致謝
這本書能夠與讀者見面，得益于我有幸遇到的卓越人物。
首先，要感謝幫助我建立數(shù)據(jù)素養(yǎng)的人。我要感謝 Michael Truffa，他在十年前就看到了機器學習的潛力，并在全球范圍內領導團隊轉型，讓我從關注因果關系轉向關注模式識別。還要感謝張晨，他啟動了京東大腦項目，在全公司范圍內推動了數(shù)據(jù)與業(yè)務的融合，因為我有幸參與了這個項目，從而見識到數(shù)據(jù)在釋放生產力方面的巨大潛力。還要感謝碧波，他帶領團隊挺進無人區(qū)，挑戰(zhàn)行業(yè)頑疾，不斷打破邊界，教會我探索未知領域的基本技能。此外，還要感謝那些未曾親見的行業(yè)引領者，特別是陸奇、吳恩達、吳軍，他們對這個世界的不懈探索和睿智指導，激勵著所有從業(yè)者不斷向前邁進。
然后，要感謝在工作中給我支持和指引的人。在數(shù)據(jù)驅動的世界中，得到業(yè)務一把手的支持需要靠實力，也拼運氣。如果業(yè)務領導不關注效率，那么提升效率就無法得到有效的資源支持，從而變得無從發(fā)力。我要真誠地感謝大羅，他以技術和數(shù)據(jù)為驅動，打造了一家備受尊敬的教育公司。他的努力使我們有機會優(yōu)化運營效率，并深入研究數(shù)據(jù)驅動的學習方法，不斷探索新方式來提升學習效率和教育效果。
同時，需要衷心感謝 Joe 和娜姐，他們始終堅持以業(yè)務結果為導向，聚焦業(yè)務增長、用戶體驗優(yōu)化與運營效率提升，他們引領業(yè)務向前的卓越的領導力使我們在數(shù)據(jù)驅動業(yè)務的路上走得更加堅定。也請允許我跨時空向暴躁的貝多芬和米開朗琪羅、俊美的羽生結弦、神奇的馬斯克致敬，他們不妥協(xié)的精神鼓舞我前進；感謝 UCLA 的傳奇籃球教練約翰·伍登，感謝傳奇足球教練若澤·穆里尼奧，教會我?guī)ш犠鲬?zhàn)的基本原則。
第三，要衷心感謝一路關注與支持我的良師和益友。晶晶把每一位成員培養(yǎng)為準團隊領導者的實踐，為我較快地成長為團隊負責人奠定了基礎。溫文爾雅卻從不妥協(xié)的 April（李萌）讓我親眼見證了基于信任的、溫柔卻堅定的領導力。我還要感謝謝大人、小鵬總、罡叔和大寬，他們雖然在批評時從不手軟，但在真的需要幫助時從來不吝惜援手。感謝有趣而充滿活力，并時常用獨到的視角觀察世界的 Amy（阿溥）、郭麟、元奎，雖然我們共事時間不長，但他們總是以真誠和開放的態(tài)度與我互動，使我始終保持對前沿科技與業(yè)界最佳實踐的敏銳。感謝給力的合作伙伴亮哥、文帥、俊辰，他們深厚的技術功底和始終秉持合作的團隊精神讓合作順利而高效。還要感謝我親愛的海蘭姐、雪蓮姐、Sue 前輩、金聞前輩、美麗的翠銘和彩文，在職業(yè)發(fā)展的各個階段都給予我指導和建議，監(jiān)督和引導我做出更好的決策，使我敢于挑戰(zhàn)許多我曾經認為不可能的目標；也要感謝牙牙、劍瑩、靜靜、蘭蘭、長祐、金成、大吉、崇蘭、美玲、金靖和虹虹，在這紛繁復雜的世界里始終堅守初心，與我并肩抵抗日常的損耗。
第四，感謝那些始終不離不棄的團隊小伙伴們。我要特別感謝親愛的丹陽、令彤、宇帆、熙若、佳琪、小蘑菇、何雨、麒粱、侯睿、興權、孫暢、丹丹、佳佳以及其他所有團隊成員，他們一直以來的支持和合作讓我深感溫暖和感激。他們跟隨著我一路前行，而這并非總是一件輕松的事情。正是他們出色的技術儲備和卓越的職業(yè)素養(yǎng)，使我們得以肩并肩，為團隊的共同目標努力奮斗，不斷打怪升級。我也要特別感謝程露、Kathly、Samuel、Lody、東杰、明偉，是他們的專業(yè)素養(yǎng)、協(xié)作精神，提升了跨端、跨職能部門協(xié)作的確定性，激發(fā)了更廣范圍內的合作動力。
第五，特別感謝呂云彤，我完全出于自愿主動地為她寫單獨一行。
