大数据的力量来自触类旁通的关联，大数据提供的是预测和开创新机的能力。以前是有问题找数据，现在大数据时代，最核心的特质是“用数据找机会”，“用数据还原真实场景”。
数据力与思考力的结合，很多时候我们欠缺的不是解决问题的方式，而是定位问题的能力，我们可以以“假设数据是可以获取的”来思考问题。
很多企业无法深入应用大数据的原因在于，从收集到使用的大数据价值链除了问题，用数据的人不知道数据从哪里来，收集数据的人不知道数据会被如何使用。
数据化运营就是运用数据去解决问题，有的时候，问题就是答案。
大数据的本质就是还原用户的真实需求。
思考“数据能够帮你产生什么价值”？从三个维度思考，你能否清楚识别(Identify)用户的身份，其次，你能否清楚数据对你的价值(Value)是什么?最后，收集数据时的场景（Situation）是什么？
从企业价值来看，数据收集实现的是企业资源的合理分配；
从客户价值来看，数据收集实现的是顾客体验的提升。
把枯燥的数据串联起来时，就一定能代表事实么？
数据的价值来源于场景，场景与还原并行，前端还原消费者场景，后端还原业务需求。
1.活用数据，抓住相关性。不仅自己手机，还要综合分析其他人收集的数据。
2.活看数据，不要仅结合已有的数据框架，还要结合用户的不同场景来灵活使用已收集的数据。
Story 1：亚马逊数据收集有个例子，多年前亚马逊主动收集用户IP，让后从IP地址分析用户周边有多少书店。他们从数据中发现，一个人是否在网上购书的重要原因是他的附近有没有书店。
Story 2：香港税局看酒楼经营的生意好坏，就去查酒楼门口的报摊的报纸销量，因为香港人有一边喝早茶，一边看报纸的习惯。
Story 3：作者在B2B外贸网站平台时，通过追踪美国鞋类等垂直行业领先企业在SEM方面购买关键字的变化情况，以及对应ebay上同类产品的销量，提前发现国内产品领域，接下来可能出现的流行产品。
数据化运营，首先假设数据是稳定的，而运营数据，则假设数据都是可获取的，而且不稳定的。数据是在使用，解决问题，收集数据，改善数据的过程中得到改进的。
**数据化运营实践过程中的问题
堵,日常报表信息量大，难以捕捉有效信息。
慢，业务移动处理从上而下，处理往往不及时。
独，信息分散在不同部门，缺少有效整合。
漏，关键分析成果取得成效，但未实现沉淀，未变成流程或产品。
***阿里巴巴的数据化运营实践
“混、通、晒”三板斧，数据化运营。
混，让数据分析师主动每周和业务人员混在一起，培养商业敏感性。
通，打通商业模式和数据，打通部门数据的交叉之处。
晒，用框架对业务进行指标化分解，并通过有限多个指标来客观描述业务的状况。
“存、管、用”三板斧，运营数据
存，数据收集不是目的，使用数据并创造价值才是。
管，管理数据，并用数据产品来解决管理问题。
用，通过标签的使用，数据结构化，来提升用户逛的效率，对接数据中间层和前台业务层。
***电子商务领域评价业务的两套指标
成交额=流量x转化率x客单价
商品大促时，大促成交额=预热期加入购物车商品数x商品单价x经验转化率x经验成交额占比
业务需要进行比较才能判断好坏，而比较的前提就是不断寻找比较对象。商品大促会比较三类指标。
这次大促对比平时涨幅，这次大促和上次同等规模大促的涨幅，这次大促同比涨幅对比上次大促同比涨幅。
***透过现象看本质
不断地用逻辑方法将问题进行分解，直到不能分解为止，然后从根本处去解决这个问题。
***关于大数据的重要几点
假定数据是脏的
数据的标签化管理
大数据的价值在于数据之间的联系
数据的实时化与实时性分层。
在大数据的世界中，没有人要求你懂得细节，没有人要求你成为一名数据分析方面的专家，但是要求你需要拿到一个专家的数据时，能够快速的调用出来。
做到这点的话，我们就已突破了人类短时记忆的短板，你就会成为一个很成功的人。