数据分析 --- 数据分析的误区

在数据分析的过程中，我们难免会走一些弯路，但有些弯路是可以避免的，下面我将介绍几个数据分析过程中常见的误区：

一、 选取的样本容量有误

我们一定都听说过二战中的一个经典示例：
军方为了提高战斗机飞行员的生还率，打算在飞机上增加装甲的厚度，但不能在所有部位加厚，这样会丧失战机的灵活性，于是军方请了统计学家来研究，这些专家在一开始就只统计了战斗回来的战机，研究这些战机上的弹孔的分布，在弹孔比较密集的地方增厚装甲，但这并没有提高飞行员的生还率，后来有人想明白了这个问题，那就是应该研究没有回来的飞机，它们中弹的地方才需要加厚装甲，这就是选取的样本容量有误。
样本容量选取的原则：
1.规则相同：样本容量的选取，要有可比性。
如：在同样的发生次数下计算发生的概率
2.角度客观：要站在相对客观的角度，保证选取的样本有分析价值。

二、忽略沉默用户

对于用户的分析，要把握以下原则：
1.客户的迫切需求不等于产品的核心需求
2.发声的客户不等于沉默的客户
3.要站在沉默客户的角度上去想他们想要什么，这才是产品的核心
4.要为每一个客户建立专属档案，记录客户的行为，了解用户的习惯，预测用户的下一个行为。

如何做到重视沉默客户
1.锁定目标人群
建立客户数据库，将客户按照一定的指标进行划分（如性别、年龄、行为）分析客户的个性需求，提供个性化的产品
2.优化传播渠道
对客户的行为进行分析，确定各传播渠道的资金投放比例，这些行为主要包括：客户的浏览情况、客户的来源（从哪里进入落地页的）、客户的访问时间、访问深度。
3.实时反馈效果
通过实时的数据找到合适的时间、合适的产品，以及有哪些客户是忠诚客户

三、错判数据因果关系

要从多个指标分析某个指标对主指标的影响程度，从数据之间找出层次的内在关系。

四、被表面数据蒙蔽

例如：对于同一组数据，若将其横纵轴的数据进行变换（横轴变纵轴，纵轴变横轴）其显示效果是不一样的，数据的跨度不同，其效果也是不一样的
当生成的图表表现为：趋势太过水平或起伏过大，那么就请换一种表示方式，如横纵轴切换、增大或调小跨度等
对于一张趋势图表，其恰当的最高高度应为全图的三分之二

五、过度依赖数据

进行数据分析时，不能过度依赖于数据的表象，要能够从数据中洞察出客户的心理，以及数据背后的社会因素

如何洞察客户需求：
1.重视客户的需要：客户渴望被尊重，要重视客户对产品的评论，从中找到产品优化的方向
2.客户需要性价比高的产品：对产品的价格进行调整，观察用户的购买行为，找到合适的价格区间
3.给用户实践的机会：要让客户自行发掘产品的全貌，要让客户获得成就感