資料分析的5個坑,你踩過幾個?

産品經理所面對的資料，本質上和日常生活中的資料沒有太大的差别。簡單來說，都是一個量化事物的手段，就像身高、體重一樣，都是一個數字名額，它代表了現實存在的事物的一個客觀情況。

正是因為資料的客觀性，讓資料變成了發掘問題本質，尋找事物規律所需要用到的最有利的手段之一。

但是，資料雖然客觀，有時也是會騙人的。在與資料打交道的過程中，我們可能經常會犯一些錯誤，導緻分析的結論出現較大的偏頗。是以，在做資料分析時，我們需要警惕這5個常見誤區：

選取的樣本容量有誤

08年奧運會上，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%，那麼是不是說姚明的三分投籃命中率要比科比高?

顯然不能這麼說，因為那屆奧運會，姚明隻投了一個三分球，科比投了53個。

是以，在做資料對比分析時，對于樣本的選取，需要制定相同的抽樣規則，減少分析結論的偏差性。

忽略沉默使用者

使用者迫切需要的需求≠産品的核心需求

産品經理在聽到部分使用者回報的時候就做出決策，花費大量的時間開發相應的功能，往往結果，可能這些功能隻是極少部分使用者的迫切需求，而大部分使用者并不在乎。

忽略沉默使用者，沒有全盤的考慮産品大部分目标使用者的核心需求，可能造成人力物力的浪費，更有甚者，會錯失商業機會。

錯判因果關系

某電商網站資料顯示，商品評論的數量與商品銷售額成正比。即一個商品評論數量越多，那麼該商品的銷售額也會越高。

假如我們認為評論多是銷量高的原因的話，資料分析的結論就會指導我們，需要創造更多的商品評論來帶動商品銷量。

但如果真的這樣操作的話，就會發現很多商品的銷量對于評論的敏感度并不一樣，甚至很多商品銷量很高，但與其評論的多少毫無關系。

這裡，我們就需要思考，評論真的是影響銷量的必然因素嗎?

除了評論之外，影響銷量的因素，還有其品質、價格、活動等，如果能完整的認識到這些因素，那我們要拉升商品銷量，首先會需要先從其他角度來考慮，而非評論入手。

是以，在分析資料的時候，正确判斷資料名額的邏輯關系，是指導我們做出産品決策的前提。

被資料的表達技巧所蒙蔽

上圖從表面上來看，第二個圖表顯然更吸引人，轉化率增長更加可喜。

但實際上，兩個圖表使用的是同一組資料。第二個圖表，僅僅是更改了縱軸範圍，就在視覺上覺得第二個的轉化率增長幅度更大。

是以，在做資料分析時，我們需要警惕一些資料處理的小計倆，不要被資料的視覺效果所蒙蔽。

過度依賴資料

過度依賴資料，一方面，會讓我們做很多沒有價值的資料分析;另一方面，也會限制産品經理本來應有的靈感和創意。

比如，分析馬車的資料，很可能我們得出的結論，是使用者需要一匹更快的馬車。如果過度依賴資料，局限了我們的思維，就很有可能不會有汽車的誕生。

很多優秀甚至偉大的産品決策，并非通過資料發現的，而是一個産品經理綜合智慧的展現。

最後

資料是客觀的，但是，解讀資料的人是主觀的。隻有正确的認識資料，才能正确的利用資料。

在做資料分析時，對待資料我們必須要有一個求證的心态，并需要時刻警惕那些被人處理過的二手資料。

本文轉自d1net（轉載）