數據來源于用戶也談數據分析這點事

首先，在數據分析中我也不敢妄稱高手，不會很多分析算法，不會用啥統計工具，只會傻傻的去盯著看。但是我非常喜歡看各種數據，大學時整天看各種硬件評測;研究生階段看了無數相機、鏡頭評測;后來是每周琢磨全世界各種游戲機、游戲的銷量。工作中也特別喜歡建立各種統計系統，看各種數據，現在公司的所有統計代碼都是我自己寫的，一般工作每天也會花接近30%的時間研究數據，至少可以算是個不折不扣的數據分析愛好者了。關于數據分析，caoz已經說的非常好了，我也只能補充一下自己的經驗感受了。

1、不管做統計還是看別人的數據，靠前步永遠是數據獲取的可靠性。假如是采樣數據的話，一定要看看采樣方式，看看可能會存在什么樣的誤差。如果是自己數據的話，也要看看數據獲取本身是否科學，例如統計用戶行為一般都用js回調，如果還用apache日志來做統計，結果想來也不會靠譜。

2、獲取到數據之后，肯定是需要建立統計，這時候，需要想想，建立什么樣的統計信息才能更好的分析產品及用戶的特性。很多時候，往往單一特征已經很難去描述，需要綜合很多地方來看。例如網頁搜索中，往往要看首條CTR、前三條CTR，末次點擊等多種因素，并通過很多種不同因素結合做出分析和判斷。

3、對數據要抱有懷疑之心，尤其是數據本身與你要達到的結論之間有沒有必然的因果關系。舉個例子，網頁搜索結果如果CTR高一定就是體驗好嗎?搜索廣告的RPM高就一定理想嗎?

4、生成同一個數據，往往可以有不同的統計方法，如果選擇錯誤的話，結論往往會大相徑庭。例如想分析網站對搜索引擎的依賴性，究竟應該用PV，用 Session，還是用UV做統計呢?如果一個用戶一天訪問多次，某些是來自搜索引擎，某些是主動訪問，該如何計算呢?這里面還是有很深的學問。

5、數據中往往會有很多噪聲，怎么將這些噪聲過濾也很重要。就像投票有投票機，有些spider會執行你的統計js，有些用戶會誤點，如果沒有很好的過濾和處理，會使數據的可靠性大打折扣。

6、理解各種可能會使數據產生波動的原因，并通過不斷的分析、驗證和排除找到真正原因。例如當發生搜索流量下降，有可能有很多種原因，例如機房網絡出故障、競爭對手用某些產品搗亂、上線的代碼存在重大不穩定因素、運營商出故障或者拉閘限電等等，這中間每個都有不同的驗證方式，需要從服務器日志、基調數據、分區域、用戶行為等多個維度去進行跟蹤和試驗，找到真正可能的核心原因。對數據進行預估和判斷需要一種感覺，這種感覺不是天生的，而需要不斷的鍛煉和培養。這個過程可能很漫長，一般情況下，需要先看很多數據，培養自己對數據的基本認識，也要分析一些事件中(如周末、節假日、或者故障等)數據的變化。而在產品上線前，先自己鍛煉一下預估，然后再通過實際值對自己的預判進行驗證和評估。通過這種不斷的學習和分析，逐漸培養出自己對數據的領悟。