù)據(jù)分析，實現(xiàn)數(shù)據(jù)決策，這是神策數(shù)據(jù)（Sensors Data）項目的一個愿景。
我從百度出來后進入了游戲行業(yè)，后來輾轉(zhuǎn)到海外發(fā)展，對國內(nèi)行業(yè)的現(xiàn)狀了解不多。說來也有意思，好幾個游戲行業(yè)同行創(chuàng)業(yè)者，在不同場合主動跟我提及神策數(shù)據(jù)非常有價值，對他們的業(yè)務(wù)幫助很大，我才注意到文鋒的創(chuàng)業(yè)項目，并欽佩于他們現(xiàn)在所取得的成就，這個成就，不是說這家公司收了多少服務(wù)費，賺了多少錢，而是他們真的有效提升了整個行業(yè)的數(shù)據(jù)決策能力，有效降低了數(shù)據(jù)決策的操作成本和門檻，這個價值是從業(yè)者們尤為要感謝的。
感謝文鋒，提前讓我閱讀了這本書籍，我覺得，對于希望提升數(shù)據(jù)決策能力、了解數(shù)據(jù)決策真相的從業(yè)者，這本書是很好的讀物，其內(nèi)容并非晦澀難懂的技術(shù)描述，而更多是對數(shù)據(jù)驅(qū)動和數(shù)據(jù)分析的理解，并以親身案例作為輔助講解。建立正確的認識是做好數(shù)據(jù)決策的前提，而其中所提到的很多問題場景，相信也是很多從業(yè)者經(jīng)常遇到和面對的。
以上，希望對您的閱讀和選擇，有所幫助。
曹 政
曾任百度商業(yè)分析部經(jīng)理，現(xiàn)知名IT自媒體博主
互聯(lián)網(wǎng)游戲出海領(lǐng)域創(chuàng)業(yè)者
推薦序2
推薦序3
我一直覺得數(shù)據(jù)分析是一種修行，修的是思考的能力，行的是落實成為方案的方法。經(jīng)過多年的工作，正是不經(jīng)一番寒徹骨，怎得梅花撲鼻香。回想我與文鋒初次見面便談到數(shù)據(jù)化的過程，阿里與百度都經(jīng)歷過這樣的挑戰(zhàn)，我想這便是他請我寫推薦序的原因吧。
以前企業(yè)中只有一小部分人具備數(shù)據(jù)分析的能力，隨著近幾年數(shù)據(jù)平臺的成熟，數(shù)據(jù)從收集到使用越來越方便，以往想要出一份分折報告可能要等上數(shù)周的日子已經(jīng)一去不復(fù)返。曾經(jīng)有一位業(yè)務(wù)方代表對我說過，在等候分析報告出來與拍腦之間，我選擇了后者，因為時機更重要。可想而知決策的速度很關(guān)鍵。在后信息時代，DT1的普適度將變得更直接、簡單。未來的智能時代，我很相信很多分析報告也將被自動化的智能決策所取代，屆時智慧的人類也將要升級到神策的階段，人更要學(xué)會駕馭決策上的決策、邏輯上的邏輯。
當然，理想歸理想，在智能決策的路上還需要很多同行們努力，而文鋒在書內(nèi)的描述正是他這幾年創(chuàng)業(yè)的發(fā)現(xiàn)與精華。
車品覺
紅杉中國專家合伙人、全國信標委大數(shù)據(jù)標準工作組副組長
1 DT，Data Technology，數(shù)據(jù)處理技術(shù)。
推薦序4
當今物聯(lián)時代，業(yè)界同仁都在談大數(shù)據(jù)和人工智能。大數(shù)據(jù)已成眾多公司的核心資產(chǎn)，大數(shù)據(jù)戰(zhàn)略已成眾多公司的核心戰(zhàn)略。之所以如此，一是因為大數(shù)據(jù)技術(shù)的普及，二是因為大數(shù)據(jù)已經(jīng)為無數(shù)企業(yè)帶來了實打?qū)嵉暮诵膬r值。大數(shù)據(jù)4V1中最重要的還是接地氣的價值驅(qū)動Value。使用大數(shù)據(jù)技術(shù)，挖掘大數(shù)據(jù)價值，不斷優(yōu)化用戶體驗、客戶體驗、產(chǎn)品體驗，已然成為當今企業(yè)成功的金科玉律。
1996年我在美國正式進入職場。我在職業(yè)生涯的早期就對數(shù)據(jù)情有獨鐘，那個時候還沒有大數(shù)據(jù)這個提法。這不僅僅是出于對數(shù)據(jù)技術(shù)的喜好，也是因為我在做數(shù)據(jù)項目的時候，真正體會到了數(shù)據(jù)給業(yè)務(wù)帶來的不同。1998年我加入Yahoo!，成為第一個專門做數(shù)據(jù)的工程師，用一句話總結(jié)我在Yahoo! 7年的工作，那就是使用大數(shù)據(jù)更好地理解用戶，驅(qū)動用戶產(chǎn)品創(chuàng)新，更好地服務(wù)用戶。2005年我離開Yahoo!加入Google是源于好奇心，當時Google的流量是Yahoo!的1/10，但收益卻跟Yahoo!一樣多。為什么搜索會這么賺錢？用一句話總結(jié)我在Google 6年的工作，那就是使用大數(shù)據(jù)能更好地理解客戶廣告訴求，驅(qū)動廣告產(chǎn)品創(chuàng)新，更好地服務(wù)廣告主。
