數(shù)據(jù)分析的5個(gè)坑,你踩過(guò)幾個(gè)?
【數(shù)據(jù)猿導(dǎo)讀】 產(chǎn)品數(shù)據(jù)是產(chǎn)品經(jīng)理量化產(chǎn)品的重要方面,數(shù)據(jù)的客觀(guān)性,讓數(shù)據(jù)變成了發(fā)掘問(wèn)題本質(zhì),尋找事物規(guī)律所需要用到的最有利的手段之一,但在與數(shù)據(jù)打交道的過(guò)程中,我們可能經(jīng)常會(huì)犯一些錯(cuò)誤,導(dǎo)致分析的結(jié)論出現(xiàn)較大的偏頗,本文羅列數(shù)據(jù)分析過(guò)程中5個(gè)常見(jiàn)誤區(qū)

產(chǎn)品經(jīng)理所面對(duì)的數(shù)據(jù),本質(zhì)上和日常生活中的數(shù)據(jù)沒(méi)有太大的差別。簡(jiǎn)單來(lái)說(shuō),都是一個(gè)量化事物的手段,就像身高、體重一樣,都是一個(gè)數(shù)字指標(biāo),它代表了現(xiàn)實(shí)存在的事物的一個(gè)客觀(guān)情況。
正是因?yàn)閿?shù)據(jù)的客觀(guān)性,讓數(shù)據(jù)變成了發(fā)掘問(wèn)題本質(zhì),尋找事物規(guī)律所需要用到的最有利的手段之一。
但是,數(shù)據(jù)雖然客觀(guān),有時(shí)也是會(huì)騙人的。在與數(shù)據(jù)打交道的過(guò)程中,我們可能經(jīng)常會(huì)犯一些錯(cuò)誤,導(dǎo)致分析的結(jié)論出現(xiàn)較大的偏頗。因此,在做數(shù)據(jù)分析時(shí),我們需要警惕這5個(gè)常見(jiàn)誤區(qū):
1. 選取的樣本容量有誤
08年奧運(yùn)會(huì)上,姚明的三分投籃命中率為100%,科比的三分投籃命中率為32%,那么是不是說(shuō)姚明的三分投籃命中率要比科比高?
顯然不能這么說(shuō),因?yàn)槟菍脢W運(yùn)會(huì),姚明只投了一個(gè)三分球,科比投了53個(gè)。
因此,在做數(shù)據(jù)對(duì)比分析時(shí),對(duì)于樣本的選取,需要制定相同的抽樣規(guī)則,減少分析結(jié)論的偏差性。
2. 忽略沉默用戶(hù)
用戶(hù)迫切需要的需求≠產(chǎn)品的核心需求
產(chǎn)品經(jīng)理在聽(tīng)到部分用戶(hù)反饋的時(shí)候就做出決策,花費(fèi)大量的時(shí)間開(kāi)發(fā)相應(yīng)的功能,往往結(jié)果,可能這些功能只是極少部分用戶(hù)的迫切需求,而大部分用戶(hù)并不在乎。
忽略沉默用戶(hù),沒(méi)有全盤(pán)的考慮產(chǎn)品大部分目標(biāo)用戶(hù)的核心需求,可能造成人力物力的浪費(fèi),更有甚者,會(huì)錯(cuò)失商業(yè)機(jī)會(huì)。
3. 錯(cuò)判因果關(guān)系
某電商網(wǎng)站數(shù)據(jù)顯示,商品評(píng)論的數(shù)量與商品銷(xiāo)售額成正比。即一個(gè)商品評(píng)論數(shù)量越多,那么該商品的銷(xiāo)售額也會(huì)越高。
假如我們認(rèn)為評(píng)論多是銷(xiāo)量高的原因的話(huà),數(shù)據(jù)分析的結(jié)論就會(huì)指導(dǎo)我們,需要?jiǎng)?chuàng)造更多的商品評(píng)論來(lái)帶動(dòng)商品銷(xiāo)量。
但如果真的這樣操作的話(huà),就會(huì)發(fā)現(xiàn)很多商品的銷(xiāo)量對(duì)于評(píng)論的敏感度并不一樣,甚至很多商品銷(xiāo)量很高,但與其評(píng)論的多少毫無(wú)關(guān)系。
這里,我們就需要思考,評(píng)論真的是影響銷(xiāo)量的必然因素嗎?
