用数据说话

一个事情的发生导致了另一件事都发生两件事（A与B）相互关联A的发生可以预测B的发生排除其他可能的混淆变量。

在真实的数据分析工作中，真实的数据形态往往更复杂，更多样，而标准的辛普森悖论也有很多的扩展甚至是变种的形态。总结：GPA没有反映不同学生所选课程的难易程度，假设一个GPA为3.5的学生选的都是容易的课，而GPA2.9的学生的课程表里尽是微积分、物理这类难学的课，我们能一口判定孰优孰劣吗？总结：要明确分析的目的，分清分析的单位，描述的对象到底是谁（或什么），以及不同的人口中的谁（或什么）是不是存在差异。詹姆斯的两分球命中率也低于库里，三分球命中率也低于库里，但是汇总起来看，詹姆斯的投篮命中率是要高于库里的！

讲到这里你可能会有几个问题。问题1：指标分级治理拆这么细有什么用？正向作用：分解核心KPI，明确每一个步骤的行动计算和每个行动考核指标。例如，老板让你估算明年GMV，就可以根据历史数据运用这套指标体系对明年的GMV进行估算。再例如，老板让你下个月做到1个亿的GMV，让你出个方案。这是就可以再对曝光UV进行细分，把量拆解到每一个渠道上去。反向作用：当业务出现问题，可以通过指标体系反向排查业务问题。例如，这个月的GMV下降了10%，老板让你排查下问题在哪里。

应能够最为精准地抓住企业为客户创造的核心价值。指标的前后关联关系快速找到关键指标波动的原因。WHEN 下订单时间（时间戳表示）WHERE GPS IP 国家 城市。WHO 用户ID 设备ID。HOW 前向页面 浏览时长。内容：大盘分析（各模块核心指标）指标体系建立后应该能覆盖大部。决策信息 宽度与效率的平衡。4W1H 埋点+建表。WHAT 页面标题。

所谓的数据敏感度，其实就是在大脑内建立了数字和业务之间的联系，而优秀的数据敏感度，就是能够一眼看出数据的问题和背后可能的原因。什么叫一眼看出？（优秀的数据敏感度）❖ 如果你是游戏行业的，我告诉你这款MMORPG的次留是20%，你能知道我款产品在行业里处于什么样的水准，游戏前期可能存在什么样的问题等；❖ 如果你是O2O行业的，我告诉你外卖订单量相比于昨天下跌了10%，你能很快判断出问题的影响面和造成订单量下跌的可能原因；

https://mp.weixin.qq.com/s/-bwxzyqRn1uhDvFlr3QXlg一、主管臆断，而不是用数据去证明错误点1）结论里不要是“我觉得”，“我认为”这种主管臆断的词，而是要以客观的方式，所有的结论都要用数据去证明你的观点。2）提出假设，用数据证明，得出分析结论的方法，就是假设分析方法 ，要学会。1）先提出“双十一”活动的假设2）用数据进行证明二、缺少沟...