《精益数据分析》读后感精选10篇
《精益数据分析》是一本由[加] 阿利斯泰尔·克罗尔 / [加] 本杰明·尤科维奇著作，人民邮电出版社出版的平装图书，本书定价：79.00元，页数：356，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
《精益数据分析》读后感(一)：荐书|《精益数据分析》 豆瓣8.2分
荐书|《精益数据分析》 豆瓣8.2分
这是一本关于什么的书？
我买这本书的本意是想补强一下自己关于数据分析的能力。本以为这会是一本通篇都是计算公式和excel操作的实操大全。但是当我花了不到2周时间读完后发现，这本书不仅仅是一本关于数据分析的书，更是一本关于“精益创业”的书。
其主要讲述的是：
（2） 数据分析的时候，如何抓住核心指标，同时需要避开那些误区。
（3） 对于各种商业模式进行分模块解读并通过案例解释需要被关注的指标。
（4） 对于业务成长的各个阶段进行分模块解读并指出需要被关注的工作内容。
亮点：
（1） 对于业务模式的归纳和业务成长阶段的归纳非常到位。作者不是一个崇尚数据大量堆叠的人，全书所传达的数据分析思路始终都是：对于确定的商业模式和其发展阶段，只需要关注“第一关键指标”和有限的周边数据即可。而其他指标的分析介入没有太大意义，同时反而会让经营者的注意力不够聚焦。
（2） 全书所谓的数据分析主要是基于战略层面的，而非战术层面。相应的场景和案例几乎都是基于精益创业，定位非常明确。所以这本书也被收纳到了《精益创业》作者所主编的“精益系列”丛书中。喜欢《精益创业》的读者或许可以试着读一下。（我没读过）
（3） 抛开“数据分析”，单单是从“精益创业”这个维度出发，这本书也是一本不错的常备工具书。所述内容虽然繁杂但却细致，简直是企业管理者排雷指南。
不足：
（1） 正如我文章开头所提到的一样，我是出于学习数据分析这个目的去购买这本书的，且主要是想补强自己的战术层面。但是这本书对于从这个角度给到读者的帮助非常微弱。所以如果有和我抱着同样初衷读者，需要慎重考虑。（有机会的话，我以后会给大家推荐一本偏战术层面的数据分析书籍）
（2） 本文的叙述比较冗长，不知道原著是不是也是这种风格。本书分为四个部分，第三部分的内容非常水，属于全书污点。
（3） 创业可大可小，大到一个公司，小到一个项目都可以认为是以此创业。但是如果没有类似从业经历的人，读这本书可能会比较累，比较难get到作者的点。所以不建议初入职场的人阅读。
（4） 全书基本上都是以互联网行业作为案例，对于线下从业者，需要自己具备一定的知识迁移能力。
本书关键词：精益创业 数据分析框架 第一关键指标 互联网
最后附上豆瓣上该书的基本信息：
《精益数据分析》读后感(二)：精益创业里的数据迷信
《精益数据分析》全书四十多万字，用了十天的时间读到70%左右，我弃书了。并非书不好，相反是书籍内容太干了，需要思考的内容太多，而我只能利用在地铁上的时间阅读，阅读压力太大，最终电子书只读到70%，写笔记时又在电脑上看PDF过了一遍，做了脑图，最后写下此文。
本书相当于是精益系列鼻祖《精益创业》数据驱动部分的补充，详细描述在MVP（最小化产品）阶段，企业应该从哪些数据角度去看待问题，对于一款MVP来说，最重要的应该是“留存率”（留存人数/总人数）、“病毒传播系数”{（邀请用户/总用户）*（新用户/总用户）}、“人均收入（总收入/总人数）”。其中留存率决定了这款产品是否解决了目标用户的痛点需求，病毒传播系数决定了目标用户群体的认同感，而人均收入则决定了企业能否依靠产品最终获利，从而生存下来。
当企业产品进入规划化阶段之后，真正的精益数据才刚刚开始，找到产品的数据优化项目，比如：
#如果你脱离不开单笔交易的实际成本（如直销、快递发货或签约经销商），则“更高效”可为你商业模式的供/需方面带来举足轻重的影响。如果病毒式传播系数数值很高，“更多的人”则显得尤为重要，因为你在客户获取成本的每一块钱里，都注入了强大的力量倍增器。如果你的客户忠诚度非常高，每次都选择在你这里消费，则“更频繁”要更为关键，你需重点想办法让客户来得更频繁一点。如果你倾向于大金额的一次性交易，则“更多的金钱”将对你大有裨益，因为你只有一次从客户身上捞钱的机会，需尽可能地榨取客户的价值。如果你采用的是订阅模式，并且在与客户流失做斗争，则利用追加销售介绍客户使用具有更多功能的更高容量套餐当属提高现有营收的最佳方式，这样你就有很多时间去争取“更多的商品”。#
