数据分析的5个坑，你踩过几个？

互联网IDC圈6月1日报道，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。

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：

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。

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。

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。

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。

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。

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。