資料分析中常見的錯誤是什麼（一）

資料分析是一個十分重要的技能，現在很多人都開始關注資料分析這個行業，同時很多的企業也開始重視資料分析。但是有很多人都不是專業的資料分析師，在進行資料分析的工作中容易出現很多的錯誤，我們在這篇文章中就給大家介紹一下關於資料分析常見的錯誤，希望大家能夠引以為戒。

首先我們給大家說一下資料，資料是人類的發明。人類定義了他們想要測量的現象，設計系統收集資料，在分析之前進行清理和預處理，最後選擇如何解釋結果。即使使用相同的資料集，兩個人也可以得出截然不同的結論。這是因為資料本身並不是能夠反應客觀現實的、可觀察的、可證明的資料。所以說對於資料，我們要格外的重視。大多數被我們成為資料的東西可能是些僅僅是用來支援某種議程的測量、與事實無關的資訊集合、或者來自看起來合理、但是帶有偏見的收集工作。

而資料分析過程中容易出現的錯誤有很多，第一就是不明確的目標，具體就是未能確定收集資料的原因，意味著我們將錯過闡明假設和確定收集內容的機會。結果是我們可能會收集錯誤的資料或不完整的資料。大資料的一個共同趨勢是企業收集大量資訊而不瞭解他們為什麼需要它，以及他們如何使用它。收集龐大而混亂的資料量只會阻礙我們未來的分析，因為我們將不得不通過更多的垃圾來尋找我們真正想要的東西。

第二就是定義錯誤，假設我們想知道我們的客戶上個季度花了多少錢在我們的服務上。即使是這樣一個簡單的目標也需要在我們得到我們想要的資訊之前定義一些假設。首先，取決於我們的目標，我們可能不想把每個人都放到一個桶裡。我們可能希望通過購買行為細分客戶，以便相應地調整營銷動作或產品特性。如果是這樣的話，那麼我們需要確保我們包含了關於客戶的有用資訊，例如人口資訊或支出歷史。還有一些戰術上的考慮，我們將需要討論我們的期望，並設定適當的引數，以收集我們真正想要的資訊。

第三就是捕獲錯誤。一旦確定了希望收集的資料型別，就需要設計一種機制來捕獲它。這裡的錯誤可能導致捕獲不正確的或偶然的、有偏見的資料。例如，如果你想測試產品1是否比產品2更吸引人，但你總是在你的網站上顯示產品1，那麼使用者可能不會頻繁地看到或購買2產品，從而導致我們得出錯誤的結論。

我們在這篇文章中給大家介紹了三種資料分析中常見的錯誤，分別是不明確的目標、定義錯誤、捕獲錯誤。我們會在後面的文章中給大家介紹更多需要注意的內容。