此书由猴子与数据分析学院的作者们联合编写，此书在前两章介绍了许多数据分析方法，余下的十几章都是讲的具体的行业分析案例。
也是在此书中我才了解了如何解决“北京有多少特斯拉”这样的问题，也了解到这样的问题其实名叫“费米问题”。
以下是读书笔记
如果你不能衡量，那么你就不能有效增长——彼得·德鲁克
图片分享App Instagram在早期的社交功能和现在不一样，当时市面上已经有了Facebook这样多功能的社交产品，如果做的产品和facebook一样，是很难走下去的。在分析用户需求后，公司发现用户对分相照片的需求很大，于是公司团队找到的北极星指标是照片分享率，在意照片为核心去设计产品，最后只留下了照片、评论和点赞功能，并增加了美化拍照的滤镜。改变几个月后，专注于图片社交分享的Instagram正式推出，上线一天便获得25000个用户，3个月后这个数字达到100万。
喜马拉雅公司内部定的核心指标是用户的收听时长，就是每一个用户进来以后，他能听多久的音频。
- 明确部门KPI,找到一级指标
- 了解业务运营情况，找到二级指标
- 梳理业务流程，找到三级指标
- 通过报表监控指标，不断更新指标体系
常用的分析方法：
- 5W2H分析方法
- 逻辑树分析方法
- PEST分析方法
- 多维度拆解分析方法
- 对比分析方法
- 假设分析方法
- 群组分析方法
- RFM分析方法
- AARRR模型分析方法
- 漏斗分析方法
5W2H：
- What 是什么
- When 何时
- Where 何地
- Why 为什么
- Who 是谁
- How 怎么做
- How much 多少钱
逻辑树分析方法
逻辑树分析方法是由科学家费米提出来的，这种分析问题的方法在面试中会经常用到，例如：北京有多少量特斯拉汽车？某胡同口的煎饼摊一年能卖出多少个煎饼？深圳有多少个产品经理？一辆公交车里能装下多少个乒乓球？一个正常成年人有多少根头发？
这类估算问题，被称为“费米问题”
回答费米问题，可以用到逻辑树分析方法，讲一个复杂的问题拆解成子问题，然后逐一解决。下面我们就用一个例子来学习如何解决这类问题。
有人曾经问费米：“芝加哥有多少钢琴调音师？”，对于这个问题，可以使用逻辑树分析方法来拆解。钢琴调音师数量=全部钢琴调音师1年的总工作时间/一位调音师每年的工作时间。所以，可以把这个问题拆解为两个子问题：
1. 全部钢琴调音师1年的总工作时间；
2. 一位调音师每年的工作时间
... 全部调音师1年的总工作时间是3个子问题的数字相乘，一共是10万小时，而调音师每年工作1600小时，我们用全部钢琴调音师1年的总工作时间，除以 一位调音师每年工作时间，就得到了62.5.再四舍五入，费米预测芝加哥大概有63位调音师。
这个答案准不准呢？后来费米找到了一张芝加哥钢琴调音师的名单，上面一共有83人，有不少人名还是重复的。所以费米估算出来的结果已经相当准了。
PEST分析方法
PEST分析方法是对公司发展宏观环境的分析，所以经常用于行业分析。通常是从政策（Policy）、经济(Economy)、社会(Socuety)和技术（Technology）这四个方面来分析的。
多维度拆解分析方法：
拆解就是做加法A=维度1+维度2+维度3+...
通过多维度拆解数据，我们发现了和一开始截然相反的结论，这种现象被称为“辛普森悖论”，也就是在有些情况下，考查数据整体和考察数据的不同部分，会得到相反的结论。
- 从指标构成来拆解
- 从业务流程来拆解
对比分析方法
弄清楚两个问题：
1. 和谁比
2. 如何比较
通过对比分析方法可以看出，硬件净利润率能达到5%的公司几乎就没有，所以雷军这个承诺其实是一种经过数据分析得出的结论，既不会让小米陷入无法实现承诺的困境，又可以在用户心中留下“小米性价比高”的产品形象。
西罗克在奥巴马捐赠页面上进行了A/B测试，发现：
1. 对于第一次访问竞选网站的用户，按钮文字是“捐赠并领取礼物”效果最好
2. 对于长期访问竞选网站，但是从来没有捐款的用户，按钮文字是“捐款”效果最好；
3. 对于过去曾经捐过款的用户，按钮文字是“捐助”效果最好。
相关性分析方法
针对数千名英国公务员的多项调查发现，那些对自己的工作没有支配能力的雇员，也就是基本上对干什么、怎么干没有话语权的人，相比起那些拥有更多决策权的雇员来说，猝死率更高。
可以使用Excel进行相关性分析
避免只是用单独的一种分析方法，而是用其他方法做补充，使得分析结论完整而丰富。
相关关系不等于因果关系。在使用的时候注意这一点，可以提高分析的质量。
根据法国一个社会学研究成果，学校在一个人的成长过程当中只有15%的作用，它跟孩子的成长、成功只有相关关系。唯一和孩子成功成长有因果关系的是家庭。这里家庭就是存在的第3方因素，家庭教育越好，孩子越成功。
在大部分的时候，是无法找到因果关系的，但仅仅知道相关关系也能帮助我们。沃尔玛公司有一个著名的统计案例。他们发现，在美国，每当有飓风来的时候，超市里一种草莓味道的饼干就会销量大增。显然，这两者之间只是相关关系。对于这种问题，没人知道背后的真实原因，但是利用好“相关分析”就够了，以后再有飓风来的时候。对于这种问题，超时就要多备一些这样的饼干。
假设分析方法
- 提出假设
- 收集证据
- 得出结论
既然假设1发现了问题，为什么还要去验证假设2和假设3？这是因为一个问题发生可能有多种原因造成的，需要找到不同的原因，这样后面决策的时候，才能分别根据不同原因制定不同的策略。
群组分析方法
核心用户组为什么留存率高呢？如果能找到这些用户有哪些共同行为，那么就找到了用户留存下来的原因。
通过使用群组分析方法和相关分析方法，推特团队找到了用户留存率低的原因。最后，他们利用分析结论优化了产品，就是在新用户注册的时候，根据用户的兴趣选择向他推荐30个他最可能感兴趣的账号，这样才可以使新用户成为长期活跃用户。
RFM分析方法
RFM是三个指标的缩写：最近一次消费时间间隔（Recency）、消费频率（Frequency）、消费金额（Monetary）
AARRR分析方法
- 获取用户 （Acquisition）
- 激活用户 (Activation)
- 提高留存 (Retention)
- 增加收入 (Retention)
- 推荐 (Referral)
这一环节有个概念需要重视，那就是“夹点”，它指的是损失潜在受益的地方。例如电商购物中，用户从选择商品到支付之间，很多人会中途放弃付费。要评估这些常见的夹点，分析用户在这些关键环节放弃的原因。