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。因此,在做数据分析时,我们需要警惕这5个常见误区:

  1.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。

  2.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。

  3.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,是指导我们做出产品决策的前提。

  4.被数据的表达技巧所蒙蔽

  在做数据分析时,我们需要警惕一些数据处理的小计俩,不要被数据的视觉效果所蒙蔽。

  5.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。

  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。

大数据分析会遇到哪些误区相关推荐

  1. 【观点见解】解读大数据的5个误区

    [观点见解]解读大数据的5个误区 大数据并不会给你带来大麻烦,事实上,大数据能够帮助你尽量减少业务问题,还能帮助你作出战略性决策.但如果不搞清楚对大数据的一些误区,也可能会给你带来不必要的麻烦.下面就 ...

  2. 拨开云雾:破除大数据的四大常见误区

    文章讲的是拨开云雾:破除大数据的四大常见误区,大数据概念自诞生以来,与之相关的争论之声就不绝于耳.如今似乎每一家软件供应商.咨询服务企业以及意见领袖都在以自己的理解为其进行"正确" ...

  3. 大数据技术的理解误区

    大数据本身是基于数据价值化而构建出来的新概念,虽然概念比较新,但是数据却一直都在,所以大数据的核心并不在"大"上,而是基于大数据所构建出的一个新的价值空间.在理解大数据概念的时候, ...

  4. 大数据可视化的三大误区

    数据可视化的主要目的是通过图形手段,清晰有效地进行信息的沟通和交流.为了有效地传达思想的概念,审美形式和功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察 ...

  5. 大数据有哪些分析误区

    "用数据说话",已经成为一种流行语,有时候它更像是一种证明,一个论据,或者是一个真相,在我们的眼里,数据就是事实,那么问题来了,数据真的不会骗人吗? 首先,数据分析是建立在统计学的 ...

  6. 常见的大数据误区有哪些

    大数据对所有企业都有合理的承诺,无论其规模如何.通过大数据分析,企业可以获得洞察力,帮助他们不仅可以增加收入,还可以了解他们的服务和产品中的差距. 让我们来看看最常见的大数据误区 作为一项不断发展的技 ...

  7. 原创 | 入门“大数据”,你需要通读这18本书

    大数据或称巨量资料,指的是需要新处理模式才能具有更强的决策力.洞察力和流程优化能力的海量.高增长率和多样化的信息资产.在移动互联网快速发展的当下,越来越多的工作岗位会运用到大数据技术.了解学习&quo ...

  8. 大数据领域33个预测,开启未知的2016

    数据平民崛起 甲骨文公司预测一种新型用户:数据平民(Data Civilian)会崛起.该公司称:"虽然复杂的数据统计可能仍局限于数据科学家,但数据驱动的决策不会是这样.在未来一年,更简单的 ...

  9. 2015年《大数据》高被引论文Top10文章No.5——对大数据的再认识

    2015年<大数据>高被引论文Top10文章展示 [编者按]本刊将陆续发布2015年<大数据>高被引论文Top10的文章,欢迎大家关注!本文为高被引Top10论文的No.5,刊 ...

最新文章

  1. mpvue 引入自己创建的js 文件 到其他的文件中
  2. PHP函数之无极分类
  3. 上海市高校精品课程“网络安全技术”
  4. SSM实现个人博客-day02
  5. 使用IntelliJ IDEA搭建多maven模块JAVA项目
  6. LeetCode 2119. 反转两次的数字
  7. Shell命令-磁盘与文件系统之dumpe2fs、dump
  8. IronRuby 发布第一个版本
  9. 前端HTML学习之案例--学生信息表
  10. VPS搭建zotero自动同步的webdav服务
  11. 蓝湖访问显示“加载遇到问题”
  12. 关于北京市电气火灾综合治理实施方案通知的解读
  13. 微信小程序 环形进度条_微信小程序实现圆形进度条
  14. H5移动端css实现向右横向滚动功能
  15. java怎么写合并列sql_SQL STUFF函数 拼接字符串 多列 合并成一列 转
  16. Jmeter--压力测试工具
  17. 软件测试肖sir___面试题总结
  18. 【思科源码实例】企业网络搭建项目,带文档和PKT源文件.局域网网络作业.
  19. 厄米共轭matlab,JuliaStatComputing
  20. PMP考试关键词(二)

热门文章

  1. 小蚂蚁学习数据结构(26)——题目——输出二叉树上值大于x的算法
  2. Oracle Goldengate 安装配置
  3. 牛客网–华为机试在线训练5:进制转换
  4. 浮点数的加减计算总结
  5. Windows设置共享文件夹,ubuntu访问
  6. python中相对路径下文件的读取
  7. python : class定义中的:__dict__,__setattr__,__getattribute__,__getattr__,
  8. 多层LSTM的坑:如何定义多层LSTM?
  9. 6.解决循环依赖的问题
  10. 固定尺寸内存块的缓冲队列类及C++实现源代码