除了評(píng)論之外,影響銷(xiāo)量的因素,還有其質(zhì)量、價(jià)格、活動(dòng)等,如果能完整的認(rèn)識(shí)到這些因素,那我們要拉升商品銷(xiāo)量,首先會(huì)需要先從其他角度來(lái)考慮,而非評(píng)論入手。
因此,在分析數(shù)據(jù)的時(shí)候,正確判斷數(shù)據(jù)指標(biāo)的邏輯關(guān)系,是指導(dǎo)我們做出產(chǎn)品決策的前提。
4. 被數(shù)據(jù)的表達(dá)技巧所蒙蔽
上圖從表面上來(lái)看,第二個(gè)圖表顯然更吸引人,轉(zhuǎn)化率增長(zhǎng)更加可喜。
但實(shí)際上,兩個(gè)圖表使用的是同一組數(shù)據(jù)。第二個(gè)圖表,僅僅是更改了縱軸范圍,就在視覺(jué)上覺(jué)得第二個(gè)的轉(zhuǎn)化率增長(zhǎng)幅度更大。
因此,在做數(shù)據(jù)分析時(shí),我們需要警惕一些數(shù)據(jù)處理的小計(jì)倆,不要被數(shù)據(jù)的視覺(jué)效果所蒙蔽。
5. 過(guò)度依賴(lài)數(shù)據(jù)
過(guò)度依賴(lài)數(shù)據(jù),一方面,會(huì)讓我們做很多沒(méi)有價(jià)值的數(shù)據(jù)分析;另一方面,也會(huì)限制產(chǎn)品經(jīng)理本來(lái)應(yīng)有的靈感和創(chuàng)意。
比如,分析馬車(chē)的數(shù)據(jù),很可能我們得出的結(jié)論,是用戶(hù)需要一匹更快的馬車(chē)。如果過(guò)度依賴(lài)數(shù)據(jù),局限了我們的思維,就很有可能不會(huì)有汽車(chē)的誕生。
很多優(yōu)秀甚至偉大的產(chǎn)品決策,并非通過(guò)數(shù)據(jù)發(fā)現(xiàn)的,而是一個(gè)產(chǎn)品經(jīng)理綜合智慧的體現(xiàn)。
最后
數(shù)據(jù)是客觀(guān)的,但是,解讀數(shù)據(jù)的人是主觀(guān)的。只有正確的認(rèn)識(shí)數(shù)據(jù),才能正確的利用數(shù)據(jù)。
在做數(shù)據(jù)分析時(shí),對(duì)待數(shù)據(jù)我們必須要有一個(gè)求證的心態(tài),并需要時(shí)刻警惕那些被人處理過(guò)的二手?jǐn)?shù)據(jù)。
來(lái)源:人人都是產(chǎn)品經(jīng)理
刷新相關(guān)文章
我要評(píng)論
人物專(zhuān)訪(fǎng)more >
活動(dòng)推薦more >
- 2018 上海國(guó)際大數(shù)據(jù)產(chǎn)業(yè)高2018-12-03
- 2018上海國(guó)際計(jì)算機(jī)網(wǎng)絡(luò)及信2018-12-03
- 中國(guó)國(guó)際信息通信展覽會(huì)將于2018-09-26
- 第五屆FEA消費(fèi)金融國(guó)際峰會(huì)62018-06-21
- 第五屆FEA消費(fèi)金融國(guó)際峰會(huì)2018-06-21
- “無(wú)界區(qū)塊鏈技術(shù)峰會(huì)2018”2018-06-14
不容錯(cuò)過(guò)的資訊
-
1#后疫情時(shí)代的新思考#疫情之下,關(guān)于醫(yī)
-
2眾盟科技獲ADMIC 2020金粲獎(jiǎng)“年度汽車(chē)
-
3數(shù)據(jù)智能 無(wú)限未來(lái)—2020世界人工智能大
-
4#2020非凡大賞:數(shù)字化風(fēng)起云涌時(shí),共尋
-
5#榜樣的力量#天璣數(shù)據(jù)大腦疫情風(fēng)險(xiǎn)感知
-
6#榜樣的力量#內(nèi)蒙古自治區(qū)互聯(lián)網(wǎng)醫(yī)療服
-
7#榜樣的力量#實(shí)時(shí)新型肺炎疫情數(shù)據(jù)小程
-
8#榜樣的力量#華佗疫情防控平臺(tái)丨數(shù)據(jù)猿
-
9#后疫情時(shí)代的新思考#構(gòu)建工業(yè)互聯(lián)網(wǎng)新
-
102020可信云大會(huì)丨《云MSP發(fā)展白皮書(shū)》重