或许有的朋友已经看到我在朋友圈或者微信的分享了，没错，我的新书《网站数据挖掘与分析：系统方法与商业实践》终于出版了，想写点什么，作为过去这些年数据工作的总结，同时也希望为正在奋斗的数据工作者提供些借鉴。

首先谈谈这本书的定位。

这不是一本工具说，也不是一本纯技术书籍（虽然里面确实有些代码部署和相对专业数据工具的操作），这本书的重点是围绕企业应用实际，规划出工作框架，然后分解到各个支持和决策环节，最后应用一定的方法来实现目的。因此，整书的数据思路和意识其实是主要的，工具和方法都是辅助的。所以不用担心没有任何数据工作基础或者代码基础而看不懂这本书。

我从来都不认为，网站数据工作有多么的脱离数据工作体系。虽然网站数据工作是一条比较完整的数据工作流，可以相对独立的完成从数据的采集、存储、分析到应用的整个过程，但其实从存储开始的所有后续工作都已经在回归数据工作。因此，在其中场景分析和应用案例的部分，我加入了一些统计学和数据挖掘的模型到里面，相信这些一定会提升网站数据工作的“档次”和“价值”。

案例式教学，以前学习数据挖掘的时候，90%的书都是讲原理、工具或推导式，这是典型的学校式应试教育，学习完之后到底如何应用变成了问题。所以这本书的侧重点就是以场景和案例为组织思路，在什么场景下应该如何思考、选择和应用哪些数据工作方法（网站分析、统计学、数据挖掘方法），然后具体以案例的形式一步一步的讲解，这样才能达到“学以致用”的效果。毕竟，工作之后的学习目的性非常强，学习就是为了能提升企业内的应用价值，最终提升自己的价值。

其次谈谈读者买了这本书能获得什么。

单纯从价格来看这本书不便宜，但我希望的是能够真正让读者获得可以帮助自身提高价值的东西：工具层面上包括目前国内网站工作的所有主流网站分析工具（包括付费和免费的），思路层面上从前期数据定位、规划、应用到后期数据管理一条线全部下来，案例上包括完整8个大型案例以及在各个数据分析和挖掘方法中的小型案例。因此定价这本书集思路、方法、工具、案例和提升于一体，全书共460页，四篇，15章（其实真心比较厚）。

除了思想和意识的提升以外，还有些些实质性的东西可以落地：

• 案例。我不断强调的案例，其中几乎每一个都可以应用到所有企业实际工作，只要把案例拿过去改下数据源就可以直接赋值其工作方法和思路，这种案例的原始数据以及数据模型都在附件中（如果你没有找到，可以在点击《网站数据挖掘与分析：系统方法与商业实践》配套资源）
• 思路。数据分析工作者（包括网站分析）一定要有工作视野和思路，这些也都在书中有详细介绍，我不喜欢用高达空的东西来写东西，所总结的都是实实在在能用得上的经验。尤其是最后一部分的数据风险管理、质量把控、投入产出、流程和落地等内容，是所有大型企业一定需要重点关注和考虑的，如果想要获得进一步提升并在管理层站住脚，“多思考”永远是没有错的。
• 工具。虽然我不愿意过多强调，但工具确实是非常重要的载体。书中有对于网站和移动分析工具的介绍，如Adobe Analytics、webtrekk、webtrends、coremetrics、GA、piwik、Flurry友盟等，包括其定位、重点功能、不足以及如何选择这些工具等，这些知识是我站在一个第三方的角度去从应用和提升的价值上进行思考和总结的经验，不是纯工具和理论知识介绍。这种工具都是以实际操作为基础，因此具有非常高的实际价值。

最后谈点书籍之外的，也是我现在正在专注的东西。

期间有人问过我，也有我也跟很多人合作的时候体会到的：你把你的东西分享出去了，你以后怎么办？

每次被问到或者感觉到对方有这种想法时，都会不自觉地笑出来。我是这样考虑这件事情的：

1. 数据的工作尤其是互联网相关的知识更新非常快，即使你现在的知识有用，过1、2年还是那么有价值吗？与其白白让知识“过期”，为什么不趁着现在有价值的时候分享呢？
2. 如果我分享出去，别人都学会了，我怎么办？——我只能提高！因此，这是一种倒逼的方法：如果我不提高，别人都已经掌握了我现在的知识，那么我只有不断提升自己才能在行业内立足。
3. 互联网的精髓在于免费，我的知识很大一部分也是从互联网获得，取之于互联网然后返回于互联网，有何不可？其实，我特别想把很多东西公开并且免费，但是现在我还没有那个资本来做哪些是，主要是自己还没有达到财务自由的地步。现在我能做的就是把我的东西分享给大家，无论是博客、书籍还是其他，等到我自己有能力的时候，会做一些公开、免费的资源给大家来用，这是我的一个梦想。

所以，我真不怕分享，也不怕别人学去了。这是一件利人利己的事情。

回到正题，我在从业的过程中一直在思考，数据的价值到底在哪？如何才能把数据价值最大化？

数据的价值最初还是辅助决策，也就是用数据去帮助别人或者辅助别人做事情。这是现在90%的企业正在专注的事情，也是现状。这种现状导致数据的现实地位非常尴尬。在业务上，无法起到主导作用；在技术上，无法独立于技术而存在。那么这种地位，无形之中让数据工作处于可有可无的状态，这是非常危险的事情。所有的企业都希望企业中的每个细胞、每个个体都是不可或缺的，对于一个可有可无的状态的工作，是不是要保留？在保留的情况下，应该给与多大的价值认可？——如果有同学认为我说的是危言耸听，那么你们可以问问自己，如果把数据分析部门砍掉，企业是否无法正常运营？如果你的回答是肯定的“是”，那么恭喜你，但可惜的是这种企业太少，而且在中国现在还没有一家做成气候的。

所以，数据一定要脱离业务的辅助属性而真正存在。本质上，要把数据也作为一种业务实体，让它自己来独立工作。这就要求，数据具有比较好的自动化、智能化、系统化的工作机制，这也是目前数据智能工作的发展方向。再过几年或者十几年后，辅助类的数据工作很可能大部分被数据产品取代，因此数据的采集、存储、展现都是非常标准化的流程，唯一需要人工参与的只是“分析”，而所谓的分析完全可以把常用的“分析”方法和思路固定下来，只有到了特定的复杂场景或新出现的特别事件才真正需要“分析师”来参与。另外，如果数据已经发展到数据智能的话，那么这种流程完全也不需要人工参与了。数据完全可以代替人工进行日常工作。

那么现在的分析师未来会做什么？深度的数据挖掘分析、偏向数据产品的开发和维护、数据智能项目的开发和建设等。这也是我现在努力的方向。

无论在什么情况下，被需要才能体现价值。

——————————————————————————————————————————

 

最后，希望所有的数据工作战友既能立足于现在，又能把眼光放长远，如此才能获得快人一步的成长和收获。最后分享一点本书的图片，现在亚马逊电子书、亚马逊、京东、当当、一淘等均有现货。