由于数据是商业世界的通用语言，沟通和协调的工作可以全部由数据完成，从而极大地提高运营效率。
- 企业从挖掘到发挥数据价值，分为以下步骤：链路梳理、指标建立、数据采集、数据流动、数据分析、数据运营、价值输出。
- 数据分为五层：采集/获取、存储、展示、联结、智能。数据智能绝不仅仅是该层所代表的技术算法，而是各层彼此的递进整合，只有从第一层开始逐级做好，才能实现最终的数据智能。
- 大数据区别于非大数据的四个属性，即数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）及巨大的数据价值（Value）。
- 对于数据来讲，选择合适的方法和人才，以客观严谨的态度获取数据价值，才是最关键的部分。这一部分就是数据应用环节，而这一环节在数据发展至今一直被忽视，导致大量数据成本产生，却无法创造相应的价值。
- 为了让数据分析师的输出更有价值，企业内部最有效的做法是将数据分析师的绩效与其所支持的业务、项目目标达成情况“挂钩”，从而激发数据分析师的自我驱动力。
- 链路终点的目标与链路上所有的过程指标必须是关联的，即完成所有的过程指标，目标就会实现。
- 市场规模的关联因素有场景维度和商品维度。
- 覆盖率的核心指标有销售人员拜访门店总数、每日拜访门店次数、平均门店分销库存量单位（SKU）数。陈列的核心指标有主货架标准陈列占比、优胜店占比、旗舰店数量、形象店数量。新客的核心指标围绕新客招募，包括新客触达、新客转化等。业务健康度指标围绕销售人员的离职率、在岗天数、库存周转天数、费用使用情况及品类结构。
- 常用的协同业务的数据指标有目标（Target）、预测值（Forecast）和门槛值（短板值，往往是人力限制或者产能限制）。
- 预测值主要承担的职责为协调销售侧的卖出与供给侧的供应规模一致，减少库存周转，避免商品滞销。预测值准确率100%为最优。
- 在目前普遍供大于求的场景下，均为销售预测向后端提供的流程；只有在供不应求的场景下，才会演化为反向流程。
- 指标统一工作需围绕指标架构、指标设定、指标关联、指标树梳理、指标应用这五项基础工作。
- 通用场景下，经典的传统指标基本上可以解决80%的问题，如非特殊需要，比如只有用新指标才能发现和说明结论，就无须设定新指标。
- 在发展到一定规模后，数据运营所带来的效率提升是最大的盈利突破点。
- 坚定不移地做品质运营，才是面向客户做长期价值增长的稳健策略。
- 以典型的供应链企业为例，如何保证货物在交付环节中的品质呢？基本原则是减少握手环节。在供应链企业中，交付环节越少，对品质的影响越小。
- 零售业在国内的演变可以划分为以下三个阶段：以经销商为运营核心的分销阶段、以终端门店为运营核心的门店管理、以用户为运营核心的用户运营阶段。
- RFM中使用最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）来进行用户的分层。
- 核心还是“内化”，只有适合自己的才是最好的。模型千万个，大家都能用，为什么用了这些模型的企业只有一两家能杀出重围，核心不是模型多厉害，而是“内化”能力多厉害。
- 数据人才至少有以下三方面的价值：降成本、促增长、提效率。
- 数据人才需要横跨三个专业：数学、商科、计算机，同时需要结合理论、实践和应用。
- 不仅是互联网渗透率高的金融、零售等行业，还有互联网渗透率较低的传统行业，比如地产、建材等行业，都随着互联网的逐步深入，增加了对数据人才的需求。
- 企业把复杂问题交给直觉，而把简单问题交给数据分析师，这属于资源错配。
- 数据环境所在的阶段主要由数据量、数据更新速度、数据应用程度、数据应用能力来进行区分。
- 按照目前的数字化进程来看，可以真正应用人工智能的企业较少，场景主要在一个环节内，其瓶颈主要在于无法提供人工智能所需要的标记好的数据及巨大的数据量。
- 如果为了解决问题，不得不使用复杂的方法和方式，也需注意消化和抽离成最简单直接的内容，这是最考验分析师功力的，由简单到复杂，再由复杂抽离到简单。
- 可以结合动作的结论才是有用的结论。这里需要阐释一点，系统中有很多指标和数据，在真实的商业环境中，分析师必须指出哪个指标是现阶段最重要的，并可以从上到下以极简指标“击穿打透”。这一能力类似熟读兵书、对兵法倒背如流，在战争中是没有用的，通向战争胜利的往往是一条极窄的路，能说出决胜点的分析师才是真正可以在实战中拿到结果的分析师。而这个决胜点，最后的输出很可能只是一个简单决策，这一决策可以很快被解读并传播，被全体成员执行。
- 好的分析结论不仅极简，而且其对应的分析逻辑适用于不同情况。
- 直击要害，不打诳语—严谨客观的“机器脑”，情商爆表的“业务咖”，正直谦逊的价值观。是的，以上就是好的数据人员的画像。
- 用户数据库、商品数据库、交易数据库，也可以理解为被高度抽象化的人、货、场。这里的交易数据库包含物流在途、制造商出库、经销商买卖和消费者购买四个环节。
- 新零售的本质仍然是零售。线上线下的商业本质是一致的。
- 坪效是线下零售的硬性指标，指每平方米获得的营业额；坪效对应的线上指标是单坑产出。
- 线上用户运营由于有用户信息沉淀，相对具有优势，然而线下的服务体验也可以形成优势。
- 线上依托信息技术带来的高效率，在获得高额利润之后，为了拓宽版图，开始积极获取线下客流，并借助线下特有的服务体验，通过收购、合作的方式拓展线下版图，推进优势融合。
- 为什么他们能降维，除了信息技术代表未来，对比传统的线下企业，线上企业多了一个维度：时间。大部分线上企业依托背后的资本力量，可以做到在当下不盈利，在未来盈利。
- 在资本支持下的新零售浪潮，线上企业花着未来的钱来收购线下企业完成融合。
- 融合线上和线下的数字化进程，先从建立简单的用户数据库开始。与制造商、渠道商等多方开展数据合作。
- 零售行业、金融行业和出行行业是数字化发展最快的行业。
- 品牌就像一个真实的人，具有特征和性格，你可以感受到对他的喜爱或者不喜爱，是否认识他、了解他，看到他的名字，就可以联想到他是怎样的一个人。从知晓人的数量规模来判断知名度。联想度/关联度可以理解为品牌所带来的情感联系。区隔度可以理解为品牌的独特性和功能诉求。