正是因為數(shù)據(jù)的客觀性，讓數(shù)據(jù)變成了發(fā)掘問題本質，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，有時也是會騙人的。在與數(shù)據(jù)打交道的過程中，我們可能經常會犯一些錯誤，導致分析的結論出現(xiàn)較大的偏頗。因此，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，姚明只投了一個三分球，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，減少分析結論的偏差性。
2. 忽略沉默用戶
用戶迫切需要的需求≠產品的核心需求
產品經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)相應的功能，往往結果，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，沒有全盤的考慮產品大部分目標用戶的核心需求，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。
假如我們認為評論多是銷量高的原因的話，數(shù)據(jù)分析的結論就會指導我們，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，還有其質量、價格、活動等，如果能完整的認識到這些因素，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)指標的邏輯關系，是指導我們做出產品決策的前提。
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，也會限制產品經理本來應有的靈感和創(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)秀甚至偉大的產品決策，并非通過數(shù)據(jù)發(fā)現(xiàn)的，而是一個產品經理綜合智慧的體現(xiàn)。
最后
數(shù)據(jù)是客觀的，但是，解讀數(shù)據(jù)的人是主觀的。只有正確的認識數(shù)據(jù)，才能正確的利用數(shù)據(jù)。
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)，并需要時刻警惕那些被人處理過的二手數(shù)據(jù)。
