每个有抱负的企业家都知道，创造没人想要的东西是个致命的陷阱。这就是我们为什么必须进行正确的数据分析。 《精益分析》（Lean Analytics）一书为创业者评估成功提供了一些良好的指标。

朝着正确的方向，然后数据驱动

数据对业务至关重要。企业家需要用数据来说服别人。有时候，企业家往往高估自己的成功，但数据不会撒谎。它可以帮助创始人脚踏实地。但是，追求什么数据的个人判断也很重要。企业家不应该只是做数字的奴隶。

什么是好的指标？

为了收集数据，你需要找到一些可以提供有意义数据的指标。 好的指标具有三个特征：

• 可比较的：一个好的指标可以在不同时间段，消费者群体之间进行比较
• 可理解的：良好的指标简单易懂
• 比率：指标通常是比率，因为比率有效且具有可比性

初创企业将经历的五个阶段

• 移情阶段——确定人们的需求，确定你的小众市场
• 黏性阶段——找出如何满足需求的产品，把用户留下来让他们反复使用
• 扩散阶段——加能够吸引人的功能
• 营收阶段——业务开始产生收入
• 规模化阶段——扩展或打入新市场

专注于一个指标

为了取得成功，创始人必须专注于最关键的一项指标。知道什么是最重要的指标可以防止你迷失在数据世界中。

最好的指标是什么？

从来没有统一的最佳指标。在不同的行业中，最佳指标有所不同。对于电子商务公司，最重要的指标是每位客户带来的收益。但对于媒体网站，最重要的指标是点击率。

Uber 在 2014 至 2018 年间造了不少的轮子，比如服务发现的 Hyperbahn, 任务队列 Cherami, 基于 MySQL 的 NoSQL Schemaless, 资源调度器 Peloton, 服务部署平台 uDeploy 等等。如今 Uber 裁员甚至裁到了工程团队上，股价低于15年的估值，到底造这些轮子是功是过？创业公司应该招人造轮子还是应该拿来主义？

管理是个金字塔，花花轿子人抬人，人是靠人顶上去的，任何管理者的政治素养第一课就是把手下的人招的多多的。招大量的工程师在 VC 投钱的公司来讲也是一个有意思的指标，因为投资者不懂技术，而认为人头数多的公司自然发展的更好。

所以很多人都有为自己多招人的动机，而如何衡量这个动机的正当性呢？这个对于机械性的工作，比如在工厂，是比较简单的，因为产出是直接可衡量的；而脑力工作则不好说，尤其是写代码这种事情。比尔盖茨说，靠代码行数来衡量开发进度，就像是凭重量来衡量飞机制造的进度。我甚至听说，谷歌有专门的组来计算每个组对于公司的贡献程度。

管理者喜欢招人，工程师喜欢造轮子。一方面，创造者天生享受创造的乐趣；另一方面，工程师可能会有要不得的 ego 觉得，如果用别人的技术，岂不是显得我的技术不行。管理者提供“想要什么”，工程师提供“想做什么”，做出来的东西是这两种力量产生的结果。

比如，老牌零售公司请了来自硅谷的新 CTO，新 CTO 招大量 Engineer 做项目，并坚称一旦找到了好的人才，就能够带来有用的项目。他还想要把一些内部软件打包卖服务，尽管这些服务还是跑在一个大型主机上。CTO 还真信这一套。这里的关键问题是，做这些事情到底有没有 ROI （投资回报）？

如果 ROI 没法预先知道，那么如何有效地平衡按需招人和浪费资源呢？答案是注重“打造用于概念验证的原型产品 (POCs)”。用最小的投入来试水，管用就多招人，不管用就不招人。

如果 ROI 能够预先知道，那么答案就是一个简单的算术题。比如 HipChat 每个人每月收 $5, 然后 Uber 有 6 万全职员工和合同工，那么一个月的服务需要花 30 万，而招一个工程师去拿开源的 Mattermost 来魔改的话，每个月只需要付 3 万。那么"自己造轮子"省钱能省到大概是原来的五分之一到十分之一。

也有造了很多轮子，同时又发展得特别好的公司，在其中强力的管理和工程文化起到了很重要的作用，他们推崇简单至上和技术责任感。如果外部现成的轮子功能专一、方案成熟，他们会拿来即用；如果外部现成的轮子什么都做、复杂不可控，他们会自己造轮子。我记得当初 Uber 没有第一时间采用 Cassandra 的一个重大原因就是公司里面没有 Apache Cassandra 的内部人士，技术不可控。

