關(guān)于-0的兩大誤區(qū)/通常情況下，無論是我們進(jìn)行用戶調(diào)研、產(chǎn)品運營還是競品分析，都要對數(shù)據(jù)進(jìn)行分析。如果項目出現(xiàn)一些分歧，誰也說服不了誰，我們往往用數(shù)據(jù)說話。可見，在開發(fā)產(chǎn)品時，數(shù)據(jù)的統(tǒng)計和分析是非常重要的。大家都說數(shù)據(jù)是客觀的，但實際上數(shù)據(jù)受到背景環(huán)境、統(tǒng)計人員、統(tǒng)計方法、分析師觀點等多重因素的影響，以至于我們在統(tǒng)計和分析中經(jīng)常陷入一個誤區(qū)，得不到正確的答案。

誤區(qū)一:把某一類數(shù)據(jù)當(dāng)成全部數(shù)據(jù)，導(dǎo)致錯誤的分析結(jié)果。先說一個小故事:二戰(zhàn)時，英國空軍想增加飛機的裝甲厚度，但如果全部加厚會降低靈活性，所以最終決定只增加受攻擊最嚴(yán)重部位的裝甲。后來，工作人員統(tǒng)計了被擊中的飛機后，發(fā)現(xiàn)大部分飛機機翼上的彈孔都比較多，于是決定增加機翼的裝甲厚度。后來一個專家說:“但是那些被打中鼻子的飛機沒有飛回來?！?/p>

您的組織是否正在考慮分析數(shù)據(jù)的最佳方法？在你采用Big 數(shù)據(jù)分析之前，這里有六個大數(shù)據(jù)神話需要注意。云計算的使用，更快的數(shù)據(jù)處理速度，海量數(shù)據(jù)輸入物聯(lián)網(wǎng)，意味著企業(yè)現(xiàn)在正在收集前所未有的海量數(shù)據(jù)。大數(shù)據(jù)比以往任何時候都大。然而，如何組織、處理和理解數(shù)據(jù)仍然是許多組織面臨的主要挑戰(zhàn)。您的公司是否仍在努力理解什么是大數(shù)據(jù)以及如何管理大數(shù)據(jù)？

1.數(shù)據(jù)分析大數(shù)據(jù)的誤解是數(shù)據(jù)“很多”。目前，大數(shù)據(jù)已經(jīng)成為一個流行詞匯。但它的真正含義往往不清楚。有人認(rèn)為大數(shù)據(jù)就是大量的數(shù)據(jù)。但這并不完全正確。實際情況稍微復(fù)雜一點。大數(shù)據(jù)是指結(jié)構(gòu)化(如表格)或非結(jié)構(gòu)化(如電子郵件中的元數(shù)據(jù))數(shù)據(jù)集，將社交媒體分析或物聯(lián)網(wǎng)數(shù)據(jù)等數(shù)據(jù)結(jié)合起來，形成一個更大的故事。大數(shù)據(jù)的故事表明，組織使用傳統(tǒng)分析技術(shù)捕捉趨勢是多么困難。

1。均值的計算在處理數(shù)據(jù)時，我們經(jīng)常會遇到在相同的抽樣或?qū)嶒灄l件下，對同一隨機變量的多個不同值進(jìn)行統(tǒng)計處理的問題。在這一點上，我們往往會不加思考地直接給出算術(shù)平均值和標(biāo)準(zhǔn)差。顯然，這種做法并不嚴(yán)謹(jǐn)。這是因為描述隨機變量總體大小特征的統(tǒng)計量有很多，比如算術(shù)平均數(shù)、幾何平均數(shù)、中位數(shù)等。至于應(yīng)該采用什么樣的均值，應(yīng)該根據(jù)隨機變量的分布特征來確定，而不是根據(jù)主觀意愿。

這時可以用算術(shù)平均值來描述隨機變量的大小特征；如果所研究的隨機變量不服從正態(tài)分布，算術(shù)平均值就不能準(zhǔn)確反映變量的大小特征。在這種情況下，可以用假設(shè)檢驗來判斷隨機變量是否服從對數(shù)正態(tài)分布。如果服從對數(shù)正態(tài)分布，幾何平均值就是數(shù)學(xué)上的期望值。此時，可以計算變量的幾何平均值；如果一個隨機變量既不服從正態(tài)分布，也不服從對數(shù)正態(tài)分布，根據(jù)現(xiàn)有的數(shù)理統(tǒng)計知識，沒有合適的統(tǒng)計量來描述該變量的大小特征。

你的電腦有病毒。你說的一定增長或者負(fù)增長，應(yīng)該是指與去年同期相比吧？我也這么認(rèn)為一般商品的購買和另外兩個數(shù)據(jù)密切相關(guān)，一個是庫存，一個是銷售，其實單一的購買數(shù)據(jù)并不能說明什么。比如多采購商品，有好的方面，也有不好的方面；如果是在增加銷量的基礎(chǔ)上，庫存消耗較大，此時購買說明市場供應(yīng)量增加，銷量增加。