Growth hacking的核心之一就是数据分析。数据分析这个事，就是给产品建立一套指标（metric）体系，就好比健身要量三围，测体脂率，肌肉维度，环绕身体的各个部位全方面得量化一遍，这样我们就清晰了解了身体的现状构造，于是便可以着手设计健身策略。同时，我们则可以根据指标的变化，来量化每个月锻炼的效果；并且专注于某个指标，来为整体计划设立优先级。林林总总，数据化的好处多的很，都可以类比到产品的设计中去。
大略的说，数据分析的主要就是三个用处：1，运营监控；2，产品优化；3，商业决策。
然而，你把数据分析掰开来看，其实都是零敲碎打的活。A/B测试来看哪种登录页的改版好，使用推送策略来唤回用户，分类识别来寻找aha moment等等。确切的说，都是相当有用的增长方法。但是数据分析手段大部分都是一种“验证”作用。Hotmail在邮件尾部添加一句话，搞得风生水起，这个点子是数据得来的吗？Snapchat大热于青少年之间估值30亿美金，这个需求是靠数据分析出来的么？对于产品来说，提升MAU是理所当然的，但是如何提升？具体设计什么样的feature，采取怎样的marketing才能提升？就是艺术了。数据都是死的，而人在商业中创造的solution才是最酷的。
俞军的产品方法论第一条深得我心，用户价值=（新体验 - 旧体验）- 换用成本。这世界上有多少莫名其妙的产品试图去满足子虚乌有的需求，这种产品给用户的价值简直就是负值。而如何创造一个伟大的产品，则是真心无法找到范式。就像唯品会最近面临80后老用户流失，90后新用户留存低的问题，数据就这样非常辣眼睛的摆在面前，公司使用了各种营销策略依然不见成效。所以说，知道现状，识别出了问题，但是想要切实得找到办法解决问题，实在是相当难的事情。
对于数据分析的局限性，《精益数据分析》里说的相当好，“依靠数据的优化只能做到局部的极限，但数据不会告诉你如何从马车跨越到汽车”。一言以蔽之，数据负责验证，人类负责灵感。虽然对局部优化之事总感到细碎而无趣，但是确切无疑的是，如果产品具有相当的潜力，那么数据分析所能优化的空间则为相应更多。所以说数据分析师想要有卓越的简历，去找个初期的Dropbox吧:) 这样你就是黑客增长的第一人了哟。
