初创公司常犯的十个分析错误
在启动分析时,您会犯错误。以下是如何减少错误的方法。
本文介绍了初创公司在将数据应用于决策时常犯的十个错误。这些是许多善意的人会发现自己身处其中的情况,回顾这些错误的目的不是为了让您感到沮丧,而是为了强调需要在您(和您的组织)的决策过程中保持自我意识,并不断努力改进。我们在 管理您的信息预算 中更详细地介绍了决策。
1. 混淆相关性和因果关系
是的,您已经了解了这一点,但仍然很容易犯这个错误。当 探索历史数据,或者在没有明确的假设要证伪时,混淆相关性和因果关系尤其危险。最好将过去发生的任何常见模式视为因果关系的暗示,而不是在另有证明之前将其视为原因。
2. 期望数据为您提供您无法提出的问题的答案
太多公司认为他们可以只收集数据,使用最新的流行技术,并聘请昂贵的数据科学家/分析师/MBA 来弄清楚他们的业务。现实情况是,您的商业智能的质量与您的组织能够多好地阐明需要回答的问题成正比。更多的数据和有才华的数据分析师可以为具有明确决策和产品流程的组织提供强大的支持,但加倍投入大数据不会成为拯救缺乏重点的组织的奇迹。
3. 寻找数据来支持您已做出的决定
当您(或团队中的其他人)已经下定决心时,经历收集数据、分析数据并做出决定的过程是很常见的。相反,您应该制定假设,看看是否可以证伪它们,并在数据朝着相反的方向发展时更新您的观点。
4. 寻求积极因素
寻找数据来支持决策的一个子集:寻找数据来支持美好的前景。总有一些东西在呈上升趋势,即使是在病入膏肓的公司也是如此。如果您认为重要的所有指标都在下降,请避免寻求能够讲述更阳光故事的指标的诱惑。
5. 期望结果过于清晰
即使您看过很多动作片,当您观看真正的拳击比赛时,您可能也无法理解它。如果您习惯于观看经过编排的打斗场面,从完美的角度拍摄,并具有完美的光线和剪辑,那么现实生活中战斗的混乱和速度可能会令人困惑。
对于习惯于 MBA 课程作业或高度理想化的博客文章的人们来说,当他们在现实生活中遇到定量决策时,情况也是如此。在现实世界中,效果可能很小、混乱且多模式(我们将在下面讨论平均值的陷阱)。您需要使用您拥有的数据,而不是您想象的完美数据。
6. 期望通过 A/B 测试走向成功
虽然精心计划、运行良好的 A/B 测试可以对公司产生变革性影响,但它们也常常导致徒劳无功。在您开始 A/B 测试之前,请确保您知道什么是显着的结果。不要在其中一个选项似乎表现更好时立即停止测试,并且始终包含对照组。并且效果越小,您需要的用户数量就越多。如果您只有 1 万月活跃用户,那么最好简单地延迟任何类型的 A/B 测试,直到您有更多可以测试的对象为止。
此外,A/B 测试不会为您确定最佳产品功能或广告文案。结果的好坏取决于您测试的选项,并且结果对初始设计的优劣非常敏感。不要让“我们将进行 A/B 测试”成为一种口头禅,从而关闭决定您的产品实际是什么的过程。A/B 测试最好用于添加最后的润色。
7. 使用错误的时间段
如果您的客户在数月的时限内购买,而您的产品周期以两周冲刺的速度进行,则您不需要实时分析。同样,如果您试图诊断网络运营中的错误,其中停机成本以每分钟数千万美元衡量,那么您最好不要查看每小时图表。将报告时间段与您的决策的自然时间段联系起来非常重要。如果您以过细的时间段查看数据,您最终会变得紧张不安并在决策之间摇摆不定。如果您使用的时间段过长,您将永远落后三步。
8. 仅查看平均值
平均值是隐藏令人不安的真相的好地方。如果您仅使用跨自然渠道和付费渠道的混合平均值,您最终可能会忽略您的付费获取渠道正变得难以持续的昂贵这一事实。如果您查看所有网页的平均延迟,您可能不会注意到您最重要的网页正在随着时间的推移而变慢。作为一项规则,当平均值告诉您某些事情正在变得更糟时,就该担心了。当平均值告诉您事情看起来不错时,就该深入挖掘了。
当您将数据分解为 直方图 时,大多数受平均值启发的错觉就会消失。例如,当您按渠道细分成本时,关于客户获取平均成本的美好预测可能会消失。
9. 关注总数而不是变化率
每个人都喜欢向上和向右的图表。“注册总数”、“累计收入”和“商品销售总价值”可以成为很好的新闻稿,但在大多数情况下,您应该查看 变化率,甚至可能是该速率的增长。如果一个指标携带的信息的 95% 与几个月或几年前发生的事件有关,这是否有助于您评估您今天的表现?或者明天的情况如何?
10. 不评估决策结果
在做出重大决定之前,想要收集大量信息是很常见的。然而,一旦您做出决定,并且结果开始逐渐显现,就很容易假设事情进展顺利。糟糕的决定是不可避免的,但最终伤害您最大的,是您不接受和纠正的糟糕决定。最好立即意识到您做出了错误的决定,而不是在几个月后才发现您错了。
下一步:嵌入式分析的五个悲伤阶段
所以您想将数据放在客户面前... 但代价是什么?