数据分析的5个坑,你踩过几个?

专为互联网人打造的365天成长计划,500门视频课程随便看,构建你的产品、运营知识体系。查看详情

产品经理所面对的数据,本质上和日常生活中的数据没有太大的差别。简单来说,都是一个量化事物的手段,就像身高、体重一样,都是一个数字指标,它代表了现实存在的事物的一个客观情况。

shujufenxi

正是因为数据的客观性,让数据变成了发掘问题本质,寻找事物规律所需要用到的最有利的手段之一。

但是,数据虽然客观,有时也是会骗人的。在与数据打交道的过程中,我们可能经常会犯一些错误,导致分析的结论出现较大的偏颇。因此,在做数据分析时,我们需要警惕这5个常见误区:

1. 选取的样本容量有误

08年奥运会上,姚明的三分投篮命中率为100%,科比的三分投篮命中率为32%,那么是不是说姚明的三分投篮命中率要比科比高?

显然不能这么说,因为那届奥运会,姚明只投了一个三分球,科比投了53个。

因此,在做数据对比分析时,对于样本的选取,需要制定相同的抽样规则,减少分析结论的偏差性。

2. 忽略沉默用户

用户迫切需要的需求≠产品的核心需求

产品经理在听到部分用户反馈的时候就做出决策,花费大量的时间开发相应的功能,往往结果,可能这些功能只是极少部分用户的迫切需求,而大部分用户并不在乎。

忽略沉默用户,没有全盘的考虑产品大部分目标用户的核心需求,可能造成人力物力的浪费,更有甚者,会错失商业机会。

3. 错判因果关系

某电商网站数据显示,商品评论的数量与商品销售额成正比。即一个商品评论数量越多,那么该商品的销售额也会越高。

假如我们认为评论多是销量高的原因的话,数据分析的结论就会指导我们,需要创造更多的商品评论来带动商品销量。

但如果真的这样操作的话,就会发现很多商品的销量对于评论的敏感度并不一样,甚至很多商品销量很高,但与其评论的多少毫无关系。

这里,我们就需要思考,评论真的是影响销量的必然因素吗?

除了评论之外,影响销量的因素,还有其质量、价格、活动等,如果能完整的认识到这些因素,那我们要拉升商品销量,首先会需要先从其他角度来考虑,而非评论入手。

因此,在分析数据的时候,正确判断数据指标的逻辑关系,是指导我们做出产品决策的前提。

4. 被数据的表达技巧所蒙蔽

2

上图从表面上来看,第二个图表显然更吸引人,转化率增长更加可喜。

但实际上,两个图表使用的是同一组数据。第二个图表,仅仅是更改了纵轴范围,就在视觉上觉得第二个的转化率增长幅度更大。

因此,在做数据分析时,我们需要警惕一些数据处理的小计俩,不要被数据的视觉效果所蒙蔽。

5. 过度依赖数据

过度依赖数据,一方面,会让我们做很多没有价值的数据分析;另一方面,也会限制产品经理本来应有的灵感和创意。

比如,分析马车的数据,很可能我们得出的结论,是用户需要一匹更快的马车。如果过度依赖数据,局限了我们的思维,就很有可能不会有汽车的诞生。

很多优秀甚至伟大的产品决策,并非通过数据发现的,而是一个产品经理综合智慧的体现。

最后

数据是客观的,但是,解读数据的人是主观的。只有正确的认识数据,才能正确的利用数据。

在做数据分析时,对待数据我们必须要有一个求证的心态,并需要时刻警惕那些被人处理过的二手数据。

本文节选自网易产品经理微专业的精益数据分析课程,内容有删改。

#专栏作家#

杜王丹(微信公众号:杜王丹),人人都是产品经理专栏作家,一个理性与坚持的行动派。

本文原创发布于人人都是产品经理,未经许可,禁止转载。

祝给予赞赏的伙伴,2017年发大财!

评论( 7

写下你的想法
  1. 产品经理

    期待作者新的数据分析知识

    回复
  2. 一只感兴趣的非产品经理

    非一线城市很多公司根本不重视数据分析==

    回复
    1. 回复

      这个确实是的,很多创业公司也是不重视数据分析的

  3. 原500.com运营经理。酷爱产品。

    如果能讲讲如何跳出这些误区,再举个实战例子,就更好了。

    回复
    1. 回复

      是呀,说的对,谢谢建议,积累的实战经验再多点,分享出来~

    2. 回复

      期待。说到数据样本,一直是心里的伤。才毕业的时候,在一个小公司做运营,总感觉数据分析的结果出入很大,每天就几百的数据量,提出样本太小是影响数据波动的主要原因,没人鸟。。。

    3. 回复

      哈哈,每个人都有一段伤心往事

推荐阅读