简单至上四字箴言与注重细节并不冲突。比如你可以先选择昂贵笨重的来自微软、SAP 甚至甲骨文的 ERP，然后在跟你业务结合紧密不得不做特殊处理的地方，自己写一些服务，但是要保证服务短小精悍易于维护。而那些新一代的创业公司做 ERP 的时候不注重细节，连最重要的“审计”功能，比如会计里面的复式记账，都做不好，是他们失败的重要原因。

为什么会有经济周期

市场是由一个个交易组成的，在交易中，一个人的支出就是另外一个人的收入。

一个人可支配的支出包括“钱”和“信贷”。一个人的“收入”增加，有越好的偿还能力，“信贷”就可以增加，“支出”可以进一步增加。适度的“信贷”有助于提高生产率。

在经济增长曲线里

1. 生产率是平缓上升的。
2. 而借贷有周期。短期债务周期一般 5-8 年，由央行控制。
3. 因为人们喜欢借钱不喜欢还钱，导致在长期内，债务增加的速度会超过收入，进而还形成长期债务周期。

债务和收入的比率叫债务负担。债务负担过重，达到长期债务的顶峰，经济进入去杠杆化时期（美国二三十年代大萧条、日本八十年代大萧条、2008 年全球金融危机）。

去杠杆化有四个手段：1 削减支出、2 减少债务、3 财富再分配、4 发行货币。

最后的建议

1. 不要让债务的增长速度超过收入（太多的债务负担会把你压垮）；
2. 不要让收入的增长速度超过生产率（会让你失去竞争力，公司雇佣别人的性价比更高）；
3. 尽一切努力提高生产率（在长期内起最关键作用）。

当你知道该往哪走的时候，往往已经太迟了；如果你总是坚持最初的道路，你会错失通向未来的道路。

查尔斯·汉迪是通过"戴维酒吧"类比的：在通往"戴维酒吧"的路上，距离它还有半英里的时候向右转上山。然而，当他意识到走错路的时候，他已经到了"戴维酒吧"。

增长曲线通常是 S 形的，我们称之为 S 曲线。为了让增长率能够一直高涨，你必须在还来得及的时候，投入时间和资源，发展出第二条 S 曲线。

英特尔的 CPU，奈飞的视频流，任天堂的游戏，微软的云，都是这种第二曲线驱动的业务的绝佳例子。

怎样才能发现和把握第二曲线呢？你得输入更多信息，辨别好坏，甄别机会。然后一旦机会出现，有一个强有力的团队打硬仗，才能回答是否真的找到了第二曲线。

过去让你成功的原因也许不会让你在将来再次成功，增长总是有极限。第二曲线理论帮助我们反思为什么以及如何拥抱变化过更好的人生。

Facebook 的增长 VP Alex Schultz 曾经跟 Mark Zuckerberg 讨论为什么他们会成功。答案不是因为他们绝顶聪明，也不是因为他们经验丰富，而是因为他们非常努力，执行力超强。与执行力比起来，增长反而是可有可无的。因为道理大家都懂，差别就是人有没有快速执行。

执行是一件很难的事情，增长执行失败有十大原因。

1. 没有从注重留存开始。没有留存的增长就像是麦田的火环，总会被烧完。增长没有留存就没有 PMF。达到PMF的标志是 cohort analysis 的留存率曲线最后是平的。

2. 认为产品就是一切。基于这个错误的观念，人们会错误地倾向于“做更多”的产品，而不是把现有的产品“做更好”。而增长是一个“做更好”的过程。 builder 喜欢造新东西，但是你作为领导要确保他们能够至少一部分地为结果负责。

3. 想要找到银弹。好的产品是花时间花精力在细节上打磨出来的，不是变戏法变出来的。好点子是点子多的副产品，你没法控制找到好点子的结果，但是你构建一个能够让更多好点子冒出来的流程。

4. 不够专注。见人就砍，而不是先砍死一个再砍一个。怎样突破这里的门槛效应？记住两点1）大多数的公司的主要规模来自于单一渠道2）规模化就那几种方法，选一个。

5. 数据不够，分析不够。这里的难点是很难量化数据分析的产出，所以你要坚信这件事情是非常有价值的，它能够让你做正确的选择。

6. 实验不够，远远不够。Hubspot 半年跑了上千个实验。

7. 不问为什么。一个实验结束效果不好就换下一个，没有问为什么。

8. 有了成效不加注 （double down）。如果你发现某个渠道效果非常好，还没有用到尽头，要继续投入。Zynga 发现一个游戏中的虚拟礼物非常挣钱病毒营销效果非常好，就立马把这个功能加到所有游戏中。

9. 资源投入不够。增长需要专门的组来做。

10. 没法拥抱变化。公司的增长通常会经历三个阶段：Traction, transition, growth 一个阶段的原因不会帮助你在下一个阶段成功。