早在20世紀90年代的美國沃爾瑪超市中，就有“啤酒與尿布“的故事表現了大資料分析給企業帶來的利益展現。這些年來大資料分析正在為企業帶來巨大的變化。雖然越來越普遍，但資料分析中有些“yes”和“no”卻是必須遵循的。
yes!立體式分析
立體式分析即次元分析。産品資料挖掘應該在産品環境下從産品性能、市場需求、使用者體驗等方面切入分析。資料分析是帶有商業性的，是以要立體性對于資料進行深層次整理分析，才能将各方面有價值的資訊提煉出來對産品優化帶來幫助。
yes!明确适用性
要注意每種統計分析方法的适用範圍。許多分析方法對資料的要求很高，如果樣本分布不符合要求，樣本量數量不足，或存在大量僞樣本，都将影響最後結果的正确性。譬如，我們經常要使用的因子分析、聚類分析，若樣本量不足通過spss獲得分析結果是沒有任何意義的。
yes!正确整理資料庫
在選擇好分析方法分析資料時的同要按照要求整理資料庫。錯誤的資料庫格式對研究的弊處是顯而易見的。在使用研究模型前，要考慮資料的适用性。同時，資料的合理轉換也很重要。如在通路時經常提問出生年份而非年齡，這樣可以避免誤差。這樣将收集到的資料進行轉換也得到一樣的結果。在計算時，我們還常整合幾個變量成為一個或者另幾個變量。
yes!分析資料可視化
大資料的展現往往是以海量的形式，而資料分析首先要整理，其次要分析。大資料的分析将能将普通的數字變成珍貴的資訊，展現未來的趨勢和相應的結果。一号店等企業使用大資料魔鏡，将大資料可視化分析作為基礎，建立起一體性的業務模型和産品，明确了顧客關系，提高了營運效率，運用資料規模化幫助企業規劃。漢堡王通過tableau系統讓了解每天的業績更便捷，為企業帶來更大利潤。
no!輕視精準
資料中的每一個小數點都可能帶來巨大的影響。是以資料分析不能有“不準确可以再改”的想法。做資料分析最基礎的是要有嚴謹的态度和科學的方法。
no!分析方式不當
資料分析是一項專業性技能，需要使用專業工具進行分析。一般分析資料的工具有excel、報表工具、bi等，還有最新型的可視化資料分析産品魔鏡。應當使用專業工具進行資料分析，可利用圖表表達分析結果。而不能粗略地計算資料，以此保證其有效性。
no!忽略資料源
足夠多的資料的确是實作技術的前提，但資料越多并不是結果越準确。一旦不能保證資料來源的準确度，大量的資料反而會使資料分析難度加大，進而使最後作出不準确決策。是以不能盲目追求資料量的大，而要同時對資料源的準确性有保證。
本文作者：佚名
來源：51cto