在线客服
扫描二维码
下载博学谷APP扫描二维码
关注博学谷微信公众号
数据分析对于现代社会的影响无疑是巨大的,它在各行各业都得到的广泛应用。的确,数据分析可以帮助我们做出一些决断,以便于我们采取科学适当的行动。可是数据分析真的百分之百可靠吗?本文就来和大家谈谈数据分析的四大误区:选取的样本容量有误、 错判因果关系、忽略沉默用户、过度依赖数据。
在产品的整个寿命周期,包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程,以提升有效性。因为数据的有效性和客观性,让数据变成了发掘问题本质,寻找事物规律所需要用到的最有利的手段之一。但是,数据虽然客观,有时也是会骗人的。在与数据打交道的过程中,我们可能经常会犯一些错误,导致分析的结论出现较大的偏颇。
误区一:选取的样本容量有误
08年奥运会上,姚明的三分投篮命中率为100%,科比的三分投篮命中率为32%,那么是不是说姚明的三分投篮命中率要比科比高?显然不能这么说,因为那届奥运会,姚明只投了一个三分球,科比投了53个。因此,在做数据对比分析时,对于样本的选取,需要制定相同的抽样规则,减少分析结论的偏差性。
误区二:错判因果关系
某电商网站数据显示,商品评论的数量与商品销售额成正比。即一个商品评论数量越多,那么该商品的销售额也会越高。假如我们认为评论多是销量高的原因的话,数据分析的结论就会指导我们,需要创造更多的商品评论来带动商品销量。但如果真的这样操作的话,就会发现很多商品的销量对于评论的敏感度并不一样,甚至很多商品销量很高,但与其评论的多少毫无关系。这里,我们就需要思考,评论真的是影响销量的必然因素吗?
除了评论之外,影响销量的因素,还有其质量、价格、活动等,如果能完整的认识到这些因素,那我们要拉升商品销量,首先会需要先从其他角度来考虑,而非评论入手。因此,在分析数据的时候,正确判断数据指标的逻辑关系应该找几者之间的相关关系而不是因果关系。
误区三:忽略沉默用户
用户迫切需要的需求≠产品的核心需求。产品经理在听到部分用户反馈的时候就做出决策,花费大量的时间开发相应的功能,往往结果,可能这些功能只是极少部分用户的迫切需求,而大部分用户并不在乎。忽略沉默用户,没有全盘的考虑产品大部分目标用户的核心需求,可能造成人力物力的浪费,更有甚者,会错失商业机会。
误区四:过度依赖数据
过度依赖数据,一方面,会让我们做很多没有价值的数据分析;另一方面,也会限制产品经理本来应有的灵感和创意。比如,分析马车的数据,很可能我们得出的结论,是用户需要一匹更快的马车。如果过度依赖数据,局限了我们的思维,就很有可能不会有汽车的诞生。很多优秀甚至伟大的产品决策,并非通过数据发现的,而是一个产品经理综合智慧的体现。所以,数据是客观的,但是,解读数据的人是主观的。只有正确的认识数据,才能正确的利用数据。在做数据分析时,对待数据我们必须要有一个求证的心态,并需要时刻警惕那些被人处理过的二手数据。
以上就是做数据分析时的四大误区,大家都踩过几个呢?不论怎么说,数据分析本身只是工具,要发挥它的最大价值,还得看大家怎样正确的使用。希望这份避坑指导都对大家有用。
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
常用的数据分析方法论有哪些?
很多人在做数据分析时,经常遇到这几个难题:应该从哪方面入手开展分析;分析的内容和指标常常被质疑是否合理、完整,而自己也说不出个所以然来。因此当大家在做数据分析的时候,如果根据数据分析方法论的指导,就不会出现逻辑混乱、南辕北辙的情况。常用的数据分析方法论如下:
11833
2019-07-03 17:11:17
仅会使用Excel能做数据分析师吗?
数据分析师就是在各行各业中与数据打交道的重要岗位。为企业提供数据采集、数据处理、数据分析并制作相关业务报告、提供业务决策、管理企业数据资产等服务。那仅会使用Excel,能做数据分析师吗?
8048
2019-08-08 18:06:48
数据分析对企业经营的作用和现实意义
大数据时代的浪潮,不仅改变着每个人个人的命运,同时为企业提供了更多的机会。在日常的企业经营中,我们往往会用到数据分析,那么数据分析对企业经营到底有多大的作用?又有哪些现实意义呢?
13379
2019-08-13 17:38:12
数据预处理的方法有哪些?
数据处理的工作时间占据了整个数据分析项目的70%以上。因此,数据的质量直接决定了分析模型的准确性。那么,数据预处理的方法有哪些呢?比如数据清洗、数据集成、数据规约、数据变换等,其中最常用到的是数据清洗与数据集成,下面小编将来详细介绍一下这2种方法。
10172
2020-08-11 10:14:41
大数据工程师、数据挖掘师和数据分析师有啥区别
随着互联网技术的不断提升,数据已经成为各大企业新的战场,而对于从业者来说,如果你对数据科学领域的工作感兴趣的话,肯定首先要了解一下数据科学领域都有哪些岗位。从岗位性质和主要工作内容不同我们可以把数据科学的岗位大概分为四类:数据产品经理、大数据工程师、数据挖掘师、数据分析师。数据产品经理显而易见就是精通并擅长数据产品设计的PM。这里我们具体了解一下大数据工程师、数据挖掘师和数据分析师有什么区别。
5847
2020-09-14 16:13:27