比如说 PM 想看知乎用户使用 Live 的数量，发现迄今为止有 50 万 iPhone 用户点击了 Live 的页面，2 万安卓用户点击了 Live 的页面。同时还知道知乎有五百万 iPhone 日活，而安卓的日活是三千万，由此可见 iPhone 用户就是舍得花钱啊，同时安卓用户那里还有很大的机会。然后简单比较一下可以发现，二者的参与率差了 150 倍，常识判断这差得有点太大了，难以解释。再仔细研究一下数据来源发现，原来安卓客户端的数据记录是取样 1% 的，所以直接看只有 2 万安卓用户点击，但实际上应该在两百万左右，这样一来 iPhone 和安卓的差别就比较合理了。
3. 时刻注意数据分析的结果是否具有误导性
经常说的一句话叫“数据会说谎”。然后数据自身是不会说谎的，而是取决于如何做数据分析、如何展示结果。有时候是数据分析无意中引入了误导性元素，比如说不合理的坐标轴，有时候是刻意引入某些误导性元素，以达到特别的目的，这些都是应该尽量避免的。
比如说下图同样的增幅，因为用了不同的 y 轴，左右看起来就完全不一样了。如果听众没有仔细看坐标轴而仅仅看图形的话，妥妥的就被忽悠了
【声明】:8090安全小组门户(https://www.8090-sec.com)登载此文出于传递更多信息之目的，并不代表本站赞同其观点和对其真实性负责，仅适于网络安全技术爱好者学习研究使用，学习中请遵循国家相关法律法规。如有问题请联系我们：邮箱hack@ddos.kim，我们会在最短的时间内进行处理。
发表评论