在做數(shù)據(jù)分析時，我們需要警惕這5個常見誤區(qū)：

　　1. 選取的樣本容量有誤

08年奧運會上，姚明的三分投籃命中率為100%，科比的三分投籃命中率為32%，那么是不是說姚明的三分投籃命中率要比科比高?

顯然不能這么說，因為那屆奧運會，姚明只投了1個三分球，科比投了53個。

因此，在做數(shù)據(jù)對比分析時，對于樣本的選取，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

用戶迫切需要的需求≠產(chǎn)品的核心需求

產(chǎn)品經(jīng)理在聽到部分用戶反饋的時候就做出決策，花費大量的時間開發(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的迫切需求，而大部分用戶并不在乎。

忽略沉默用戶，沒有全盤的考慮產(chǎn)品大部分目標(biāo)用戶的核心需求，可能造成人力物力的浪費，更有甚者，會錯失商業(yè)機會。

3. 錯判因果關(guān)系

某電商網(wǎng)站數(shù)據(jù)顯示，商品評論的數(shù)量與商品銷售額成正比。即一個商品評論數(shù)量越多，那么該商品的銷售額也會越高。

假如我們認(rèn)為評論多是銷量高的原因的話，數(shù)據(jù)分析的結(jié)論就會指導(dǎo)我們，需要創(chuàng)造更多的商品評論來帶動商品銷量。

但如果真的這樣操作的話，就會發(fā)現(xiàn)很多商品的銷量對于評論的敏感度并不一樣，甚至很多商品銷量很高，但與其評論的多少毫無關(guān)系。

這里，我們就需要思考，評論真的是影響銷量的必然因素嗎?

除了評論之外，影響銷量的因素，還有其質(zhì)量、價格、活動等，如果能完整的認(rèn)識到這些因素，那我們要拉升商品銷量，首先會需要先從其他角度來考慮，而非評論入手。

因此，在分析數(shù)據(jù)的時候，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)的表達技巧所蒙蔽

　　上圖從表面上來看，第二個圖表顯然更吸引人，轉(zhuǎn)化率增長更加可喜。

但實際上，兩個圖表使用的是同一組數(shù)據(jù)。第二個圖表，僅僅是更改了縱軸范圍，就在視覺上覺得第二個的轉(zhuǎn)化率增長幅度更大。

因此，在做數(shù)據(jù)分析時，我們需要警惕一些數(shù)據(jù)處理的小計倆，不要被數(shù)據(jù)的視覺效果所蒙蔽。

5. 過度依賴數(shù)據(jù)

過度依賴數(shù)據(jù)，一方面，會讓我們做很多沒有價值的數(shù)據(jù)分析;另一方面，也會限制產(chǎn)品經(jīng)理本來應(yīng)有的靈感和創(chuàng)意。

比如，分析馬車的數(shù)據(jù)，很可能我們得出的結(jié)論，是用戶需要一匹更快的馬車。如果過度依賴數(shù)據(jù)，局限了我們的思維，就很有可能不會有汽車的誕生。

很多優(yōu)秀甚至偉大的產(chǎn)品決策，并非通過數(shù)據(jù)發(fā)現(xiàn)的，而是一個產(chǎn)品經(jīng)理綜合智慧的體現(xiàn)。

最后

在做數(shù)據(jù)分析時，對待數(shù)據(jù)我們必須要有一個求證的心態(tài)，并需要警惕那些被人處理過的二手?jǐn)?shù)據(jù)。