初创公司犯的十大常见分析错误

在引导您的分析时，您会犯错误。以下是如何减少错误。

本文涵盖了初创企业在应用数据进行决策时常犯的十大常见错误。这些情况是许多善意的人都会遇到的，回顾这些错误的目的不是为了自责，而是为了强调在您（和您的组织）的决策过程中保持自我意识并不断改进的必要性。我们将在管理您的信息预算中介绍更多关于决策的内容。

1. 混淆相关性和因果关系

是的，您已经知道这一点，但仍然很容易犯错。混淆相关性和因果关系在探索历史数据或没有明确的假设来证伪时尤其危险。最好将过去发生的任何常见模式视为因果关系的**提示**，而不是在被证明之前就将其视为原因。

2. 期望数据能回答您无法 сформулировать 的问题

太多公司认为他们只需收集数据，使用最新的时尚技术，并聘请昂贵的数据科学家/分析师/MBA 来解决他们的业务问题。现实是，您的商业智能质量与您的组织阐明需要回答的问题的能力直接相关。更多的数据和才华横溢的数据分析师可以为拥有清晰决策和产品流程的组织提供超能力，但仅仅依靠大数据并不能挽救一个缺乏重点的组织。

3. 寻找数据来支持您已经做出的决定

当您（或团队中的其他人）已经下定决心时，进行数据收集、分析并做出决定是很常见的。相反，您应该 формулировать 假设，看看您是否可以证伪它们，并在数据走向另一个方向时更新您的观点。

4. 寻找积极的方面

寻找数据来支持一个决定的一部分：寻找数据来支持一个乐观的画面。即使是在病入膏肓的公司，也总会有一些东西在向上发展。如果您认为所有重要的指标都在下降，请避免寻找讲述更光明故事的指标。

5. 对结果期望过高的清晰度

即使您看过很多动作电影，当您观看一场**真实的**拳击比赛时，您可能无法理解太多。如果您习惯于观看精心编排的打斗场面，以完美的角度和完美的灯光和剪辑拍摄，那么真实战斗的混乱和速度可能会令人困惑。

对于习惯了 MBA 课程或高度理想化的博客文章的人来说，当他们在现实生活中遇到定量决策时也是如此。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缺陷）。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 测试取得成功

虽然精心策划、运行良好的 A/B 测试可以给公司带来变革，但它们也经常导致徒劳无功。在开始 A/B 测试**之前**，请确保您知道什么是显著结果。不要在其中一个选项看起来表现更好时立即停止测试，并且始终包含一个对照组。而且，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，那么最好推迟任何形式的 A/B 测试，直到您有更多人可以进行测试。

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质量非常敏感。不要让“我们将进行 A/B 测试”成为一句口头禅，从而停止决定您的产品究竟是什么的过程。A/B 测试最好用于进行最后的润色。

7. 使用错误的时间周期

如果您的客户在数月的时间内购买，并且您的产品周期以两周的冲刺进行，那么您不需要实时分析。同样，如果您试图诊断网络操作中的错误，而停机成本以每分钟数千万美元计算，那么您最好不要查看每小时图表。重要的是要将报告时间周期与您的决策的自然时间周期联系起来。如果您以过细的时间周期查看数据，您最终会变得紧张并在决策之间来回挣扎。如果您使用过大的时间周期，您将永远落后三步。

8. 只看平均值

平均值是隐藏令人不安的真相的好地方。如果您只使用有机渠道和付费渠道的混合平均值，您可能会忽略您的付费获取渠道变得不可持续地昂贵的事实。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页面随着时间的推移变得越来越慢。通常，当平均值告诉您情况正在恶化时，就该担心了。当平均值告诉您情况看起来不错时，就该深入挖掘了。

大多数受平均值启发的错觉在您将数据分解为直方图时都会消失。例如，关于客户获取平均成本的乐观预测在您按渠道分解成本时可能会消失。

9. 关注总量而不是变化率

每个人都喜欢向上和向右的图表。“注册总数”、“累计收入”和“商品销售总额”可以为新闻增光添彩，但在大多数情况下，您应该关注变化率，甚至可能是该变化率的增长。如果一个指标95%的信息与几个月或几年前发生的事件有关，那它能帮助您评估您今天做得如何吗？或者明天会是什么样子？

10. 不评估决策结果

在做出重大决定之前，收集大量信息是很常见的。然而，一旦做出决定，结果开始陆续出现，通常会想当然地认为一切顺利。糟糕的决定是不可避免的，但那些您不接受和纠正的糟糕决定最终会给您带来最大的伤害。最好立即意识到您做出了错误的决定，而不是几个月后才发现自己一直都是错的。