2011年我有幸加入百度帶領(lǐng)數(shù)據(jù)團隊。百度是一個對大數(shù)據(jù)工作非常重視的公司。大數(shù)據(jù)工作是百度的核心競爭力之一，其核心搜索業(yè)務(wù)也是建立在大數(shù)據(jù)
1 4V，Volume（大量）、Velocity（高速）、Variety（多樣）和Value（價值）。
技術(shù)之上的。文鋒是我在百度工作期間的愛將。在百度工作的幾年中，我跟文鋒、曹犟、力力、耀洲等聰明能干、充滿活力的同學(xué)們一起，在實戰(zhàn)中不斷總結(jié)與學(xué)習(xí)，一同推進大數(shù)據(jù)技術(shù)的進步，這是一段非常享受并有成就感的經(jīng)歷。
我在百度大數(shù)據(jù)工作時，跟小伙伴們一起啟動了不少項目，一切都圍繞發(fā)揮大數(shù)據(jù)價值而發(fā)力。大數(shù)據(jù)價值從讓數(shù)據(jù)說話開始，大數(shù)據(jù)驅(qū)動決策。幾乎每一個產(chǎn)品都是一個閉環(huán)的生態(tài)。從產(chǎn)品上線的第一天起，用戶就在不斷用手或腳投票，告訴你哪里好用、哪里需要改進。用戶越多，這個閉環(huán)正負反饋的信息量就越大。當我們可以快速地把這些信息以報表分析的形式，展現(xiàn)給我們的產(chǎn)品經(jīng)理、產(chǎn)品研發(fā)工程師及各級決策者們的時候，就能不斷地發(fā)現(xiàn)機會、迭代改進產(chǎn)品。當數(shù)據(jù)量達到一定規(guī)模后，數(shù)據(jù)所反饋的趨勢就越清楚，這不僅體現(xiàn)在更好地理解現(xiàn)有需求上，也會不斷挖掘新的需求，預(yù)測引導(dǎo)用戶需求，不斷改進創(chuàng)新產(chǎn)品。
搜索如此，廣告如此，新領(lǐng)域創(chuàng)新也是如此。從預(yù)防疾病，提升百姓健康體驗，到挖掘旅游熱點，提供最佳出游體驗，到因材施教，顛覆特權(quán)教育，到預(yù)測交通流量，改善交通擁堵，大數(shù)據(jù)驅(qū)動顛覆式創(chuàng)新。
大數(shù)據(jù)的另一個更重要的價值在于讓數(shù)據(jù)為用戶工作，驅(qū)動個性化服務(wù)。當數(shù)據(jù)量達到一定規(guī)模后，因人工智能算法已經(jīng)普及，故對用戶每一次產(chǎn)品使用背后意圖的把握就會越來越精準，從而可以做到為用戶提供有針對性的個性化服務(wù)。這種個性化可以從用戶群組個性化開始，也就是對不同類型的受眾提供不同的服務(wù)，可以做到針對每個用戶的個性化服務(wù)，甚至細化到對每一個用戶每一個動作的個性化服務(wù)。大數(shù)據(jù)價值在這一點上的發(fā)力可以真正引爆產(chǎn)品生態(tài)閉環(huán)的馬太效應(yīng)。
文鋒在書中把他過去豐富的實踐經(jīng)驗做了非常好的總結(jié)，干貨滿滿，源于實踐又高于實踐。文鋒一直想成為中國大數(shù)據(jù)產(chǎn)業(yè)興旺的推動者，他創(chuàng)建了神策數(shù)據(jù)（Sensors Data），不斷踐行自己的理想。本書字里行間生動活潑，也體現(xiàn)出作者對大數(shù)據(jù)領(lǐng)域的理想情懷和腳踏實地的實干家精神。對大數(shù)據(jù)行業(yè)的每一位實踐者和企業(yè)家來說，本書都非常值得一讀。
呂厚昌（Alex Lu）
曾任百度高級總監(jiān)，Pinterest大數(shù)據(jù)部負責人
第1章 從百度大數(shù)據(jù)工作的經(jīng)歷說開 / 1
百度數(shù)據(jù)板塊：網(wǎng)頁數(shù)據(jù)和用戶行為數(shù)據(jù) / 3
搜索引擎發(fā)展 / 4
用戶行為分析踐行：百度知道的回答量提升 7.5% / 5
從零到一構(gòu)建百度大數(shù)據(jù)分析平臺 / 6
數(shù)據(jù)源與 Event 模型的重要性 / 9
大數(shù)據(jù)是屠龍術(shù) / 10
第2章 大數(shù)據(jù)思維與數(shù)據(jù)驅(qū)動 / 11