最后，我想强调的是数据迷信，我本人致力于成为一名数据运营，可是当你看所有“数据分析”相关的书籍时都会发现，作者一定会在文中强调数据陷阱。在好几次数据处理中，我也开始意识到了某些问题。
1）数据参考
统一需要对比的数据坐标系，是最常见的一种误导方式，制图者通过拉伸坐标系或是缺失部分坐标值的方式企图误导用户，让数据变得漂亮。
2）增长基数
多见于产品初期，用户值偏低且使用百分比形式汇报，当数值从1到10和从100到110，都是增加10，但是带来的增长率，一个是900%，一个是10%，天壤之别。
3）数据呕吐
用“呕吐”这个词不仅清奇，而且精准。我们被大量的数据环绕，标榜自己是数据驱动，可是却并不明白哪个指标能够改变企业的行为，所以最重要的不是数据，而是通过数据分析问题。
4）数据和人
最重要也是最容易出错的环节，就是数据源头，你想想所有的数据最初的生产者是谁？所有的机器算法最初都是由人提供的。如果只看数据而忽略了数据的源头或相关人物的话，很容易被蒙蔽，数据只能说它代表的真相，但可能不会告诉你背后的真相。
纸上得来终觉浅，绝知此事要躬行。所有“精益”的最小化产品，并不是最简单的产品，相反它最要更高的专注和不断忍受失败的毅力。好的产品不是规划出来的，而是演化出的。
《精益数据分析》读后感(三)：《精益数据分析》：力荐，每个互联网从业者都可一读
1. 启发点：本书既谈了数据分析，又谈了运用AARRR模型的创业和数据分析的结合。后者是AARRR+前面数据分析方法的延伸。最有启发点的是数据分析方法这一部分。当时我数据分析相当弱，读到这两段不禁拍案叫绝，如果我们能从数据分析中为产品发现了别人没意识到的先见性，相关性甚至因果性指标，则可以巧妙地去影响用户进而创造商业价值。摘录如下：
gt; 先见性指标与后见性指标：先见性用于预言未来，后见性用于解释过去。更喜欢先见性，因为在得知数据后尚有时间去应对。
gt; 1）潜在客户数是先见性，能预测未来的新客户数，用户流失是后见性。创业之初数据少，可以先关注后见性，如果要启用先见性，可以进行 AB 测试。
gt; 2）用户投诉量是先见性，账号注销和产品退货是后见性。一个团队的后见性可能是另一个团队的先见性，订单量是销售团队的后见性，但是财务团队的先见性。
gt; 相关性指标与因果性指标
gt; 1）发现相关性可以帮你预测未来，而发现因果关系，可以帮你改变未来，但很难找到100%因果关系，“因”会有很多。
gt; 2）找到一个相关性，进行控制变量试验并测量因变量的变化。（AB 测试）
2. 跳出书本思考点：平时工作中会把产品分为两类，价值驱动与行为驱动。价值驱动例如电商产品，尤其是B2B平台，只有给买家真正带来了生意，对方才会留存在体系内。行为驱动例如社交产品，用户建立的关系越多，留存的概率越大。本质上行为驱动产品，也是因为用户的行为反映了产品给用户带来的价值，所以也是价值驱动。价值驱动产品会较少关注用户行为，更关心为用户创建了多少商机，赚了多少钱。行为驱动产品较多关注用户行为，用户用的不爽，可能就再也不用了。因此，用户行为的数据分析方法容易在行为驱动产品上大显身手，如facebook等，但在价值驱动产品上，总不可避免地遇到“用户这么用和最终的价值有关系吗？”，“体验会影响留存吗？”等问题。如何拿着所发现的先见性/相关性指标去回答这些问题，我现在也不知道，因为不少相关性的解释力是很弱的，只能靠测试，但测试需要投入资源去做，于是形成了死结。
《精益数据分析》读后感(四)：精益数据分析
123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123123
如《精益数据分析》作者所说，「精益创业」的风靡，几乎所有创业者都知道「敏捷开发」，知道「MVP, 最小可行性产品」，知道「构建-衡量-学习」流程，唯独数据成了精益创业里最不精益的工作。
从妄想家到企业家
创业者其实沉迷于妄想之中。妄想自己最了解用户的需求、妄想自己的解决方法最完美、妄想自己的盈利模式最正确……没有得到证实前，不论对自己说，还是对合作伙伴讲，这一切都不一定是真的，除非能经得住数据考验。
