|
|
# 国庆放送 | 书单推荐
|
|
|
|
|
|
你好，我是郭炜。今天是国庆节的第一天，在这里祝你假期玩得开心！
|
|
|
|
|
|
我看到留言区有同学问有没有数据分析思维相关的书单推荐，于是就有了这篇加餐。我重点挑选了几本看过觉得还不错的书籍，我会把我觉得很有感触的点列出来，希望你在假期休息之余，能够选到自己感兴趣的书来阅读一下。
|
|
|
|
|
|
## 《精益数据分析》
|
|
|
|
|
|
首先是我在之前也提到过的《精益数据分析》，这是一本当时让我惊艳的数据分析入门书籍。
|
|
|
|
|
|
“精益”是我非常认同的比较落地可行的创新实践思路。整体上我认为数据分析如果没有落地，那么本身是不具备任何价值的。这是我在过去的工作以及组织的开源社区、管理我的团队或和社区的用户交流中深刻体会到的。我想这也是每一个从事数据行业的人共同的梦想：让数据真的用起来。
|
|
|
|
|
|
《精益数据分析》这本书给出了非常实用的行业例子，从电子商务、SaaS、免费移动应用、媒体网站、用户生成内容、双边市场来分析需要落地的分析模式与指标。与其说是行业，不如说是商业模型，因为现在公司业务纷繁复杂，每个产品模块就是一种商业模型，所以衡量的指标也不同。
|
|
|
|
|
|
这本书里提到的“**唯一关键指标**”（One Metric That Matters）是我非常认同的观点，因为一个公司从管理上来说，看太多指标是很分散精力的，我们用“唯一关键指标”统一全公司的思路，从老板到员工每一个人都要对这个指标负责，这样才可以力出一孔，让公司整体业务增长起来。
|
|
|
|
|
|
我推荐这本书还有一个原因，是因为它不仅给出了你要去做什么，更给出了“底线”。也就是什么时候我们该停止，或者当哪些指标出现异常的时候我们需要重点关注。
|
|
|
|
|
|
我把这些指标叫做“卫生指标”，意思就是说如果这些指标做得好，就像一个房间卫生打扫得比较干净，大家不会觉得如何。但是如果这些数据表现很差，就好比屋子里脏乱差，那么你的用户、投资人都会离你而去。所以，这些指标并不是“唯一关键指标”但它们一旦出现问题，就代表公司整体趋势出现了比较严重的问题，这个时候一定要追查到底。
|
|
|
|
|
|
总之，如果我只推荐一本数据分析行业的入门书，《精益数据分析》非他莫属，推荐你假期有时间的话，一定要看一看。
|
|
|
|
|
|
## 《刷新》
|
|
|
|
|
|
数据驱动就是用结果说话，这句话说起来容易做起来难。其实每一个数据驱动的分析师、科学家甚至CDO（首席数据官）在内部推动变革时都会遇到各种各样的艰难险阻，每次我遇到挑战的时候，我就会想起《刷新》这本书。
|
|
|
|
|
|
《刷新》一书的作者是微软现任CEO萨提亚·纳德拉，书里面主要是他做CEO时的整体的经历，看似非常琐碎的一些记录背后，其实记录了他一个人如何撬动微软这头大象，将这么一个拥有众多天才的公司重新回到具有“生机”的创新公司轨道上。
|
|
|
|
|
|
他写这本书的意义也是在于把他的价值观和企业文化，传递给每一个微软以及和微软相关业务的人。这让我非常佩服，因为在同周期内，IBM依然徘徊在探寻新业务的轨道上，国内也有非常多的企业在面临类似的困境，一个强有力的推动者和合适的方法以及坚持是非常重要的，如果你在面临一些工作里的抉择，在推动某事遇到了瓶颈，不妨看看这本书。
|
|
|
|
|
|
> 在2014年2月被任命为微软第三任首席执行官时，我对公司员工表示，重塑企业文化将是我的首要任务。我告诉他们，我将不遗余力地清除创新障碍，让公司重新回到先前的轨道上：继续以改变世界为己任。当我们将个人热情与更广阔的目标结合起来时，微软就会处于最佳状态。
|
|
|
|
|
|
## 《原则》《一网打尽》
|
|
|
|
|
|
一个企业的没落往往根本原因不是具体业务的没落，而是企业文化的没落。所以，我们的使命是把数据分析的思维贯彻在企业每一个人心中，让它成为企业文化的一部分。这样，未来推动数据驱动实验才会得心应手。
|
|
|
|
|
|
在我喜欢的《原则》这本书里，也提到文化和人加上企业这个规则的机器，是构成企业的主要要素，我非常认同这一点。如果要改变一个企业，首先要从文化入手，如果人心无法聚拢，那只会变成一个员工没有使命感的企业，挣钱再多也只是一时，不能长久。数据驱动要落在人、文化、规则上才可以把一个企业变成数据驱动的企业。另外，《原则》这本书如果你没有入手，光看目录可能很容易让你觉得“原则”太多，我个人建议你可以看看导言部分再下结论。
|
|
|
