如果真拿这个需求来做，那铁定做不出来。为啥?因为商品销量、用户流失、用户需求，这些都是经过业务手段影响后的综合性结果。比如用户本来不想买，结果业务派了券，用户想买了。此时得先知道：业务会不会派券，会派多大额度的券，才能预测结果。
从本质上看，标准问题牵扯绩效考核，因此业务方才有浑水摸鱼的动力。这是个披着数据问题的办公室政治问题。因此，想破题，一定不能把解题思路引到“有一个完美的数学算法”上面。任何数学算法都解决不了人心贪婪的问题。
随着时代发展，大数据技术也日益完善。因而了解今日的大数据分析技术和方法有哪些，越来越有其必要性。
数据分析的思路及其重要，以致于我们总是忽略它，重“术”而轻“道”，但其实应该一视同仁。这篇文章讲了表单分析、用户分析、埋点分析、聚类分析等10种分析方法，先学为敬~
数据是当今世界上最有价值的资源之一。它是本世纪的货币，知道如何管理和使用数据的公司发现它很容易增长。
想要服务好业务部门，首先得考虑的，就是：“这些人对数据了解多少“，然后对症下药。相比之下，对数据了解多的人，会更期望我们给到具体建议，因此先讨论这个情况。
做业务监控同理。如果只收集了总销售收入结果，那就只能提供结果监控。如果有对组成销售收入各个渠道，各个客群做数据收集，就能看到是哪个部分出问题；如果对销售转化过程有数据记录，就可以看到哪些节点出了问题。越详细的记录，监控的时候发现问题就更具体。
所谓“屋漏偏逢连夜雨”，就是这个局面。此时，想要用数据描述问题，容易，树个标杆就能看出差距。想用数据诊断问题，就得突破上边层层险阻，争取业务的支持和老板的理解，才能见效。这是从数据到落地的必经之路。