数据分析是帮助创业者从「妄想家」成为「企业家」的有效方法，也是初创企业成功的基石。数据分析能证明哪些是「妄想」，并在企业资金耗尽前，找到合适的产品和市场。
数据分析离不开分析企业关键指标。好的企业关键指标能「驱动决策」，依靠它可以改变当前商业行为。特别要注意「虚荣指标」，如点击量、页面浏览量、访问量、独立访客数、粉丝/点赞数、网站停留时长、用户邮件地址数量、下载量等，这些指标除了自我膨胀外，毫无意义。
为了让数据更加「精益」，还要进行测试——精益数据分析的灵魂。常用的测试方法有市场细分、同期群分析、A/B 测试和多变量测试。
企业的命脉
根据企业不同时期的变化，可灵活运用不同数据分析框架，常用的框架有：
戴夫.麦克卢尔的海盗指标说(AARRR)：获取用户(Acquisition)、提高活跃度(Activation)、提高留存率(Retention)、获取营收(Revenue)、自传播(Referral)。
埃里克.莱斯的增长引擎说：黏着式增长、病毒式增长、付费式增长。
阿什.莫瑞亚的精益创业画布：每个模块对应一组相关指标。
肖恩.埃利斯的企业增长金字塔：前提是已经达到产品与市场的契合点。
找到当前阶段高于一切、需要集中全部注意力的数字——第一关键指标(OMTM, One Metric That Matters). 它是企业的命脉，找到它才能让企业更好的生存、发展下去。
作者列举了六种商业模式：电子商务、SaaS、免费移动应用、媒体网站、用户生成内容(UGC)、双边时常(如 eBay). 列举了各个商业模式下对应的第一关键指标，并附有详细的实战案例介绍这些企业如何通过应用数据分析实现增长。
除了找对自己的商业模式外，还要清楚自己企业当前所处的阶段和优化该阶段的第一关键指标。作者推荐使用精益数据分析的如下五大阶段：
需求阶段：换位思索，挖掘用户需求并找到解决方案
黏性阶段：制作和迭代 MVP，提高用户黏性
病毒性阶段：提高病毒式传播系数和病毒传播周期
营收阶段：提高平均每位客户营收，让客户终身价值大于客户获取成本
规模化阶段：融入到更大的生态系统之中，证明市场大小
每个阶段对应的第一关键指标不同，要根据当前阶段跟踪并优化当前阶段的第一关键指标，直到达到满足进入下一阶段。
衡量：底线
为了知晓当前数据情况，需要知道行业基准，再定底线。通过行业基准，判断自己输赢及提升空间。不同行业不同指标的基准各不相同，需要结合实际情况。不要改变底线去适应自己的能力，而要提高能力来满足底线。
对于很多指标，确实没有什么「正常值」。当没有基准时，根据自己的特定产品和市场快速调整底线。当一个指标优化空间极小时，该去优化下一个重要的指标了。
总结
精益创业的核心思想是：准确判断自己的商业模式和创业阶段后，跟踪并优化当前的创业第一关键指标。通过反复践行这一流程，克服早期会面临的风险，避免过早增长，并最终在真实的需求、明确的方案和满意的客户这一坚定的基础上建立起你的公司。
建议创业者和产品经理阅读此书。
《精益数据分析》读后感(六)：一点记录
前两章还有一些有用的点，夹杂着《精益创业》的很多内容，后面非常水。
创业公司是一种组织，其存在的目的就是寻找可规模化和可重复的商业模式。
你无法衡量的东西，你也无法管理——德鲁克
9: 购买转化率与购买所需时间能看出现金流，病毒式传播系数与周期能看出产品普及率。这些数据背后隐藏着重要的数据指标
12: 如果一个数据指标无法驱动决策，指导企业行为的改变，你就不必纠结于这个指标了。这只是个虚荣指标（如：总注册用户数一直会增长，其实没有用，但活跃用户占总用户的百分比是有用的，揭示了用户的参与度。）
24: 精益数据分析的核心在于如何找到一个有意义的指标，然后通过实验改善它，直到满意，而后转而解决下一个问题；
27: 必须坚持用人来判断和调和机器根据数据的自动优化
需避免的数据圈套：
1.数据有噪声，为数据去噪是很费时的工序，但回报通常很大。
2.需要归一化（虫：绝对值变成某种相对值关系）
3.排除异常点，而后包括异常点来年极端情况
4.忽视季节性
5.看增长不仅看比例，要看基数有多少（第二个注册用户使用户量翻倍）
6.要看什么数据重要，不知道重点，再多数据也没用
7.警报值的阈值不能过于敏感
