数据分析误区

先看一下字典对误区的定义：由于某种原因而形成的不正确的认识或看法。

再结合我们对数据分析的理解：

把某事物分解成较简单的组成部分进行研究，找出这些部分的本质属性和彼此间的关系。通过认识事物或现象的区别与联系，细致地寻找能够解决问题的主线，并以此解决问题。

因此，所有阻碍了解决问题或是误导问题判断的情况，都是数据分析的误区。

本文将为你简单介绍几个在数据分析过程常见的误区，以便你能在做分析时更好的规避它们。

正如我们刚才说的，阻碍解决问题的都是误区，因此并不止逻辑上的误区，许多意识层面的问题也会导致结论出错，甚至无法开展数据分析。

希望通过了解下面几个意识层面的误区，能够让大家拥有进行数据分析的想法，并保证分析思路能尽量切合实际。

2.1 数据分析很高大上

许多人在提到数据分析时，就会天然有种固执的感觉，那就是数据分析只针对少数掌握高级的分析方法或是分析技能的人。

其实不然，真理至简。

我们的分析是从业务中来到业务中去：

在分析方法上，我们常说的四象限分析、SPAN图、SWOT分析，就都是简明扼要且极富实际意义的分析模型，通过这些具有简单的美感的模型，就能很大程度上保证决策不「迷路」。

在分析工具上，做数据分析也并不要求大家掌握 Python、精通算法等，只要有合适的分析方法，找到关键性的指标，那处理流程自然水到渠成，只要你的分析能驱动与业务，用 Excel 也未尝不可。而且企业内部对于不同需求自然有分工处理，过于复杂的分析可以通过协调数据运营等资源进行开展。

• 就像对于元素规律的大胆分析，诞生了所有人必学的元素周期表。

• 通过田间地头杂交的豌豆，总结出了完整的遗传学规律。

因此要敢于分析，跨过这个最初也是最严重的误区。

2.2 需要大数据才能支撑分析

日常我们听到数据分析，往往都和大数据这个词挂钩，但实际上两者并无任何依赖关系，更多是在炒作大数据这个概念。

分析需要的是特定数据，而不是更多的数据。

大数据在很多情况下，其实是无法人力剔除脏数据的情况下的方案，通过放大数据量，减少这些内容的影响。

但是如果我们的样本，可以一定程度上反映全量数据，那就已经可以进行分析，并且得到的结论也具有足够的可信度。

2.3 与实际业务脱钩

分析是无止境的，因为有着无穷无尽的变量，但是我们做分析是带有明确目的性的，而且动作也是有明确限制的，因此一定要警惕为了分析而分析。

解决这个误区最管用的办法是找到最合适的指标（北极星指标），再就是认清现状，明确我们能做的事情。

比如分析发现给的红包力度越大，用户越频繁使用，留存率越好，但这明显不是可行方案。

我们最终的结论很可能是长期通过运营内容，周期性通过红包促活，这样才能保证合理的获客成本，实现良性的循环。

2.4 过分依赖数据

过分依赖数据：一方面，会让我们自己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身应有的灵感和创意。

数据分析是达到目标的一个科学手段，但不是唯一的手段，而且过分依赖数据也会变得不科学。

在比如数据缺失或是问题简单时，数据分析可能并不是必要的步骤。

假如你去造一个汽车，分析以往马车的情况并无意义，甚至限制了对汽车舒适度和速度的想象。

3.1 辛普森悖论

先通过一个案例了解一下什么是辛普森悖论：

在这个表格中，不管是商学院，还是法学院，男生的录取比例都比女生高很多，但是总体来看，女生录取率却是男生的两倍。

这种在分组比较中都占优势的一方，在总评中有时反而是失势的一方的情况，就是辛普森悖论。

举一个例子，A 应用的用户每日平均访问时长提升了，因此我们得到了结论，用户的粘性提升了，大家做的真棒！

但这是真的吗，如果此时我们把用户根据类型拆分来看，可能会得到如下的结论。

这能反映什么呢？核心用户和非核心用户的日均访问时长都没有变化，似乎与之前的结论相悖。

此时我们就可以进一步分析，去查看核心和非核心用户的占比情况。

我们可以看到核心用户占比提升了，哦，原来是核心用户占比高，所以整体来看，拉高了日均访问时长，此时又忍不住想夸一句大家做得真棒！

但这难道就是真的吗，我们需要再看一下各类用户的具体数量。

此时我们才得到了真正的结论，原来是非核心用户减少了，有大批用户的流失，才让我们的指标看上去显得变好了。

在这个问题中，我们就不只是看最终日均访问时长结果，更应该加上用户数这个观测指标，或是通过合理的规划，将用户数的作用体现在最终指标里。

回避辛普森悖论的方法是：

• 斟酌个别分组的权重，以一定的系数去消除以分组资料基数差异所造成的影响；

• 了解该情境是否存在其他潜在要因而综合考虑。

这里在平均值中有给大家介绍，详情参见：平均值

3.2 因果陷阱

在介绍因果陷阱之前，先给大家举日常生活中经常会看到的观点：

• 打篮球能让人长高

• 喝咖啡可以长寿

• 不吃早饭容易变胖

• 爱笑的女孩子通常运气都不会太差

• 会撒娇的女人更好命？

然而事实真的是这样嘛？下面我们来分别给出这几个常见观点隐藏的因果陷阱：

3.3 幸存者偏差

在讲述幸存者偏差的之前，先给大家举几个例子：

• 淘宝上卖极限运动设备的商家，尤其卖降落伞、滑翔伞的卖家好评都是满的，从来没有差评。（出事故的人：“我倒是想有差评的机会”）

• 别人家的孩子都比你强。（日常接触会放大瑕疵，偶尔接触会放大优点）

• 读书无用论、极端女拳、成功学。（天时地利人和缺一不可，哪怕只从自己身上看，头脑远见几乎不能复制，态度勤奋可以争取，挫折都可以模仿。但是只会鼓吹最后两项）

幸存者偏差出现的原因是逻辑和统计上的错误，本质是统计时忽略了样本的随机性和全面性，用局部样本代替了总体随机样本，从而对总体的描述出现偏差。

当然幸存者偏差还很大程度上反映了人性的弱点，人性总是会让我们忽略或筛选信息，最终导致幸存者偏差。

要避免幸存者偏差有以下几个方法：

• 关注沉默的数据，当我们已经习惯了某乎上刚下飞机，年入百万，朋友圈名牌豪车，拼多多的崛起让「沉默证据」发力：原来购买廉价产品，为了几毛钱动员砍价的人，才是中国人口最广的群体。

• 学习数学统计知识，就像讲述辛普森悖论里的案例，表面欣欣向荣，其实暗藏了用户流失的风险。

• 提升认知水平和逻辑思维能力，很大程度发生幸存者偏差上是因为自身认知水平确实有限，也就是自己只知道某些表面的信息，根本不知道那些关键信息的存在，最后导致判断失误。比如传销和成功学，就是未曾全局思考事物，没有想清楚利益背后的逻辑与风险