車品覺老師在其決戰大數據一書中，強調的更多的是一種數據思考方式，書中范例介紹的小偷思維、先開槍后瞄準、CEO關注的三個問題等，都屬于數據思考方式重構解決問題的過程。

　　全書從為什么大數據說起來容易做起來難出發，以大數據構建未來商業利器結束，總共花費了11個章節，中間穿插著其在阿里的數據實踐經驗，本人結合自己的讀書體會，特將其總結歸納為以下50條：

　　1、大數據從來都不是免費的午餐，因為數據來源渠道的寬泛，難免出現偏倚誤差。

　　2、人的斷層是是大數據應用面臨最嚴重的問題，這個斷層包括溝通的斷層、建模的斷層，譬如現在收集數據的人不知道未來使用數據的人要什么?創建模型的人不知道未來數據是否穩定，使用模型的人不知道數據的來龍去脈。

　　3、從數據化運營到運營數據，是從看到用的過程。這個過程需要主動管理，需要更多的創新，需要學會問問題，問問題的過程就是尋找答案的過程，好的問題就是答案。

　　4、從商業角度講，大數據的本質就是還原用戶的真實需求。

　　5、數據價值的如何判定?首先看這個數據與你的目標是否一致，對你的價值是什么?其次看這個數據能否清楚的識別用戶身份，以及反應出的對應的場景。

　　6、學會雙向思考，關于數據的價值，對于企業而言，是實現企業資源的合理分配，而對于用戶而言，則是對用戶體驗的提升改進，比如個性化的推薦系統就基于此。

　　7、場景與還原并行，前端還原為消費者場景，后端還原為業務需求。

　　8、數據的本質是還原，落地可能表現為收集元數據的方法，個人建議初期引入最小數據集的概念。

　　9、關于數據還原可以從兩方面理解：①對人的行為目的的還原;②對制造原始信息的人的朔源。

　　10、活的數據才是大數據，這里的活主要從兩方面考量：一是靈活收集數據，抓相關性，比如我們的克強指數;二是靈活動態的數據指標，動態的使用數據，將數據場景化。

　　11、 移動互聯網時代，無線數據將是大數據的“顛覆者”。這個顛覆主要指無線數據的加入將原有數據的噪音加大，無線數據與原有PC數據的關系處理等。

　　12、無線數據分為wap和app兩種，而APP的數據收集方式又有兩種：①收集用戶聯網時請求服務器的記錄②用戶行為記錄。

　　13、 APP對用戶的識別主要基于手機的機器碼，而機器碼在不同系統中也有差異，差異體現在操作系統本身的差異和操作系統版本的差異。

　　14、 保證PC和無線兩份數據的完整，通過用戶體系將兩份數據關聯起來，就可以在分析過程中用彼此的融合來還原用戶的行為，所以用戶體系的建設在多屏時代尤為重要。

　　15、 關于數據價值，從數據的角度講，估值就是通過不同的緯度去思考數據的價值。

　　16、 數據作為一種資產，不同的數據含金量必然不同，自然就會產生不同的價值，與此同時，同樣的數據在不同環境中也會呈現出不同的價值。

　　17、數據的四種分類：①可再生與不可再生數據;②基礎層、中間層、應用層數據;③不同數據主體對應的主體數據;④隱私與非隱私數據。

　　18、數據的五種價值：①串聯與識別價值;②描述價值;③時間價值;④預測價值;⑤產出數據價值。

　　19、 數據分類與數據價值的意義，主要還是體現在數據產品的建立上，其應用思想體現在基礎層-中間層-應用層上。

　　20、基礎層收集那些數據，如何收集，如何保存等;中間層涉及數據管理與數據框架的搭建，應用層則是八仙過海各顯神通。

　　21、數據收集的出發點是解決問題，此外數據的生命周期、收集背景都須注意。

　　22、 用數據是一種方法論，養數據則是一種數據戰略，是基于更深的商業解釋的商業決策。

　　23、 跳出固有思維圈，從旁觀者角度出發，跳出0或1的選擇，我們可以有第三種選擇。

　　24、數據應用應該是小而美，而不是大而全。小而美指目標簡單具體。

　　25、 如何利用數據框架做決策，簡單四步告訴你：①確定問題，從解決問題的角度去收集數據;②整理數據放在一個框架內;③看框架與決策的關系;④根據決策行動，檢查是否達到目的。