此外，我還要感謝素未謀面的 Jana Schaich Borg 教授（杜克大學）、Paul Bendich 教授（杜克大學）、Gilbert Strang 教授（MIT）、Ben Polak 教授（耶魯大學）、Stephen C. Stearns 教授（耶魯大學）、Hsuan-Tien Lin 教授（臺灣大學）、Scott E. Page 教授（密西根大學）、吳恩達教授（斯坦福大學）、Robert Sapolsky 教授（斯坦福大學）、Esther Duflo 教授（MIT）、Benjamin Olken 教授（MIT），感謝他們無私分享知識和經驗；也要感謝 Cousera、Edex 等在線教育平臺提供了幾乎所有我想學的課程，同時感謝 B 站的小蜜蜂們孜孜不倦地搬運優(yōu)秀學習資源。
最后，由衷地感謝王中英老師。她以出色的編輯能力和專業(yè)素養(yǎng)，以及對細節(jié)的嚴謹把控和耐心的指導，使語言的力量得以釋放。若不是王中英老師的認真與耐心抓住了我跳躍的思維，這些信息可能只會止于我的個人經歷，無法以一種通俗易懂的方式傳達給其他人。我希望能有更多機會與她合作，共同創(chuàng)造更多優(yōu)秀的作品。
借用后濱老師的話結尾：時代的局限才是真的局限。只要不是時代的局限，就不是局限。
感謝卓越且認真的你們。

前言
寫作理由
寫書的過程比我預想的更加艱難和耗時，但我堅持下來的主要原因有以下幾點。
首先，我發(fā)現(xiàn)在大多數(shù)業(yè)務場景下，數(shù)據(jù)驅動的運營效率遠高于單純依賴領域經驗的運營效率。我掐指算了算，自己從京東到華為、VIPKID、火花思維再到滴滴，從事互聯(lián)網數(shù)據(jù)分析已經快十年了。我做職業(yè)規(guī)劃時有意識地做了領域交叉，從需求側到供給側、從互聯(lián)網到傳統(tǒng)企業(yè)、從國內市場到國外市場均有涉及。雖然每次遇到的具體問題都有所不同，但回顧過去的經歷，我發(fā)現(xiàn)在每個領域都證實了業(yè)務領域與數(shù)據(jù)科學的結合可以釋放巨大的生產力。數(shù)據(jù)在某種意義上是客觀世界的映射，數(shù)據(jù)驅動實際上就是借助客觀世界的映射來推動業(yè)務發(fā)展。相比之下，人的經驗參差不齊。如果舊知識和客觀世界的映射相沖突，客觀世界就會占優(yōu)勢。因此，我認為數(shù)據(jù)驅動的價值在于讓我們盡可能接近客觀世界，從而做出更符合客觀世界的決策。而這種決策也必然更有利于我們創(chuàng)造價值，這也是我喜歡數(shù)據(jù)的原因。
其次，我發(fā)現(xiàn)數(shù)據(jù)驅動業(yè)務的經驗是可復制的。根據(jù)事情的確定性，我習慣性地將事情分為兩類：一類是探索型的、創(chuàng)造性的，即這件事情沒有發(fā)生過，也許理論上可行，但還沒有人實現(xiàn)過。例如馬斯克的 SpaceX 和特斯拉，這一類事情的不確定性極高，只有少數(shù)人才有做成這一類事情的能力。另一類是有邊界、可描述、之前發(fā)生過的事情。這一類事情具有相對高的確定性，面對這類事情，要求參與者通過不斷地學習最佳實踐來實現(xiàn)價值創(chuàng)造。這兩種價值創(chuàng)造方式都是有意義的，前者需要一些天賦且未必能做成，但會增加這個世界的可能性；后者則需要不斷努力和學習才能達成，會提高這個世界運轉的效率。數(shù)據(jù)驅動業(yè)務屬于后者，通過不斷努力和學習是可以達成的，且能提高實現(xiàn)新可能性的效率。
