数据分析必须警惕的坑：辛普森悖论
辛普森悖论为英国统计学家E.H.辛普森于1951年提出的悖论，即在某个条件下的两组数据，分别讨论时都会满足某种性质，可是一旦合并考虑，却可能导致相反的结论。
所以在进行多组的统计时候，要充分考虑多组的权重这个隐含的因素，不能直接相加进行综合。进行统计分析时候，要划分好颗粒度。
产品数据分析（一）：怎样解读出深层次信息？
本文将告诉你分析产品数据时，如何从数据中解读出比描述现状更深层次的信息。
数据分析过程要解决的问题往往有四个层级。
第一层，发生了什么？如留存率降低，用户粘性下降。初级分析基本到此结束。
第二层，为什么？这个答案要落实到用户层面，是第一步的延伸。是用户找不到想要的功能，还是功能不符合用户的预期？及格的数据分析基本分析到这一层。
第三层，继续问为什么？这个问题的答案要落实产品层面，即我们的产品的哪项内容造成了用户出现了第二层的问题。优秀的数据分析可以分析到这一层。
第四层，我们该怎么办？后续该如何改进产品。高级的数据分析到此结束。
以这种思维方式作为整个分析的核心思想，就不容易走弯路，更快更好地找出产品的问题，而掌握各种数据技巧，图表的优化等等都是为了最终找到问题，解决问题这个目的服务的，因此这种层级的思想是数据分析的核心。
想要分析得更深入，一般需要多个指标结合起来一起看。
比如刚才的例子，一款粘性较差的产品，到底是页面信息不吸引人，还是页面设计太混乱，抑或是入口位置太深？有了这些猜想，我们可以通过不同的维度组合去找到问题所在。从而解决“为什么发生”的问题。
产品数据分析（二）：预估产品改版后的数据
我们可以从五个方面思考产品可能出现的问题，而这五个方面就是用户体验要素中的五个层级：
我们试着沿五要素从具体到抽象的顺序思考这个问题。
表现层：是不是核心功能的字体颜色不够醒目，用户没注意到？
框架层：是不是核心功能的位置不好，导致曝光不足？
结构层：是不是结构不合理，核心功能的链路过长，导致用户找不到想要的东西？
范围层：是不是用户想要使用的功能、关心的内容根本不在页面中？
战略层：是不是这个产品的定位有问题，用户根本没有这个需求？
【干货】如何利用大数据思维来进行用户调研？
- 根据调研问题，进行大数据预分析处理
- 可以对微博、微信等社交媒体上的对于新推出服务的议论进行统计分析，从而提供更好的服务。
- 例如，可以通过百度指数了解网友对于此项服务的搜索行为，同时进行跟踪分析
- 又或者用户采取其他方式来表达情绪和想法，比如社交媒体微博、微信，可能就会用到微博指数，第三方舆情监测和口碑分析工具，借助新浪微舆情进行口碑分析和文本挖掘
- 人工介入，对调研问题进行针对性处理