　　26、數據的盲點分為物理盲點和邏輯盲點，物理盲點是我不知道的，邏輯盲點是我知道但沒被挖掘的。

　　27、 數據也有正負能量，正能量的數據告訴你如何成功，負能量的數據告訴你如何避免失敗。

　　28、是否看到數據盲點的核心價值是，有沒有看到應該看到的數據，有沒有錯失不應該錯失的數據。

　　29、數據運營中的常見問題：①堵,日常報表信息量大，難以鋪捉有效信息;②獨，信息分散在不同部門，缺少有效組合;③慢，業務異動的處理往往是自上而下的推動;④漏，關鍵分析成果取得實效，但未實現沉淀。

　　30、 阿里的大數據實踐一：數據化運營需要和商業咬合的非常緊密，所以數據也是混合在商業里，以假定穩定的方法去做業務上的對比、細分以及趨勢預估。

　　31、 阿里的大數據實踐二：假定數據是穩定的，意味著習慣于不去尋找一些新數據，用數據拿數據的方法可以將數據化運營和運營數據打通。

　　32、 阿里數據化運營的內三板斧之混：混出數據，只有具備商業敏感的分析師，才懂得使用什么數據來驅動公司實現經營目標，數據部的人和業務部的人經常混在一起。

　　33、 阿里數據化運營的內三板斧之通：打通混的數據，通是混、通、曬的關鍵節點，知道帶著業務問題看數據或帶著數據看業務，這就是通。

　　34、 阿里數據化運營的內三板斧之曬：曬出混和通的數據，數據能不能做到獲取、使用、分享、協調、鏈接、組合之上，讓自己變得超級簡單和便捷，這是數據化管理運營中非常重要的一點。

　　35、 數據化運營需要有框架可依，做到如何證明業務是好還是不好，而這里的框架就是一個對業務進行指標化的分解，并通過有限多個指標來客觀描述業務的狀況。

　　36、 阿里運營數據的外三板斧之存：存是數據收集的開始，收集數據不是目的，讓收集起來的數據如何產生價值才是最終目的。

　　37、 阿里運營數據的外三板斧之管：管是保護好存儲數據，學會用數據產品來解決獲取以及使用數據的問題。

　　38、 阿里運營數據的外三板斧之用：用是從收集數據到管理數據，在用數據的問題上，數據的分裂和重組，都能做到顛覆性的創新。

　　39、數據思維之MECE法則，不斷地用邏輯方法將問題進行分解，直到不能分解為止，然后從根本去解決問題。

　　40、大數據的本質是人，數據研究的極點就是揣測變幻莫測的人性。

　　41、假定數據是臟的，在處理數據的時候，會像污水處理廠一樣，每一步都問自己幾個為什么。這種情況的出現，到底是因為數據臟了還是因為數據提驗過程中做的不好。

　　42、 做好數據的質量評分，從反映數據的可信度和質量水平出發。

　　43、 學會慢慢的淡化數據，數據是有優先級的，在數據中有些是特別核心的，有些即使缺失了也沒問題，所以，我們要學會真正坐下來盤點那些對公司最有價值，對用戶最有價值的數據。

　　44、數據的標簽化管理，數據的屬性標簽是人類經驗判斷的數據，是數據后的數據。

　　45、大數據價值的實現在于數據與數據之間的連接。

　　46、數據的實時化和實時性分層，我們千萬不要把所有能力都用來處理實時化的問題，因為我們依然會有大量的數據需要在恰當的時機處理，有的數據是重要的，但并不緊急。

　　47、關于數據，未來是人機的結合體。人和機器的結合，或者人和數據的結合將是未來的一種進步模式，人類將通過數據變得更加智能。

　　48、未來，人身體中流通的不僅是血液，還有數據。

　　49、 關于數據分析，更準確的說法應該是信息分析，目的是尋找短板，這個短板可能是自己的，也可能是競爭對手的。

　　50、我們都說數據分析是指導決策的重要依據，但我們用什么來保證分析的正確呢?是不斷的試錯還是考驗我們數據分析師(科學家)分析和利用信息的能力。