常见的数据分析误区

文 | Smartbi大数据百科 2021-05-28 阅读次数：3907 次浏览

商业智能BI产品更多介绍：https://www.smartbi.com.cn/

商业智能BI产品更多介绍：点击前往

数据分析的误区（一）控制变量谬误

在做A/B测试时没有控制好变量，导致测试结果不能反映实验结果。或者在进行数据对比时，两个指标没有可比性。举个例子，为测试不同营销时间点对下的转化的影响，但A实验使用短信营销、B实验使用电话营销，未控制变量（营销方式），导致实验无法得出结论。

数据分析的误区（二）样本谬误

（1）样本量不够

统计学的基础理论基石之一就是大数定律，只有当数据量达到一定程度后，才能反映出特定的规律。如果出现样本量极少的情况，建议把时间线拉长，获得足量的样本。或者将不重要的限定条件去掉，增加样本数。

（2）存在选择性偏见或者幸存者偏见

统计学的另一大理论基石是中心极限定理。简单描述就是，总体样本中，任意一个群体样本的平均值，都会围绕在这个群体的整体平均值周围。

举个例子，在应用升级期间，衡量登录用户数、交易用户数等指标，来判断用户对新版本的喜欢是否优于老版本。听上去非常合理，但这里实际就隐藏了选择性偏见，因为新版本发布时，第一批升级上来的用户往往就是最活跃的用户，往往这批用户的指标较好，但不代表新版本更好。

（3）混入脏数据

这种数据的破坏性比较大，可能得出错误的结论。通常我们会采用数据校验的手段，屏蔽掉校验失败的数据。同时，在分析具体业务时，也要针对特定业务，对所使用的数据进行合理性限定，过滤掉异常离群值，来确保拥有比较好的数据质量。

数据分析的误区（三）因果相关谬误

误会把相关当因果，忽略中介变量。比如，有人发现雪糕的销量和河溪溺死的儿童数量呈明显相关，就下令削减雪糕销量。其实可能只是因为这两者都是发生在天气炎热的夏天。天气炎热，购买雪糕的人就越多，而去河里游泳的人也显著增多。

数据分析的误区（四）辛普森悖论

简单来说，就是在两个相差较多的分组数据相加时，在分组比较中都占优势的一方，会在总评中反而是失势的一方。

数据分析的误区（五）个人认知谬误

主观臆断、经验当事实、个体当整体、特征当全貌、眼见当事实。

举个主观臆断的例子：某个产品A页面到B页面的转化率30%，直接判断为很低，推导出可以提高到75%。但实际类似产品或者用户行为决定页面的转化率就只有这么高，得出一个错误的结论。标准至关重要，数据+标准=判断。有了判断才能深入分析。通过分组对比找标准（象限法、多维法、二八法、对比法），有标准通过分析对比，找到“好/坏”的点。

申请试用了解更多

文章目录

数据分析的误区（一）控制变量谬误数据分析的误区（二）样本谬误数据分析的误区（三）因果相关谬误数据分析的误区（四）辛普森悖论数据分析的误区（五）个人认知谬误

试用申请

更聪明的大数据分析软件，快速挖掘企业数据价值！

我们的产品

一站式ABI平台

智慧数据运营平台

电子表格软件社区版永久免费

SaaS BI云平台

机器学习平台

嵌入式BI

一站式ABI平台

电子表格软件

常见的数据分析误区

数据分析的误区（一）控制变量谬误

数据分析的误区（二）样本谬误

数据分析的误区（三）因果相关谬误

数据分析的误区（四）辛普森悖论

数据分析的误区（五）个人认知谬误

文章目录

相关推荐

UI主题套用，模板免费下载

产品

功能

解决方案

客户及案例

服务

关于

联系方式

关注我们

联系我们