数据的客观性
数据意味着什么？
量化事物的手段，数据具有客观性，发掘事物本质、寻找食物规律
什么情况下数据会犯错？
人在处理数据的时候会犯错误，要屏蔽主观因素的影响
如何解读数据？
不仅仅看数据本身，还要看样本范围、数字提取的手段
数据的来源、二次处理、样本数量、样本的占比
带着疑问去对数据做出预判、寻找相关特征数据来验证假设
培养面对数据的智慧
怎么样提高分析能力？
反复练习以及对各种数据的阅历，日常生活中也会接触到大量数据，锻炼数据敏感性。
如何开始和数据打交道？
1、学习如何提出数据统计需求，界定产品目的和目标，根据目标提出假设、预判产品效果
2、学习如何解读数据，发现数据中隐含信息，并通过逻辑推理进一步提出号的追问和假设，然后通过数据来验证
数据需求包含？
1、功能设计方案
2、功能的目的和目标
3、功能上线后需要跟踪的数据指标，及指标精确定义
如何解读数据？
假设结果，好的追问能发现机会，提出好的追问需要实践的积累
控制自己的感性和理性，平衡点很重要
数据分析中的误区
典型问题：忽略沉默用户，仔细考证用户反馈
用户迫切需要的需求并不是产品的核心需求，要全盘考虑用户需要
典型问题：过分依赖数据
不要过分做数据分析，不要限制思维和创意，产品需要独立思考和灵活判断的智慧
典型问题：错判因果关系
区分清因果关系和相关关系
典型问题：警惕表达数据的技巧
控制纵轴和横轴的坐标范围，警惕二手数据
典型问题：不要妄谈大数据
大数据三个要素：用全部数据、注重相关关系、全新的计算方法
推荐阅读“大数据时代”
