年后换了新工作，新的岗位是机会也是挑战，每日的忙碌中开始窥见“电商真谛”，可以接触到每日的关键数据，参与其中的讨论，带着思考和摸索开始一点点明白产品和运营的价值。
在大数据部门，除了日常的需求迭代及评审，包括所有的AB实验和数据增长效果。通过数据挖掘，进行分析，最终刺激业务正向增长。如《增长黑客》里面的团队组成：数据分析师、研发人员、产品经理、项目经理，数据驱动的工作方式，相比之前，更多的新奇和激动。犹如一个个点，需要将其串联，还好有这本书《数据掘金》，可以让你一点一点揭开神秘面纱。
这本书出版日期是2013年，谭磊前辈分享了他在业界的丰富经验和洞察力，非常有趣的一本书。围绕“电子商务运营”和“数据”两大主题层层展开和深入剖析。书中体会之处记录如下：
销售最简单的需求就是增加尽量多的新客户，留住更多的老客户（增新留老）。
营业额（GMV） = 访客数 x 转化率 x 客单价；
电商运营：（1）引进并提高流量（2）提高转化率（3）提高网站粘度（4）效果检测；
数据分析：对数据进行审视、清理、转化、建模和处理。
数据集成：将读个数据源中的数据结合起来存放到同一个数据存储中的过程；
数据清洗：利用有关技术如数理统计或预定义的清理规则对数据进行归一、去重、补全和纠错的过程，保证数据一致性、唯一性、完整性。
数据预处理：（1）处理缺失数据（2）去除重复记录（3）处理噪声数据（4）处理异常数据；
处理噪声数据----->数据平滑技术；
数据挖掘的过程：（1）信息收集（2）数据集成（3）数据规约（4）数据清洗（5）数据交换（6）方法选择（7）数据挖掘实施过程（8）模式评估（9）知识表示。
支持度：在数据集中包含某几个特定项的概率；
置信度：在数据集中移除出现A时，B发生的概率，A与B同时出现的概率/A出现的概率。
准确率：检索出的相关文档中正确的数字和检索出的总相关文档数字的比率；
召回率：检索出的相关文档舒和文档库中所有相关文档数的比率。
向上销售：根据用户过去的消费喜好，提供更高价值或者其他用以加强其原有功能或者用途的产品/服务。
交叉销售：从客户的购买行为中发现客户的多种需求，向其推销相关的产品/服务。
自然流量：通过免费渠道访问的客户。
跳出率：进入一个网站之后不再继续浏览，直接离开网站的访客比例。
二跳量：网站页面展开后，客户在页面上产生的首次点击；
客户生命周期：转化期--活跃期--流失期---衰退期。
RFM模型：Recency消费间隔时间、Frequency消费频率、Monetary Value消费金额
客户访问信息模型：人群属性、地域属性、时间属性、访问特征、访客来源特征、产品特征。
总体运营指标：流量指标（总体流量指标、客户行为指标（平均访问深度、平均停留时间、跳出率、平均访问次数、转化率））+业绩指标（总体收入指标、同比增长指标、环比增长指标、客户价值指标（升增客户数、平均复购率、客单价））。
品牌认知---->品牌比较---->品牌尝试---->品牌忠诚
CRM层级：（1）建立客户个人信息档案（2）建立客户消费行为档案（3）建立客户行为轨迹档案；
全书的最后部分是专有名词的解释，都是电商中常常被提及的词语，书中没有深晦的技术解释和大段代码注释，都是平实简单的举例和描述，以一个运营的角色，所应该具备的能力，所涉及的工作范围及关注的数据指标，层层引入，让你有一个系统的认识，大的框架和蓝图描绘出来，可以说是电商知识的串讲。之前一直只关注于研发过程，现如今从运营的角度再回过头看研发，突然开始明白前后的衔接和因果关系，为什么流量、转化率、客单价这些指标一直是公司高层重点关注的，为什么数据可以预测未来和指导整个供应链，所有的研发服务于运营，同时运营又更好的指导研发，一次次的以数据结果来驱动过程改进，客户价值提升，最终更好的实现组织的战略目标。觉得数据思维能力是如此的重要，作为一项核心技能，后面的项目和日常中不断经历和积累。数据之上，组织好信息，形成知识，深挖掘金。
