与您分享常跟数据打交道应该养成哪些好习惯
做过一点统计模型，做过一点数据分析，现在工作名字叫数据科学家，厚着脸皮抛砖引玉，聊聊数据分析中需要养成的良好习惯。
1. 了解数据分析的目的 / 需求
做数据分析的新人可能都遇到过，辛辛苦苦花了几个小时做出来的结果，跟客户 / 合作伙伴 / PM / 老板要的不是一个东西，运气好的话回去修补一下，花个半小时之类的，运气不好的话直接推倒重来，搞不好又得晚上加班了。
比如说下午六点，正准备收拾东西回家，PM 跟你说想看知乎用户的活跃度，跟数据分析师提出需求说，我们来看看大家使用时长吧。那么问题来了，是看平均呢还是看中位数？是看某一种客户端比如移动端吗，或者是想每种客户端都分开来看？要根据用户的注册时间来做下划分吗？是否想看具体某个城市的？
甚至再退后一步，PM 想看这个干什么？仅仅是好奇，还是现在有个很重要的决定需要以此为基础？数据分析师需要以此来决定这件事情的优先级，是可以推回去的呢？还是说需要立马动手做，下班之前就需要给结果的。
二十岁的人生，三十年的工作经验，都是加班闹的。
2. 用常识来验证结果
虽然说数据说话，但是前提是数据来源、分析过程、解读等都是正确的。如何保证结果的正确性，最基本的一点就是不同方面来快速验证一下数量级。
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。
4. 想想你的听众是谁
数据很多时候不仅仅是一个人埋头苦干，还需要跟人交流，比如说跟合作伙伴的沟通，跟老板的沟通，跟其他组员的沟通，跟不同部门的人沟通。针对不同的听众，相应的需要强调不同方面。
比如说跟合作伙伴沟通的时候，可能他们知道你做这个的目的是什么，可能会对结果更感兴趣，以及由数据提供了什么建议或者决定。至于具体数据来源或者分析方法之类对他们来说不是那么重要，大多数时候只要确保数据分析师知道自己在做什么就可以了。
跟老板沟通结果的时候，大部分时候可能他们知道你做的大致方向，对分析思路的方法基本一点就通，细节方面可能无法面面俱到。
而跟不同部门的人沟通的时候，分享数据分析的结果之前，最好还能讲讲这件事情的目的，一些背景，大方向是什么诸如此类。
发出提升用户体验的健康管理产品及服务，从而最终协助实现个人健康的精准管理甚至精准治疗，为全面提升每个消费者个体的生命质量努力，为建设健康中国贡献一份力量。
以上就是贵州云博大数据与您的分享,希望能为您带来帮助,详细信息请敬请联系贵州云博大数据有限公司,公司主要以,为主要经营模式,期待与您的合作,热线电话0851—88612627期待您的来电。