统计学在实际业务场景下的使用

首先，统计学就不是拿来分析业务问题的，

统计学的核心是：用小样本抽样反推整体情况，进而进行整体情况比较的，这也是为啥统计学最大篇幅，都在讲概率，抽样概率，单总体假设检验，双总体假设检验，方差分析（多总体比均值），包括统计学讲回归分析，用的也是方差分析的检验思路，还在在用小总体推整体 因此整个统计学，最适合的应用场景就是质量检测，比如卖鸡腿的厂家，要检查鸡腿质量，要拆开鸡腿包装，会导致产品损坏，所以不能100%检查，必须抽样，那么一系列的问题就来了： 

1）抽多少样本

2）要不要分层

3）控制哪些变量

4）如何用抽样检出率反推整体合格率

5）为啥我抽了10包，就有3包有问题，是不是整体有大问题

6）两次抽样间差异该如何解读 你看，统计学完美应用，可以说，企业里的质检员是统计学水平最高的……

当然，互联网场景下用的最多的是ABtest，因为也是通过小样本抽样反推总体情况，特别是，很多ABtest差异很小，比如页面转化率差异在0.5%，但是页面流量又非常大，比如1000万，1000万*0.5%差异还是挺大的，这时候最好做个假设检验 至于其他方法，应用场景几乎没有，本质上看，这些方法就不是用来解决商业问题的，当年fisher博士搞现代统计学，就是为了研究种豆子，哪些豆子受土壤，气候，浇水影响。而做生意它不是种豆子，特别是用户层面，我们的营销都在鼓励用户非理性消费，都在喊：错过今天机会，可能用户消费就是非理性的，数据量化都没有，还套啥模型。

具体到操作层面： 主成分分析：在压缩特征的时候，把业务含义也压缩掉了，所以不好用

聚类：以kmean为例，聚类分类结果没有业务含义，聚类中心一换结果跟着变，没法使用

回归分析：可以拿来简单预测，但是无法对业务行为做出解释（比如我开个销售动员大会，销售群情激奋，怎么衡量群情激奋对销售额影响），所以一般也没啥用处 真想充分运用统计学，可以多研究下生产线/农业的场景哈，生产线上指标多，客观性强，需要抽样，大量依赖统计学