数据分析感想

       困扰着我的用户激活次数分析，让人很是头疼。在此就谈谈自己的今天一天的收获和感受吧。

      数据可信度。从用户那边获取过来的数据占用户实际操作的比例是多大，用户的激活次数和用户的窗口打开次数理论上是一致的，可实际得到的数据确相差甚远。我就开始怀疑收集这些的数据是否具有可靠性，r如果一开始收集得到的数据可信度就低，那么以后分析得到的结果含金量将会很小，甚至会导致上级领导的决策失误。但是听了坤哥一番话之后，我明白了不少。在数据分析过程中，数据的丢失是必然的，是不可抗拒的力量导致的，但是这些不可抗拒的力量有这样的分布上的一致性，就是说数据丢失在整个过程都发生了，是随机发生的，并不是某一特定的时刻发生的。就像随机抽样一样，并且呢它比随机抽样更趋于合理性，如果这个前提是你没有必要去算丢失数据某属性的情况的话，它在它的分析的维上，它的数据是有效的。比如用户的激活次数，它的使用天数是和激活次数一起发送过来的，就算丢失一部分数据，它的有效性还是存在的。

       数据该如何清理，通过得出曲线图很难去判定哪些数据是离群点。首日的用户很怪，出现一次之后就不在出现了的用户数占很大比例。按理论上来说，这些不合理的离群点数据占总数的比例应该是不大，可是在这里却占了很大的比例。如果清理掉它，计算的基数就减少了，有效比例将减低，说服力就减弱了。如果不清理它，那么这部分数据得出的结论又非常不合理。最后呢，还是决定清理掉它，把两端的数据做了清理。

       要分析什么样的数据才有意义。分析用户的激活次数来为了什么，你做这件事情的目的是什么？我想一个呢，是分析WPS的使用情况，用户每天的激活和使用时间怎么样的。通过这些呢，也可以确定用户的质量。确定用户的质量的这个标准是比较难定的。

       明天的任务是分析周用户的使用情况。