模型|数据驱动业务的18个策略( 二 )_思考帽|帽子|建筑师|sir|产品

我们习惯于在下路猛干，往往事倍功半。
九、第九条掌握一些分析模型让我们理解业务事半功倍，这些分析模型包括PEST、5W2H、SWOT、波士顿矩阵、SMART原则、波士顿五种竞争力分析模型、价值链模型、逻辑树方法、鱼骨图等等。
十、第十条现代管理学之父彼得·德鲁克说：如果你不能衡量它，那么你就不能有效增长它。对于业务也一样，如果你不能用指标描述业务，那么你就不能有效增长它。
十一、第十一条好的指标有两个特征。
【模型|数据驱动业务的18个策略】第一是具有核心驱动的特点，一般从战略开始，然后识别到关键成功因素，再推断出核心指标，比如用户数和活跃用户数两个指标，显然后者于业务成功更有价值。
第二是比率或者比例，因为有比较才有鉴别。我们经常看到绝对值指标也会属于企业的核心指标，一方面是因为其也是比对的结果，只是老板把这个比对过程隐藏了；另一方面是宣传的需要，在任何数据分析中给出一个绝对值而不作特别说明，会让老板觉得莫名其妙。
十二、第十二条指标体系的构建也是有模型可参考的，这里提供5个：

PLC模型，指产品的市场寿命，即一种产品从开始进入市场到被市场淘汰的整个过程。产品的生命周期有探索期、成长期、成熟期、衰退期。
OSM 模型，是指标体系建设过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量，是指标内容横向的思考。
指标分级模型，根据企业战略、企业组织及业务进行自上而下的分级，对指标进行层层剖析，比如一级指标：公司战略层，二级指标：业务策略层，三级指标：业务执行层。
AARRR模型，就是海盗模型，也是用户分析的经典模型。它反映了增长贯穿于用户生命周期的各个阶段，即获取（Acquisition）、激活（Activation）、留存（Retention）、变现（Revenue）、自传播（Referral）。
RFM模型，该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

十三、第十三条数据分析的本质就是将复杂的数据分解到0或1（代表人的常识能判断的对或错）的建模过程，与机器学习不同的是，这个过程是人主导的、结构化的，线性可理解的。
十四、第十四条优秀的数据分析师要有二个执念：

第一，业务是我的生命线，在一个企业内，最容易拉开数据分析师差距的，往往是独特的业务理解力。
第二，我既要理解他人的需求，更要理解他人的问题。平庸的数据分析师则用效率来掩盖自己思维上的惰性，取数机器就是这么来的，好比一头拉磨的骡子，每天在那里转同一个圈。

十五、第十五条要想成为一个好的数据分析师，可以问自己五个问题，认知有没有差别？技能有没有差别？效率有没有差别？信息有没有差别？资源有没有差别？
随着数据开放和基础设施的普及，数据分析师在操作技能、工具使用、信息获取、数据资源上的不对称优势逐渐消失，唯一的差异化就是认知，这也是你读这篇文章的原因。
十六、第十六条一般的数据分析师用狭义的数据驱动业务，但广义的数据驱动业务需要战略、组织、机制、流程、业务等等能力的加持，因此数据分析师的职场最终归属一般是业务和管理，如果你执着于做狭义的数据分析师，那BI总监也许就是天花板了。
十七、第十七条数据驱动业务的四个阶段：