昨天看到了caoz寫的《數(shù)據(jù)分析這點(diǎn)事》，非常值得深度，看完后很有感觸，也在這里隨便寫寫關(guān)于數(shù)據(jù)分析的個(gè)人看法。

　　首先，在數(shù)據(jù)分析中我也不敢妄稱高手，不會很多分析算法，不會用啥統(tǒng)計(jì)工具，只會傻傻的去盯著看。但是我非常喜歡看各種數(shù)據(jù)，大學(xué)時(shí)整天看各種硬件評測;研究生階段看了無數(shù)相機(jī)、鏡頭評測;后來是每周琢磨全世界各種游戲機(jī)、游戲的銷量。工作中也特別喜歡建立各種統(tǒng)計(jì)系統(tǒng)，看各種數(shù)據(jù)，現(xiàn)在公司的所有統(tǒng)計(jì)代碼都是我自己寫的，一般工作每天也會花接近30%的時(shí)間研究數(shù)據(jù)，至少可以算是個(gè)不折不扣的數(shù)據(jù)分析愛好者了。

　　關(guān)于數(shù)據(jù)分析，caoz已經(jīng)說的非常好了，我也只能補(bǔ)充一下自己的經(jīng)驗(yàn)感受了。

　　1、不管做統(tǒng)計(jì)還是看別人的數(shù)據(jù)，第一步永遠(yuǎn)是數(shù)據(jù)獲取的可靠性。假如是采樣數(shù)據(jù)的話，一定要看看采樣方式，看看可能會存在什么樣的誤差。如果是自己數(shù)據(jù)的話，也要看看數(shù)據(jù)獲取本身是否科學(xué)，例如統(tǒng)計(jì)用戶行為一般都用js回調(diào)，如果還用apache日志來做統(tǒng)計(jì)，結(jié)果想來也不會靠譜。

　　2、獲取到數(shù)據(jù)之后，肯定是需要建立統(tǒng)計(jì)，這時(shí)候，需要想想，建立什么樣的統(tǒng)計(jì)信息才能更好的分析產(chǎn)品及用戶的特性。很多時(shí)候，往往單一特征已經(jīng)很難去描述，需要綜合很多地方來看。例如網(wǎng)頁搜索中，往往要看首條CTR、前三條CTR，末次點(diǎn)擊等多種因素，并通過很多種不同因素結(jié)合做出分析和判斷。

　　3、對數(shù)據(jù)要抱有懷疑之心，尤其是數(shù)據(jù)本身與你要達(dá)到的結(jié)論之間有沒有必然的因果關(guān)系。舉個(gè)例子，網(wǎng)頁搜索結(jié)果如果CTR高一定就是體驗(yàn)好嗎?搜索廣告的RPM高就一定理想嗎?

　　4、生成同一個(gè)數(shù)據(jù)，往往可以有不同的統(tǒng)計(jì)方法，如果選擇錯(cuò)誤的話，結(jié)論往往會大相徑庭。例如想分析網(wǎng)站對搜索引擎的依賴性，究竟應(yīng)該用PV，用Session，還是用UV做統(tǒng)計(jì)呢?如果一個(gè)用戶一天訪問多次，某些是來自搜索引擎，某些是主動訪問，該如何計(jì)算呢?這里面還是有很深的學(xué)問。

　　5、數(shù)據(jù)中往往會有很多噪聲，怎么將這些噪聲過濾也很重要。就像投票有投票機(jī)，有些spider會執(zhí)行你的統(tǒng)計(jì)js，有些用戶會誤點(diǎn)，如果沒有很好的過濾和處理，會使數(shù)據(jù)的可靠性大打折扣。

　　6、理解各種可能會使數(shù)據(jù)產(chǎn)生波動的原因，并通過不斷的分析、驗(yàn)證和排除找到真正原因。例如當(dāng)發(fā)生搜索流量下降，有可能有很多種原因，例如機(jī)房網(wǎng)絡(luò)出故障、競爭對手用某些產(chǎn)品搗亂、上線的代碼存在重大不穩(wěn)定因素、運(yùn)營商出故障或者拉閘限電等等，這中間每個(gè)都有不同的驗(yàn)證方式，需要從服務(wù)器日志、基調(diào)數(shù)據(jù)、分區(qū)域、用戶行為等多個(gè)維度去進(jìn)行跟蹤和試驗(yàn)，找到真正可能的核心原因。

　　對數(shù)據(jù)進(jìn)行預(yù)估和判斷需要一種感覺，這種感覺不是天生的，而需要不斷的鍛煉和培養(yǎng)。這個(gè)過程可能很漫長，一般情況下，需要先看很多數(shù)據(jù)，培養(yǎng)自己對數(shù)據(jù)的基本認(rèn)識，也要分析一些事件中(如周末、節(jié)假日、或者故障等)數(shù)據(jù)的變化。而在產(chǎn)品上線前，先自己鍛煉一下預(yù)估，然后再通過實(shí)際值對自己的預(yù)判進(jìn)行驗(yàn)證和評估。通過這種不斷的學(xué)習(xí)和分析，逐漸培養(yǎng)出自己對數(shù)據(jù)的領(lǐng)悟。

　　數(shù)據(jù)來源于用戶，這個(gè)很多時(shí)候更是需要對人性的研究和分析。就像擺在頁面不同位置的廣告，CTR一般能達(dá)到多少?同樣位置，擺廣告好還是擺用戶產(chǎn)品好?要做某個(gè)新產(chǎn)品，CTR能到多少?做互聯(lián)網(wǎng)的大多是高端用戶，很多東西自己是不會用不會點(diǎn)的，但正是這樣，需要對用戶有非常強(qiáng)的代入感，去換位思考，去分析人性，才能事先避免很多過于樂觀的預(yù)估，以及無謂的試錯(cuò)。

　　以上，是自己的一點(diǎn)經(jīng)驗(yàn)之談。

　　歡迎關(guān)注微信公眾號《搜索引擎探秘》，搜索微信公眾號guoang_search