大數(shù)據(jù)的概念 / 14
大數(shù)據(jù)之大 / 14
大數(shù)據(jù)之全 / 15
大數(shù)據(jù)之細 / 16
大數(shù)據(jù)之時 / 16
大數(shù)據(jù)的本質(zhì) / 17
數(shù)據(jù)驅(qū)動理念與現(xiàn)狀 / 20
數(shù)據(jù)驅(qū)動的價值 / 20
企業(yè)內(nèi)部數(shù)據(jù)驅(qū)動現(xiàn)狀 / 21
理想的數(shù)據(jù)驅(qū)動 流 / 23
大數(shù)據(jù)時代到來的條件 / 24
數(shù)據(jù)采集能力增強 / 25
數(shù)據(jù)處理能力增強 / 26
數(shù)據(jù)意識的提升 / 27
第3章 數(shù)據(jù)驅(qū)動的環(huán)節(jié) / 29
數(shù)據(jù)采集與埋點 / 32
數(shù)據(jù)采集的現(xiàn)狀 / 32
數(shù)據(jù)采集遵循法則 / 34
科學(xué)的數(shù)據(jù)采集和埋點方式 / 36
數(shù)據(jù)的準確性 / 40
數(shù)據(jù)建模 / 44
數(shù)據(jù)模型與建模 / 44
多維數(shù)據(jù)模型 / 46
多維事件模型 / 49
多維事件模型的探索經(jīng)歷 / 52
數(shù)據(jù)分析方法 / 55
行為事件分析 / 55
漏斗分析 / 58
留存分析 / 61
分布分析 / 64
點擊分析 / 67
用戶路徑 / 73
用戶分群 / 75
屬性分析 / 80
指標體系構(gòu)建 / 82
第一關(guān)鍵指標法 / 82
海盜指標法 / 86
第4章 數(shù)據(jù)驅(qū)動產(chǎn)品和運營決策 / 89
數(shù)據(jù)驅(qū)動運營監(jiān)控 / 91
用戶獲取（Acquisition） / 91
激活（Activation） / 92
留存（Retention） / 97
引薦（Referral） / 99
營收（Revenue） / 101
數(shù)據(jù)驅(qū)動產(chǎn)品改進和體驗優(yōu)化 / 102
數(shù)據(jù)驅(qū)動商業(yè)決策 / 104
數(shù)據(jù)驅(qū)動落地企業(yè)，要從管理者做起 / 106
數(shù)據(jù)驅(qū)動商業(yè)決策的價值 / 108
第5章 數(shù)據(jù)驅(qū)動產(chǎn)品智能 / 109
數(shù)據(jù)平臺及用戶智能 / 114
如何計算熱門榜單 / 114
客服系統(tǒng)中的行為數(shù)據(jù) / 114
為什么需要數(shù)據(jù)平臺 / 115
數(shù)據(jù)平臺提供的能力 / 116
數(shù)據(jù)應(yīng)用與用戶智能 / 119
基于用戶行為數(shù)據(jù)的用戶智能應(yīng)用 / 119
用戶智能分類：基于規(guī)則與機器學(xué)習(xí) / 123
用戶智能應(yīng)用用戶畫像 / 132
兩種用戶畫像：User Persona與User Profile / 132
用戶畫像（User Profile）標簽體系的建立 / 135
用戶智能應(yīng)用個性化推薦 / 139
個性化推薦的概念 / 139
架構(gòu)實現(xiàn) / 140
數(shù)據(jù)流 / 142
業(yè)務(wù)分析與模型選擇 / 143
實驗與迭代 / 144
第6章 各行業(yè)實踐數(shù)據(jù)分析全過程 / 147
互聯(lián)網(wǎng)金融數(shù)據(jù)驅(qū)動實踐 / 149
實踐案例 / 150
企業(yè)服務(wù)數(shù)據(jù)驅(qū)動實踐 / 158
數(shù)據(jù)驅(qū)動能夠為企業(yè)服務(wù)做什么 / 159
面臨的挑戰(zhàn) / 160
數(shù)據(jù)應(yīng)用的階段 / 161
實踐案例 / 168
零售行業(yè)數(shù)據(jù)驅(qū)動實踐 / 175
實踐案例 / 176
電子商務(wù)數(shù)據(jù)驅(qū)動實踐 / 186
打破企業(yè)發(fā)展經(jīng)營困局：從粗放式到精細化 / 186
電商企業(yè)數(shù)據(jù)驅(qū)動瓶頸 / 187
實踐案例 / 187
寫在最后的話 / 197
新書資訊