邏輯盲點。物理盲點是指在數據庫中不存在這樣的數據，即企業沒有收集到應該收集的數據，這一類數據問題的產生通常是數據收集策略出了問題。邏輯盲點是有數據，但沒有被很好地發掘出來。數據邏輯盲點的出現與數據分析師或數據使用者的經驗和敏感度有關。

　　除了這兩種，還有一些人為制造的“盲點”，比如故意把數據進行掩蓋，或者人為地調整數據口徑。是否看到數據盲點價值的核心是有沒有看到應該看到的數據，有沒有錯失不應該錯失的數據。

　　8、阿里巴巴的大數據實驗

　　一個人在注冊某一個網站的時候，性別登記只會是男性或者女性，阿里巴巴竟然有18個標簽!阿里巴巴的內部數據化運營流程是：例如，要為一個童裝類目做營銷推廣以征集新客戶，會先找到目標客戶群，把這個類目感興趣的消費者用標簽找出來，通過發郵件或短信吸引其關注。

　　數據從“用”上升到“養”，即運營數據。例如，會嘗試在整個淘寶中查找，針對12歲年齡之下兒童商品為例，此時在用戶中搜索有多少用戶家中有12歲以下的孩子，但卻未發生過從這個類目購買商品的行為。以前只能運營有過購買行為的幾百萬用戶，現在可以達到幾千萬。從幾百萬到幾千萬就是運營數據，這時一個從主動收集數據到運營數據，再到產生新數據的過程。

　　9、阿里數據化運營的內三板斧——混、通、曬

　　作為數據分析師，如果不和業務部混在一起，商業敏感就不會憑空出現在你的面前。堅持帶著業務問題來觀察數據或者帶著數據來觀察業務，兼備二者的敏感，就做到“通”，更深層次的通是存在于公司組織中的數據。數據能不能做到在獲取、使用、分享、協同、鏈接、組合之上讓自己變得超級簡單和便捷，這時數據化運營里面非常重要的一點，正是曬的內容。

　　10、阿里運營數據的外三板斧——存、管、用

　　收集數據不是目的，讓收集起來的數據如何產生價值才是最終的目的。學會用數據產品來解決獲取及使用數據的問題。阿里巴巴數據管理最不一樣的地方在于非常依賴數據產品，希望用數據產品來解決獲取以及使用數據的問題。在“用”數據的問題上，數據的分裂和重組，都能做到顛覆性創新。

　　11、大數據，未來商業利器

　　數據扮演的三個角色分別是：第一個階段是從點上指導運營;第二個階段是數據從點到線或到面。第三個階段為做數據模型，分析外圍數據開始變得異常重要，可以為公司的下一步戰略找到出路，數據真正能充當爆發角色的，一定是第三個階段。

　　爆發，是做每一件事情和解決每一個企業問題的人都需要的，尤其是做數據的人，一定要時時刻刻想到數據能夠為企業產生什么價值，能夠用數據解決什么問題，是不是能夠用數據來發現企業中的爆發點。如果做數據的人時刻都有這樣的一是，那企業將會因為數據獲得非常大的收益。