最后，我認為現(xiàn)在是一個非常適合共同擁抱數(shù)據(jù)的時機。《十四五數(shù)字經濟發(fā)展規(guī)劃》將數(shù)字經濟提升到國家戰(zhàn)略的層面。ChatGPT 的出現(xiàn)讓我們重新審視了數(shù)據(jù)和人工智能的巨大潛力，我們必須應對接下來可能發(fā)生的范式轉移的變化。耶魯大學的 Stephen C. Stearns 教授在總結進化史中的關鍵事件時，提到了生命的起源、原核生物的循環(huán)、真核生物的出現(xiàn)、光合作用和多細胞生物的出現(xiàn)等幾個標志性的事件，并總結了幾次關鍵進化中出現(xiàn)的共同原則：進化的瞬間會伴隨層級的增長，層級復雜之后會伴隨新的社會分工，信息傳輸系統(tǒng)將會發(fā)生巨大變化。通常在形成更高層級的過程中，上一個級別需要合作才能組成更高級別的單位，從而實現(xiàn)新的系統(tǒng)功能。隨著 AIGC 的出現(xiàn)，現(xiàn)在看起來似乎不僅僅是人類會主動產生內容，算法也可以。而且基于人類的創(chuàng)造系統(tǒng)與 AIGC 的創(chuàng)造系統(tǒng)之間也可能存在某種協(xié)作與競爭。從微觀上看，熟悉數(shù)據(jù)會給個人帶來一定的競爭優(yōu)勢；從宏觀上看，它可以提高我們的合作程度，提高我們作為一個整體系統(tǒng)在競爭中的表現(xiàn)。
寫作思路
數(shù)據(jù)驅動業(yè)務本身是一件復雜的事情，成敗受諸多變量影響。作為核心的驅動源，BI 團隊的核心競爭力不僅僅是代碼效率，更重要的是團隊可以用數(shù)據(jù)的視角觀察世界。BI 團隊能找到多少數(shù)據(jù)驅動業(yè)務的機會點，能把握多少機會點、把握到什么程度，基本奠定了數(shù)據(jù)驅動的深度和廣度。
鑒于此，本書主要從數(shù)據(jù)的視角出發(fā)，引用電商、教育、外賣實操經驗，帶讀者一起挖掘可以提高業(yè)務各環(huán)節(jié)效率的支點，例如通過數(shù)據(jù)提高決策質量、驅動增長、強化價值主張、提升盈利能力、改善用戶體驗、實現(xiàn)風險控制等，并盡可能包含常用的思維模型、算法模型、決策模型，以及 BI 團隊與業(yè)務、產品團隊協(xié)作并影響業(yè)務決策的方法論。
這本書的寫作思路是按照我從零搭建數(shù)據(jù)分析團隊，并帶領團隊在公司內實現(xiàn)數(shù)據(jù)驅動業(yè)務時需要做的決策、完成的任務來梳理的。全書分為四部分：
● 第一部分（第 1、2 章）為 BI 概述與團隊組建，從介紹 BI 分析的基本概念說起，包含 BI 職責與數(shù)據(jù)驅動的概述，以及組建團隊時需要考慮的能力模型、團隊選型、團隊管理。
● 第二部分（第 3、4 章）為 BI 體系搭建基礎知識，包括數(shù)據(jù)獲取與管理，指標體系的概念、設計模型與使用場景。
● 第三部分（第 5 ～ 9 章）為 BI 創(chuàng)造價值專題，包括增長、價值主張、盈利、體驗、風控五大專題。
● 第四部分（第 10、11 章）為回顧與展望，從衣、食、住、行、學五個方面回顧數(shù)據(jù)已經帶來的變化與未來可預期的變化，最后從進化的視角探討應對人工智能范式轉移的策略。
對于想要通過數(shù)據(jù)驅動業(yè)務、改善決策質量的互聯(lián)網從業(yè)者來說，本書應該是一本非常實用的參考書。對于非互聯(lián)網領域的從業(yè)者，如果希望通過數(shù)據(jù)驅動來推進企業(yè)數(shù)字化轉型或提高運營效率，本書也是一本有價值的參考書。
感謝本書的合作者：呂云彤、孟令桐、李丹陽、楊文帥、陳翠銘、韓彩文、呂晶晶和樸元奎。
只要有無效的市場存在，就有技術和數(shù)據(jù)可以提效的空間。希望通過本書內容的分享，降低數(shù)據(jù)驅動業(yè)務的認知和操作門檻，讓更多領域都能開出數(shù)據(jù)的小紅花，實現(xiàn)更廣范圍的數(shù)據(jù)驅動業(yè)務。
都美香
2024 年 1 月