这四件事带你走出深陷的数据分析迷宫

通过真实世界中的实例，我们将共同通过种种错误的数据分析方式总结出正确的技巧与诀窍。相信每位朋友都遇到过这样的情况：将来自各类渠道的数据收集起来，通过A/B测试进行验证，希望借此得出分析结论。但在检查结果时，我们发现这些数字似乎并不怎么合理。事实上，数据验证也是我们日常工作中的重要环节，而且与编码一样需要大量追踪与调试。

在今天的文章中，我们将共同通过真实世界中的实例，在对种种错误的数据分析方式的总结中找出正确的技巧与诀窍。

别急着做出假设

感觉上是对的，并不代表就真是对的。我们的大脑常常具有误导性。我发现很多分析师都因这种失误而身陷分析迷宫。

下面来看一种常见的问题：变更聚合查询。

先看以下两行查询：

乍看起来，很多人会认为这两条查询的含义是完全一致的。左侧的查询只是包含了额外的几列，对吧?但事实并非如此。左侧查询中包含5个聚合层级，而右侧的只有2个。左侧的查询返回的总和数字更小，因为其定义更为明确。如果将其作为分析流程中的组成部分，那么不同的结果会给后续分析造成严重影响。

聚合错误是一类非常常见的问题，因此即使对自己的思路很有信心，大家也请务必再检查一遍。

Snapshot(快照)问题

过去四年当中，身为分析师与教师的从业经历让我意识到一大常见数据错误的起源：snapshot表。这类数据表面向特定时间段(每月、每周、每日)，旨在保存对应时间点的数字化快照。

无论原因为何，这类表确实难倒了很多人。首先，这类表往往很难理解(+微信关注网络世界)，这意味着刚刚接触此类表的用户无法立即意识到其属于snapshot表，直接导致用户对数据进行错误运用。最简单的预防办法就是为其设置明确的名称，告知用户其属于snapshot类型。

我们该如何识别出snapshot表并找出其使用方法?最明确的标志就是，snapshot表中的全部指标往往都较平均值有所夸大。大家可能曾经把周快照当成日快照处理，并发现其结果比预期值大5到7倍——幸运的是，这种错误还是很容易发现的。大家可以将其拆分成一天，例如时段中的最后一天，或者干脆取其中的最大值。具体参考以下示例：

选定一天：

找到最大值：

关键在于坚持以同一种方法使用snapshot表。根据实际背景与目标，我们可以选择最为有效的具体处理办法。

总结模式

在验证数据有效性时，我发现总结其中的模式能够有效识别错误。具体问题包括：

是否全部数据皆受到影响?

受影响数据是否全部来自同样的群组?

区别间呈正相关状态，抑或各自随机?