在資料分析的過程中，我們難免會走一些彎路，但有些彎路是可以避免的，下面我將介紹幾個資料分析過程中常見的誤區：
我們一定都聽說過二戰中的乙個經典示例：
軍方為了提高戰鬥機飛行員的生還率，打算在飛機上增加裝甲的厚度，但不能在所有部位加厚，這樣會喪失戰機的靈活性，於是軍方請了統計學家來研究，這些專家在一開始就只統計了戰鬥回來的戰機，研究這些戰機上的彈孔的分布，在彈孔比較密集的地方增厚裝甲，但這並沒有提高飛行員的生還率，後來有人想明白了這個問題，那就是應該研究沒有回來的飛機，它們中彈的地方才需要加厚裝甲，這就是選取的樣本容量有誤。
樣本容量選取的原則：
1.規則相同：樣本容量的選取，要有可比性。
如：在同樣的發生次數下計算發生的概率
2.角度客觀：要站在相對客觀的角度，保證選取的樣本有分析價值。
對於使用者的分析，要把握以下原則：
1.客戶的迫切需求不等於產品的核心需求
2.發聲的客戶不等於沉默的客戶
3.要站在沉默客戶的角度上去想他們想要什麼，這才是產品的核心
4.要為每乙個客戶建立專屬檔案，記錄客戶的行為，了解使用者的習慣，**使用者的下乙個行為。
如何做到重視沉默客戶
1.鎖定目標人群
建立客戶資料庫，將客戶按照一定的指標進行劃分（如性別、年齡、行為）分析客戶的個性需求，提供個性化的產品
2.優化傳播渠道
對客戶的行為進行分析，確定各傳播渠道的資金投放比例，這些行為主要包括：客戶的瀏覽情況、客戶的**（從**進入落地頁的）、客戶的訪問時間、訪問深度。
3.實時反饋效果
通過實時的資料找到合適的時間、合適的產品，以及有哪些客戶是忠誠客戶
要從多個指標分析某個指針對主指標的影響程度，從資料之間找出層次的內在關係。
例如：對於同一組資料，若將其橫縱軸的資料進行變換（橫軸變縱軸，縱軸變橫軸）其顯示效果是不一樣的，資料的跨度不同，其效果也是不一樣的
當生成的圖表表現為：趨勢太過水平或起伏過大，那麼就請換一種表示方式，如橫縱軸切換、增大或調小跨度等
對於一張趨勢圖表，其恰當的最高高度應為全圖的三分之二
進行資料分析時，不能過度依賴於資料的表象，要能夠從資料中洞察出客戶的心理，以及資料背後的社會因素
資料分析 資料分析概述
了解業務 了解資料 確認業務和資料 預期分析和管理 資料分析方式01.了解資料資料 1.測量標度型別 屬性本源並不是數字或者符號，通過測量標度將數值或者符號和物件的屬性建立關聯。屬性的型別 測量尺度 nominal 標稱 等於或者不等於 一對一的變換 ordinal 序數 大於或者小於 單調函式的變...
小白學資料分析 ARPPU的誤區
新年到來，該應該持續堅持寫下去，還是有很多人要來學習和進步的。今天提到了乙個概念 arppu。這個概念等同於之前大家認識的arpu 其實這句話我是很不願意說的 arppu是總收入除以總付費使用者數，得到的每個付費使用者的平均收益。今天說的誤區其實也就是大家乙個使用上或者是認識上的誤區，這個誤區被巧妙...
「資料分析」崗位分析
行業內公司的融資情況從一定程度上說明了選擇資料分析崗位的穩定性 佔比情況是所有職位累加在一起，未區分職位 不需要融資的公司佔比60 d輪以上的公司42 其實很多不需要融資的公司，規模也是很大的，可以結合公司規模來判斷公司的情況如何，是否值得去發展。提供資料類職位的公司，規模還算比較大的 500人以上...