|
如何像数据科学家一样思考
导读： 如今，数据分析已成为每个职场人的必备技能。当我们使用数据时，都希望自己能像专业的数据科学家一样有着严谨的数据思维。 LinkedIn 数据科学家，Monica Rogati 在《Lean Analytics》这本书中提出了数据分析常见的 “十大陷阱”。让我们认清这十大陷阱，像数据科学家一样正确的思考。
数据源没有噪声
永远不要假设你拿到的数据源是无噪声的。全面的数据检查和恰当的数据清洗是你正确使用数据的第一步，也是工作量最大的一步。
数据不准确，结论便没有可信性。如果整个团队就产品的用户增长讨论一个小时后发现，是数据源错误导致的，你可以想象老板的脸色会有多难看。
数据不做归一化数据的绝对总量意义并不大，我们往往更关心相对比例。
举个例子，你想要通过数据分析找出十个最受欢迎的婚礼举办地。普通人的想法必然是找到举办婚礼数量排名前十的城市。但是，你很快就会发现，这十个地方多半只是十个常见的热门旅游地。由于去这些城市旅行的基数很大，于是，相应的，去那里结婚的人的总量也会比较多。 因此，正确的做法是，用在当地举办婚礼的人数除以旅行总人数，这个比例排名前十的目的地才是真正受欢迎的婚礼举办地。 随意忽略异常点
如果你发现有21个人每天访问你的网站1000次，你会怎么看？他们要么是你的超级粉丝，要么就是爬虫机器人。无论是哪一种，请不要随便忽略他们。深入分析他们，再进行恰当的处理。
将异常点包含进你的数据模型
虽然深入了解这21个异常点是必要的定性分析，但进行数据建模的时候，最好不要将他们包括进来。数据建模的目的是用现有用户行为数据预测未来，进而影响你的产品决策。异常点会破坏模型的普适性。
比方说，你想要为网站的 “猜你喜欢” 功能建模。由于超级粉丝的权重往往很高，将他们包括进来会使得推荐结果就只是忠实粉丝所喜欢的东西。
忽略数据的季度性
“最近 实习生 的搜索量怎么这么大？难道发生了什么新鲜事？” “等等，原来现在是六月份 — 实习生招聘季 ”。 所有的产品用户数据都有季度性，流量往往和节假日紧密相关。在阅读数据时，如果不注意这些趋势，你会做出错误的数据决策。
抛开基数谈增长
关注增长总量的时候一定不能忘记了它的基数。在产品刚上线的时候，每天的用户增量不会太多，但是按比例来看，却会轻松翻倍。相应的，当你的产品有了一定的规模之后，每天的用户增量很大，但是增长比例却不一定很高。
数据会说话 当你面对一张数据报表的时候，如果你不懂业务逻辑，不清楚你想要解决的问题，你将会一脸茫然，完全不知道该看哪里。 数据不会说话。只有带着你的大脑去看数据，数据才会说话。
数据异常假警报
为了更好的监控数据，你一定会设置一些警报。好让数据出现异常的时候可以提醒你。 但是，请主意，如果你设置的阈值太敏感，你会被提醒邮件所淹没。到最后，你就会习惯性的忽略数据异常了。 只关心手头的数据
当你手中有了一定量数据之后，你的思维往往会产生局限性，将分析的重点只放在这有限的数据上。而数据科学家往往能够打开思路，引入其他数据来源，进行更深入的分析。 比如，你通过分析数据发现，粉丝用户多来自于北京的某一个区域。接下来，你该怎么拓展思路呢？你应该想办法去找到有关这一区域的更多数据。接着你就会发现，这一带也是寿司餐馆的集中地。 新的数据源会让你发现更多关联，激发你的新点子。
关注噪点
在做数据分析时，数据噪点总是能够吸引我们的注意力。因为他们在数据报表中总是特别抢眼。但是切记不要把精力过多放在上面。 如果你在一堆数据里找不到规律，那么它就是没有规律。这个时候，最应该做的事情是，抽身出来，从全局的角度去看数据。
本文由知乎@徐小圈 投稿
知乎主页：https://www.zhihu.com/people/xu-xiao-quan-64-63/
本文转自微信公众号：小蚊子数据分析，作者：徐小圈 | 
