這四件事帶你走出深陷的數據分析迷宮

通過真實世界中的實例，我們將共同通過種種錯誤的數據分析方式總結出正確的技巧與訣竅。相信每位朋友都遇到過這樣的情況：將來自各類渠道的數據收集起來，通過A/B測試進行驗證，希望借此得出分析結論。但在檢查結果時，我們發現這些數字似乎并不怎么合理。事實上，數據驗證也是我們日常工作中的重要環節，而且與編碼一樣需要大量追蹤與調試。

在今天的文章中，我們將共同通過真實世界中的實例，在對種種錯誤的數據分析方式的總結中找出正確的技巧與訣竅。

別急著做出假設

感覺上是對的，并不代表就真是對的。我們的大腦常常具有誤導性。我發現很多分析師都因這種失誤而身陷分析迷宮。

下面來看一種常見的問題：變更聚合查詢。

先看以下兩行查詢：

乍看起來，很多人會認為這兩條查詢的含義是完全一致的。左側的查詢只是包含了額外的幾列，對吧?但事實并非如此。左側查詢中包含5個聚合層級，而右側的只有2個。左側的查詢返回的總和數字更小，因為其定義更為明確。如果將其作為分析流程中的組成部分，那么不同的結果會給后續分析造成嚴重影響。

聚合錯誤是一類非常常見的問題，因此即使對自己的思路很有信心，大家也請務必再檢查一遍。

Snapshot(快照)問題

過去四年當中，身為分析師與教師的從業經歷讓我意識到一大常見數據錯誤的起源：snapshot表。這類數據表面向特定時間段(每月、每周、每日)，旨在保存對應時間點的數字化快照。

無論原因為何，這類表確實難倒了很多人。首先，這類表往往很難理解(+微信關注網絡世界)，這意味著剛剛接觸此類表的用戶無法立即意識到其屬于snapshot表，直接導致用戶對數據進行錯誤運用。最簡單的預防辦法就是為其設置明確的名稱，告知用戶其屬于snapshot類型。

我們該如何識別出snapshot表并找出其使用方法?最明確的標志就是，snapshot表中的全部指標往往都較平均值有所夸大。大家可能曾經把周快照當成日快照處理，并發現其結果比預期值大5到7倍——幸運的是，這種錯誤還是很容易發現的。大家可以將其拆分成一天，例如時段中的最后一天，或者干脆取其中的最大值。具體參考以下示例：

選定一天：

找到最大值：

關鍵在于堅持以同一種方法使用snapshot表。根據實際背景與目標，我們可以選擇最為有效的具體處理辦法。

總結模式

在驗證數據有效性時，我發現總結其中的模式能夠有效識別錯誤。具體問題包括：

是否全部數據皆受到影響?

受影響數據是否全部來自同樣的群組?

區別間呈正相關狀態，抑或各自隨機?