精益数据分析
作者: [加] 阿利斯泰尔·克罗尔 / [加] 本杰明·尤科维奇
出版社: 人民邮电出版社
出品方: 图灵教育
原作名: Lean Analytics:Use Data to Build a Better Startup Faster
译者: 韩知白 / 王鹤达
出版年: 2014-12
内容简介  · · · · · ·
本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的创业心得和宝贵经验，值得每位创业家和企业家一读。
深入理解精益创业、数据分析基础，和数据驱动的思维模式
如何将六个典型的商业模式应用到各种规模的新企业
找到你的第一关键指标
确定底线，找到出发点
在大企业中应用精益分析，打造新产品
作者简介  · · · · · ·
阿利斯泰尔
企业家、作家、演讲家，用户体验管理先锋公司Coradiant联合创始人。曾花大量时间研究各种规模的组织如何使用数据做出优良决策、加速创业过程。他职业生涯的大部分时间都是技术公司的产品经理，是O'Reilly Strata、TechWeb Cloud Connect、Interop企业云计算峰会、International Startup Festival（国际创业节）等5个国际知名技术大会的主要发起人。
本杰明
目前担任广受欢迎的二手货买卖应用VarageSale（http://varagesale.com）产品管理副总，主要负责Web和移动平台的产品开发。他是Standout Jobs和Year One Labs公司联合创始人，曾积极指导众多创业公司和其他加速器项目。他创办了以精益创业、产品管理、创业公司和企业家精神为主题的博客Instigator Blog（http://www.instigatorblog.com），并定期在创业会议上演讲。他也是天使投资人、连续创业者，具有15年以上的互联网产品运营经验。
目录  · · · · · ·
数据——精益创业里最不精益的工作　　xiv
序　　xvi
前言　　 xviii
致谢　　 xxiii
第一部分　别再欺骗自己了
第1 章　我们都在说谎　　2
第2 章　创业的记分牌　　7
第3 章　你把生命献给谁　　26
第4 章　以数据为导向与通过数据获取信息　　31
第二部分　找到当前的正确指标
第5 章　数据分析框架　　36
第6 章　第一关键指标的约束力　　45
第7 章　你所在的商业领域　　52
第8 章　商业模式一：电子商务　　60
第9 章　商业模式二：SaaS　　75
第10 章　商业模式三：免费移动应用　　88
第11 章　商业模式四：媒体网站　　97
第12 章　商业模式五：用户生成内容　　106
第13 章　商业模式六：双边市场　　117
第14 章　创业阶段的划分　　131
第15 章　阶段1：移情　　135
第16 章　阶段2：黏性　　171
第17 章　 阶段3：病毒性　　190
第18 章　阶段4：营收　　202
第19 章　阶段5：规模化　　215
第20 章　模式+阶段决定你跟踪的指标　　223
第三部分　底线在哪里
第21 章　我是否足够优秀　　228
第22 章　电子商务：底线在哪里　　245
第23 章　SaaS：底线在哪里　　250
第24 章　免费移动应用：底线在哪里　　259
第25 章　媒体网站：底线在哪里　　269
第26 章　用户生成内容：底线在哪里　　278
第27 章　双边市场：底线在哪里　　286
第28 章　没有基准时怎么办　　290
第四部分　应用精益数据分析
第29 章　进入企业市场　　294
第30 章　企业内部的精益之道：内部创业者　　310
第31 章　结语：超越创业　　325
附录　参考书目和延伸阅读　　329
索引　　330
· · · · · · (收起)
原文摘录  · · · · · ·  ( 全部 )
Many companies claim they’re data-driven. Unfortunately, while they embrace the data part of that mantra, few focus on the second word: driven. If you have a piece of data on which you cannot act, it’s a vanity metric. If all it does is stroke your ego, it won’t help. You want your data to inform, to guide, to improve your business model, to help you decide on a course of action. Whenever you look at a metric, ask yourself, “What will I do differently based on this information?” If you can’t answer that question, you probably shouldn’t worry about the metric too much. And if you don’t know which metrics would change your organization’s behavior, you aren’t being data- driven. You’re floundering in data quicksand. Consider, for example, “total signups.” This is a vanity metric. The number..