本文共 969 字，大约阅读时间需要 3 分钟。

首先我们给大家说一下数据，数据是人类的发明。人类定义了他们想要测量的现象，设计系统收集数据，在分析之前进行清理和预处理，最后选择如何解释结果。即使使用相同的数据集，两个人也可以得出截然不同的结论。这是因为数据本身并不是能够反应客观现实的、可观察的、可证明的数据。所以说对于数据，我们要格外的重视。大多数被我们成为数据的东西可能是些仅仅是用来支持某种议程的测量、与事实无关的信息集合、或者来自看起来合理、但是带有偏见的收集工作。

而数据分析过程中容易出现的错误有很多，第一就是不明确的目标，具体就是未能确定收集数据的原因，意味着我们将错过阐明假设和确定收集内容的机会。结果是我们可能会收集错误的数据或不完整的数据。大数据的一个共同趋势是企业收集大量信息而不了解他们为什么需要它，以及他们如何使用它。收集庞大而混乱的数据量只会阻碍我们未来的分析，因为我们将不得不通过更多的垃圾来寻找我们真正想要的东西。

第二就是定义错误，假设我们想知道我们的客户上个季度花了多少钱在我们的服务上。即使是这样一个简单的目标也需要在我们得到我们想要的信息之前定义一些假设。首先，取决于我们的目标，我们可能不想把每个人都放到一个桶里。我们可能希望通过购买行为细分客户，以便相应地调整营销动作或产品特性。如果是这样的话，那么我们需要确保我们包含了关于客户的有用信息，例如人口信息或支出历史。还有一些战术上的考虑，我们将需要讨论我们的期望，并设置适当的参数，以收集我们真正想要的信息。

第三就是捕获错误。一旦确定了希望收集的数据类型，就需要设计一种机制来捕获它。这里的错误可能导致捕获不正确的或偶然的、有偏见的数据。例如，如果你想测试产品1是否比产品2更吸引人，但你总是在你的网站上显示产品1，那么用户可能不会频繁地看到或购买2产品，从而导致我们得出错误的结论。

我们在这篇文章中给大家介绍了三种数据分析中常见的错误，分别是不明确的目标、定义错误、捕获错误。我们会在后面的文章中给大家介绍更多需要注意的内容。

转载地址：https://blog.csdn.net/yoggieCDA/article/details/87982569 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！