文档介绍：学****文档 仅供参考
Data To The People 我们为什么要进行数据分析
本文 GrowingIO联合创始人 吴继业
数据像水一样，而水滋润万物，帮助万物生长。GrowingIO 这个名字诠释了生长，数据和循环。
哭了，被团队感动了。
从LinkedIn出来，我觉察每个企业都需要数据处理和分析服务，我们用SaaS服务解决企业的数据采集，整合，清理，分析的问题，我们想把这个流程自动化，为企业提供云端服务。让互联网企业能够在几分钟内就可以分析自己的业务。
三、如何破解传统BI的弊端？
数据采集
数据采集，是数据分析的第一步。
互联网和移动互联网的数据是我们关注的重点。需要不不同的数据源同的技术手段去采集数据，比方网页端的，iOS和Android。目前大部分的数据采集的模式都是埋点采集的模式，就是需要什么数据点就埋什么数据点。往往存在的问题是业务人员和分析师定义要什么样的数据，然后由程序员来埋点实现。
学****文档 仅供参考
程序员的主要职责是负责开发产品的功能与埋点做数据监控，但埋点不是他们工作的重点， 业务人员和分析师的工作重点是关心产品的用户体验，而不是像技术人员那样改代码埋点。
GrowingIO想推出的SAAS服务可以帮助业务人员直接在网页端，移动应用端上面定义数据点，而且立刻就能看到具体的浏览量和点击量。
数据整合
在很多互联网企业里，数据是分散存储的，但又是有紧密联系的， 搜索系统，订单系统，数据推荐系统，站内私信系统，聊天系统，库存系统，物流系统，售后服务系统，可能不在一个数据库中，是不同的Rest API、存储策略、数据源。如果让数据封闭在独立的系统中，不能和其他的数据整合进行数据分析，就不能知道企业数字化运营的全局，当然很多企业的管理者可以在高速成长期用拍脑袋来运营，然而在如今竞争激烈的“互联网＋” 时代，数据零散的分布会导致企业的生产力下降。
数据的快速增长和复杂性的提高，对数据的实时整合的要求也越来越高。如果可以接近实时地抽取数据，加上整合和企业相关的外部数据才能把企业的数据盘活，分析总体的情况，提取出高价值，为决策者服务。
数据清理
一切对数据的测量都需要有高质量的数据做保障，这个很重要，我觉得我工作中的50%以上的时间花在了数据质量上面。业务端，老板觉得转化率低了要查，高了也要查，每次询问，开始是被动地查，后来成主动地查，将来需要自动地查。人肉被动，主动，机器自动。每次查数据质量都是要追溯到数据源头。看master data〔例如统一的客户信息，产品信息等〕，看transaction data〔比方订单明细数据〕，验证业务指标的计算逻辑。逐步验证自己的假设，在一家公司做的久了，对数据熟悉了，对业务熟悉了，这样的事情才会做的有效率， 如果涉及到其他团队的问题，修复这个数据质量就需要更多的时间。
学****文档 仅供参考
Simon在去年CIO高峰论坛的时候提到过“Hamilton City”污水处理厂，”Garbage in, Garbage out”。数据本身就是脏的，如果不经过清洗，那么分析的结果也是大打折扣。因为世界是无序的，每个人写的日期都还会有不同的格式，就算格式相同，处理数据的时候我们会遇到很多数据类型错误，拼写错误， 精度错误，数值过大