數據的客觀性

數據意味著什么？
量化事物的手段，數據具有客觀性，發掘事物本質、尋找食物規律

什么情況下數據會犯錯？
人在處理數據的時候會犯錯誤，要屏蔽主觀因素的影響

如何解讀數據？
不僅僅看數據本身，還要看樣本范圍、數字提取的手段

數據的來源、二次處理、樣本數量、樣本的占比

帶著疑問去對數據做出預判、尋找相關特征數據來驗證假設

培養面對數據的智慧

怎么樣提高分析能力？
反復練習以及對各種數據的閱歷，日常生活中也會接觸到大量數據，鍛煉數據敏感性。

如何開始和數據打交道？
1、學習如何提出數據統計需求，界定產品目的和目標，根據目標提出假設、預判產品效果
2、學習如何解讀數據，發現數據中隱含信息，并通過邏輯推理進一步提出號的追問和假設，然后通過數據來驗證

數據需求包含？
1、功能設計方案
2、功能的目的和目標
3、功能上線后需要跟蹤的數據指標，及指標精確定義

如何解讀數據？
假設結果，好的追問能發現機會，提出好的追問需要實踐的積累

控制自己的感性和理性，平衡點很重要

數據分析中的誤區

典型問題：忽略沉默用戶，仔細考證用戶反饋
用戶迫切需要的需求并不是產品的核心需求，要全盤考慮用戶需要

典型問題：過分依賴數據
不要過分做數據分析，不要限制思維和創意，產品需要獨立思考和靈活判斷的智慧

典型問題：錯判因果關系
區分清因果關系和相關關系

典型問題：警惕表達數據的技巧
控制縱軸和橫軸的坐標范圍，警惕二手數據

典型問題：不要妄談大數據
大數據三個要素：用全部數據、注重相關關系、全新的計算方法

推薦閱讀“大數據時代”