“大数据”、“数据驱动”这些词汇，对沉浮在互联网的厂工们来说并不陌生，隔着屏幕，一边在源源不断地生产数据，一边在紧锣密鼓地收集解读数据。这些数据是奇妙的，它可以让人更加直观、清晰地认识世界，也可以指导人更加理智地做出决策。
数据分析目的有俩：
- 挖掘问题，定位原因，对症下药
- 验证假设，提供必要的数据支持
不能为了做数据分析而做，这是互联网小白甚至是白银段位产品汪也会犯的错误，你可能听到过这样的对话：
产品汪：“我们想看看跟贴用户里有多少是高活用户？”
几招过后，不想拉扯的数据分析师灵魂一问，“就先假设一个数，占比60%，你下一步的策略是什么？”
产品汪束手不及，瞪圆无辜的大眼，哑语。
此次谈判失败。
如果你只是想要一个值（日常指标监控不算在内），可以先假定，然后看看自己是否有进一步解决问题的思路，如果没有，说明这个问题你还没有想清楚，就不必大费周章做数据分析了，请给数据分析师减负。
数据流转/分析流程：
“好数据胜过大数据”，不要用装满数字的高压水枪把团队冲垮，那什么是好数据？
9个字简单概括：比率、比较性、简单易懂。
- 比率：避免“抛开剂量谈毒性是耍流氓”的情况，在有一定统计学意义的统计量上看转化率，如看页面转化率比单纯看页面访问PV更有意义；看点击率比单纯看文章推荐量更有意义；
- 比较性：数据可以横向、纵向、环比等，能比较的数据才有意义；
- 简单易懂：如字。
不同的商业模式有不同的数据指标，热门的模式大致可以分为以下几类：
- 电子商务，如亚马逊、淘宝；
- 移动应用，如王者荣耀，今日头条；
- 媒体网站，如腾讯新闻网页版。
移动应用以新闻资讯app为例（如今日头条、网易新闻、腾讯视频等），简单阐述其指标体系。
宏观指标（水池理论）
我们把活跃用户当做一个活跃的蓄水池，每天每月有新的水进来（水的来源和水质都不同，有付费发行、免费发行、回流等），也有部分水流出（流失率），没有流出的水暂时停留在水池里，这一出一进维持着蓄水池的水量，也就是我们常提到的DAU/WAU/MAU。
流入>流出，看涨；流入<流出，看跌，道理浅显易懂。
产品发展期间，增长负责人也许会有担忧（特别是创业团队）：“新增能够抵过流失吗？”
我们用水池理论来做一道数学题，已知数据：现存量用户500w，月平均上线率60%，月回流8%，月流失率20%，日活目标增率6%，即6个月后的日活目标是709w，请计算这半年每日发行量需达到多少？