8.将你的数据与其它来源的数据混一起，能有很多奇妙的反应
9.关注噪音，看是否有机会
《精益创业》中提到的驱动创业增长的三大引擎：
1.黏着式增长引擎：重点是让用户成为回头客，持续使用。留存率高，参与度高。最重要的指标是客户留存率，其次是流失率与使用频率
2.病毒式增长引擎：关键指标是病毒式传播系数，即每个用户所带来的新用户数，另要考虑流失率。
3.付费式增长引擎：产品本身有收入，将收入用于获取用户，会不断增加。
月流失率为2.5%时，意味着每位客户的平均使用寿命为40个月。
单个客户终身价值=平均使用寿命*单个客户月均付费
免费使用，付费可有增值服务的模式虽然用户量大，但是一种销售策略，需根据产品情况谨慎使用。
aas中，流失率等于一切，忠实用户的形成速度高过用户流失，则可以存活。最好赶在客户流失前采取措施。
客户的终身价值需大于其成本，
做平台，关注关于商户的数据：
活跃卖家（过去30天有新商品上架）占比
活跃商品（过去一周浏览量达到x次的）占比
购买转化率
《精益数据分析》读后感(七)：创业公司构建数据指标体系
作者：桑文锋，神策数据创始人 & CEO，前百度大数据部技术经理
我在《如何用数据驱动产品和运营》一文中讲解了什么是数据驱动，也讲解了如何做数据分析。这篇文章我来讲解对于创业公司来说，如何构建数据指标体系。
对于从 BAT 等互联网公司出来的人，已经经历了数据分析的历练，会有一个做事情看数据的习惯。而对于毕业之后就创业，或者是产品经理或运营专员新手，一般会对构建指标体系比较困惑，不知如何下手。甚至有些在微信公众号后台或者百度统计后台看到的几个指标，就觉得算是有了数据指标体系了，但又会发现与许多实际的工作脱节。我这里给大家介绍两套构建指标体系的方法，第一关键指标法和海盗指标法。
第一关键指标法
现在我问你一个问题，对你所负责的产品来说，最关键的一个指标是什么？我尝试问过一些人，特别是同一个公司的几个人，你会发现他们冒出来的第一关键指标是不同的。当然，这还不是最惨的，更惨的是根本就找不出来关键指标。对于一个大公司来说，比如像百度，因为产品很复杂，有很多的产品，即使同一个产品，也有不同的职能部门，他们会有不同的关键指标或者 KPI，情有可原。但对于一个创业公司，尤其是刚成立的初创公司，几十个人的团队都不是围绕同一个目标努力的，那问题就比较严重了。
第一关键指标法是在《精益数据分析》（Lean Analytics）一书中提到的方法，这个方法不是说一个公司用于只为一个指标负责，而是说在任意一个时间点，肯定只有一个最关键的指标。随着业务的发展，你的关注重点会有变化。我对第一关键指标的方法又做了一个延伸，关键指标又可以衍生出许多其他的指标。比如对于一个成熟的电商产品，它最关心的可能是销售额。但销售额我们又可以衍生出访问量、转化率、客单价等指标，我们通过优化这些衍生指标，来实现关键指标的增长。对公司来说，基于关键指标制定目标。
这样做的好处有两点：一是确定了现阶段的最重要的问题，二是可以基于关键指标的当前的状态，制定清晰的目标。否则你可能问题没找对，努力达到的数字也是没有意义的。
对于一个创业公司，不同的阶段需要关注的重点是不同的。我把创业公司分成三个阶段：
1，MVP 阶段：MVP（Minimium Viable Product，最小可用产品） 是《精益创业》（Lean Startups）一书中提出的理念，在创业的最早期，你的关注点是确定用户需求，并做出一个最小可用的产品来验证需求的真实性。大量失败的创业最后发现解决的是个伪需求，为一个不存在的需求做出了一个不需要的产品。更好的方式是用最小的代价满足需求，然后再想更高效的方法去优化它。在这一阶段，数据分析的价值比较小，你需要的是定性分析，通过用户访谈，直接确定产品的满足情况，并不需要在数据分析方面投入大量工作。
2，增长阶段：这个时候你的产品已经出来了，并且有用户在用，是时候需要做数据分析了。这一阶段我又把它分为有重叠的两个阶段：留存阶段和引荐阶段。我们在推广产品之前，一定要确认我们的产品确实是能够给客户带来价值的，并且有比较好的体验。那怎么确认这一点呢？除了直接听用户反馈之外，最重要的就是看用户的活跃度了。这里我们就需要做留存分析，比如看次日留存，如果发现你的用户次日留存率非常低，那说明根本吸引不住用户，还是要先优化产品。