数据分析师最常见的五个错误 — GameAnalytics

本文由 Peter Fodor 投稿，他是 AppAgent 的创始人。AppAgent 是一项面向移动开发者的服务，帮助那些正在推出游戏或应用但需要营销和用户获取支持的开发者。

‍你知道吗？每天每分钟，Instagram 上有 1,736,111 个点赞；Snapchat 上共享了 284,722 次快照；Tinder 上进行了 590,278 次滑动。移动应用和游戏使用量的增长催生了海量数据。数百万用户的行为留下了大量痕迹——这些都具有价值。

Crunching the numbers are the legions of data analysts whose skills are increasingly in demand. The need to find meaningful connections from this data is increasingly putting pressure on these analysts, whose insights and conclusions can affect billion-dollar businesses.

Eating numbers for breakfast

Historically analysts were people with a narrow expertise in statistics and programming. This situation has changed significantly in the past few years as companies have become more aware of the need for people who have one foot in the world of data and the other in the world of business.

The interpretation of the data, the ability to ask the right questions and flexibility in finding answers are the most common problems faced by analysts.

Pavel Trejbal，AppAgent的数据分析师——这是一家为游戏工作室和初创公司提供移动营销服务的平台——拥有认知信息学这一实验性领域的硕士学位。他的专业方向将技术教育与经济学、心理学、脑科学、语言学、人工智能和哲学联系起来。

“我不认为自己是这些领域中的任何一位硬核专家，但广泛的知识帮助我提出跳出框架的解决方案，以应对棘手的问题。”

在数字世界中度过了6年后，Pavel积累了丰富的经验，他也见识过不少糟糕的工作和可疑的分析。

以下是Pavel总结的数据分析师最常犯的五个错误，以及如何避免它们：

1. 你相信完美的算法：专注于完善算法，而非采用简单但不完美的解决方案，是最常见的错误。你应该接受那些准确性稍低但仍非常有价值的结果和洞察，因为你的老板需要的是现在就能用的东西，而不是4周后才有的东西。直接切入主题并允许一定的误差范围通常更有效。在商业中，时间至关重要！

2. 你相信最佳实践：不要这样做！每个业务和任务都是不同的。最佳实践可以提供很好的启发，但你始终应该思考自己的解决方案。不要依赖类似的案例，要像第一次处理该任务一样，保持开放心态去研究和分析事物。

3. 你盲目相信你的数据：如果你发现一些有趣的显著模式，请使用“四眼原则”。与产品经理、社区经理或游戏设计师讨论你的假设。这些人比你自己更了解用户和产品。通常是对行为的错误解读，或者数据中存在技术错误。

4. 你没有正确清洗数据：数据清洗通常是数据分析中最枯燥的部分，而且往往占用最多时间——但这是值得的。你会了解哪些数据缺失或错误，以及现有分析解释中的限制。如果跳过这一步，分析结果会被污染，洞察结论可能完全错误。记住一个简单的原则：垃圾进 = 垃圾出。

‍5. 你不理解工具和指标的差异：每种分析工具都因其不同的技术解决方案或不同的指标定义而具有特定性。请确保你了解这些差异！最近，我们使用 Google Analytics 的采样方法，以转化率和收入等 KPI 对 A/B 测试进行了评估。起初，变体 A 在这两项指标上都明显优于变体 B。但我们对此表示怀疑，于是下载了原始数据并手动进行分析以避免采样偏差。结论却完全相反：变体 A 在这两项指标上表现更差。

离开你的座位

Pavel 100% 确信，无论分析师是内部还是外部人员，都不应坐在远离公司日常业务的“象牙塔”里。相反，该角色应参与关键的管理、营销和产品会议。

通过这种方式，分析师可以了解决策者的需求，吸收产品信息，并提出数据如何帮助公司的建议。一个次要的积极影响是，决策者将更好地理解游戏和应用中分析的价值，并通过公司内部推广新的成果和学习经验。

分析是流程中不可或缺的一部分，不应被忽视。这是一个复杂的过程，但只要按逻辑推进，就不会带来太多困难。请记住，我们已经犯过这些错误，所以你不必再重蹈覆辙。