|
|
|
同样，说到数据驱动的企业，不得不提亚马逊，《一网打尽》这本书采用的是传记式记录方法，每一个细节都追求真实和透明，你可以从这本书里身临其境地回到亚马逊决策的那个时代，体验当时亚马逊的艰难选择。
|
|
|
|
|
|
在书中我看到了亚马逊公司对人的尊重。AWS并非产自亚马逊的美国总部，而是亚马逊南非办事处。这怎么回事呢？在2004年末，亚马逊IT基础部总监 Chris Pinkham 想要陪家人想要回到祖国南非，普通公司可能只会是祝福，但亚马逊当时的CTO很尊重Chris这个人才，于是在南非开设了办事处，并建立了基于Xen的内部服务，最终演化成为了Ec2，然后是S3。当时这个办事处啊不过十几个人，在业务验证后迅速扩大了规模。如果没有对人才的尊重，世界上恐怕就没有AWS这个改变世界的王者了。
|
|
|
|
|
|
“一心为顾客着想”在亚马逊是一个核心价值观，亚马逊为此甚至不惜和供应商对簿公堂，得罪所有的出版商也要做出Kindle。但也正是这一举措，让亚马逊积累了大量的客户。
|
|
|
|
|
|
只有把对人的尊重贯彻到企业中，才会有源源不断的核心人才加入。我们做数据分析的时候也是如此，最终的目标和价值观是什么？**我们是真的数据驱动，还是“驱动”数据完成老板要达成的业绩？很多时候，真实的数据分析是很得罪人的，但是只有真实才可以让整个企业真正进步。**
|
|
|
|
|
|
## 《从优秀到卓越》
|
|
|
|
|
|
我们现在耳熟能详的“飞轮效应”、“亚马逊的价值观”、“AWS”都不是Day0想出来的，这些模式都是由市场和需求驱动着人们去思考商业解决办法，然后二次整合总结出来。
|
|
|
|
|
|
其中“飞轮效应”其实是亚马逊在经过各种碰壁之后发现了可以增长的市场，事后由吉姆·科林斯在《从优秀到卓越》当中总结出来的。在这本书里你会看到，谨慎留下管理和技术债，在市场驱动下高速发展才是硬道理，不要预设模型去套现在的市场和自己的企业。
|
|
|
|
|
|
这和做数据分析思维一样，我给你讲的也只是数据分析思维的一种套路，数据分析思维留白是很多的，你不要拘泥于我所给出的方法。**所有的招式都是在若干次成功之后总结出来的，是不是适合你的场景，并不一定。所以这需要你从这门课当中边学习边和同学讨论，还要多反思，最终希望你能够“无招胜有招”。**
|
|
|
|
|
|
## 一点题外话
|
|
|
|
|
|
我曾经和朋友吃饭时聊到，一个技术人的正常路线是技术架构->技术总监->技术VP->CTO。但如果你想转型做业务，还有一条路线更适合你，那就是技术开发->数据分析师->数据运营总监->CDO->COO->CEO。因为深入数据的过程其实是一个深入业务的过程，技术人员天然理解数据，有强大的数据分析和算法能力，你可以“跨界打击”。
|
|
|
|
|
|
但这就要求你在深入了解数据分析思维的同时，更理解业务。技术人员走上数据分析的岗位，会让你必须得深入理解业务背后的本质，更了解公司的商业模型，逐步走向业务运营的岗位。再加上你的管理技能，你的“码农”职业瓶颈就被打开了。在[21讲](https://time.geekbang.org/column/article/418334)的附录里，有这个职业发展路线，你要是记不清了，可以回过头去参考一下。
|
|
|
|
|
|
我在附录部分也给你放了一些数据方面的参考书，希望你在学习之余多阅读，多拓展自己的认知边界。另外，如果你有其他感觉不错的书，欢迎在留言区评论，我们一起互相丰富书单。
|
|
|
|
|
|
最后再次祝你节日快乐！
|
|
|
|
|
|
## 附录
|
|
|
|
|
|
《看穿一切数字的统计学》\[日\] 西内启
|
|
|
|
|
|
《统计数据会说谎》\[美\] 达莱尔·哈夫
|
|
|
|
|
|
《如何用数据解决实际问题》 \[日\] 柏木吉基
|
|
|
|
|
|
《简单统计学》\[美\] 加里· 史密斯
|
|
|
|
|
|
《魔鬼数学》\[美\] 乔丹·艾伦伯格
|
|
|
|
|
|
《黑天鹅：如何应对不可预知的未来》（升级版） \[美\] 纳西姆·尼古拉斯·塔勒布
|
|
|
|
|
|
《随机生存的智慧：黑天鹅语录》\[美\] 纳西姆·尼古拉斯·塔勒布
|
|
|
|
|
|
《反脆弱：从无序中受益》\[美\] 纳西姆·尼古拉斯·塔勒布
|
|
|
|
|
|
《终极算法：机器学习和人工智能如何重塑世界》\[美\] 佩德罗·多明戈斯
|
|
|
|
|
|
《怪诞行为学》（新版）\[美\]丹·艾瑞里
|
|
|
|