数据中台的核心愿景是，助力企业成为数据驱动的企业。那么什么是数据驱动的企业呢？

计算机革命带来了数据存储技术的发展，无疑大大促进了大数据的进步。互联网的发展让数据共享，而移动互联网、物联网的发展，使得数据产生积累，渐渐的大数据迎来了爆发的时代，很多企业却因为跟…

在这样一个「数据驱动」的时代，很多产品团队都选择在产品早期就引入或搭建数据分析平台，并希望能够通过数据驱动产品的快速成长，但即便如此，大多数的初创企业还是难逃失败的厄运。除去战略、经营等导致企业死亡的情况，数据分析的「深度不够」也是让产品铩羽的重要原因——大多数企业构建的数据分析平台仅仅能看一些统计指标——而这并不足以指导产品改进，并使之走向成功！ 01、产…

您的图表将在HTML5的框架下使用强大的JavaScript库D3.js创建图表。D3.js是开源工具，使用数据驱动的方式创建漂亮的网页。Chartkick是一个图表绘制工具，特点是UI美观、使用简单，并且支…

产品的数据驱动，我相信有很多产品经理需要面对这件事情。因此，我希望能够分享出我的思考，未必都对，仅仅是我一路走来的心得体会。

“数据驱动决策”，为了不让这句话成为空话，请先装备以下13种思想武器，将来你一定能用上！～

工作中我们可能会接触到很多业务数据，需要在总结汇报中展示呈现，俗话说“字不如表，表不如图”，那么如何缩短数据与用户的距离？让用户一眼Get到重点？让老板赞同你的汇报方案呢？

未来，不管社会化媒体营销如何发展，但始终会有一点不变，回到商业本质：精准，精准化营销才是未来的主流

数据的精细化运营可以带来什么效果？主要可以体现在三个方面：首先是对运营策略的优化，下一步就是通过什么样的数据来优化。另外就是在做决策的环节需要数据，还有就是我们的预测，用户画像通过用户属性的对比，我们在大市场当中找到这样的用户，然后精准地使用我们的拉新工具。当然，使用精细化运营之后我们企业毛利的增值水平会在百分之六左右，这是一个行业数据。

留存分析是深度分析的一个维度，而且需要长期持续跟踪。具体分析过程中，还要结合版本更新，推广等诸多因素，才能找到用户的最佳周期，进而制定相应的留存策略，才能更好的实现商业变现。

近两年来互联网金融产品层出不穷，市场同质化严重，如何通过有效的数据分析实现精细化管理并提升用户全生命周期价值，成为了互联网金融行业创新的新风向。4月14日我们在北京主办了一场主题为“掘金用户价值 共赢科技金融”的诸葛io FinTech Club，其中，诸葛io客户成就总监&增长团队负责人邱千秋分享了《数据驱动的理财产品业务增长探索》。 全文分为三大…

虽然线上零售对线下零售造成了很大的冲击，但在零售总额实际比例中，线下零售占比依然高达90％。展望未来，线下零售依然会占领零售行业的重要地位。

数据驱动是一个时髦的词汇。 很多互联网公司都在谈论增长，特别是来自硅谷的高速成长的企业，高速的增长是互联网公司估值上升的核心驱动因素，所有的估值核心都建立在“增长”上面，这也是为什么有的互联网企业有很高的估值的原因。在“增长“的背后是一系列的用户体验，活跃度，留存率以及变现的有机结合，增长黑客的核心就是产品化，数据化，运营化。 分析思维和技术实现能力是科技产…

很久之前就听别人说过“人缺什么就秀什么”，虽然小不本人并不完全认同，但最近也觉得，很多东西看起来十分富足，反而是真正稀缺的。 仔细想想，这个时代，我们获取信息是如此便捷，反而注意力变得格外稀缺；我们每天产生了海量的数据，反而数据的价值密度却变得更低；我们有越来越多的方式结交来自各种背景的朋友，但真正的知心好友又有几个？ 而对于产品经理来说，也是一样，我们有了…

“数据驱动决策”，为了不让这句话成为空话，请先装备以下13种思想武器，相信将来你一定能用上！

大数据还是大忽悠？作为科技领域最时髦的词汇之一，大数据带来的机遇究竟有没有被过分炒作？在2013年夏季达沃斯论坛上，这个议题以一场辩论会的形式展开。最终反方的观点胜出：作为热概念，“大数据”正在影响着传统制造业、零售业、金融业、汽车业、物流业，也令研究机构和政府部门大开眼界。 可视化的大数据才是酷的，好比双目失明的退休中校斯莱德能够闻香识佳人。“我们不关心你…

数据分析作为运营最基础的一项技能，你是否真正的将其价值发挥出来，合格的运营一定是数据驱动运营，而非运营驱动数据！

也就是说，“抖音”这一名字，其实综合了数据驱动和人为思考的共同决策，也和字节跳动的A/B测试紧密地绑定在一起。在战略型决策上，需要专家进行长期思考，在细节决策上，能做A/B测试就尽量做A/B测试，同时还要关注…

今年618，京东技术部门的最大变化，京东集团CTO张晨的总结是：“从技术上，去年重点在保障，今年重点是大数据驱动业务效率提高，和用户体验的提高”。

大数据在2016年面临的最大挑战是将重点从“怎样做”的技术驱动型转向关注“为什么”的商业驱动型。吸引并训练那些能用数据科学能力理解一个特定的业务的人才，并鼓励他们在企业中领头。