創業項目如何看待數據分析？

創業項目如何利用好數據分析，又不被數據分析困住，個人覺得知乎姚旭的回答比較接近現實，數據分析是一種靠譜的產品研究方法, 這玩意有很多誤區, 也不能迷信, 最終到頭來還是要人來做決策

• 忽略沉默的用戶

二戰時英國空軍為了降低飛機的損失，決定給飛機的機身進行裝甲加固。由於當時條件所限，隻能用裝甲加固飛機上的少數部位。他們對執行完轟炸任務返航的飛機進行仔細的觀察、分析、統計。發現大多數的彈孔，都集中在飛機的機翼上；隻有少數彈孔位於駕駛艙。從數據上說, 加固機翼的性價比最高. 但實際情況缺恰恰相反, 駕駛艙才是最應加固的地方, 因為駕駛艙被擊中的飛機幾乎都沒飛回來.

"發聲"的數據是最好獲取的, 但如果沒把這些沉默的數據考慮進來, 那麽這種數據分析是不靠譜的. 所以除了數據的結果, 還得嚐試解讀這些數據. 而解讀數據就完全依賴人了. 

• 把沉默用戶當做支持和反對的中間態

2家網站A和B，都經營類似的業務，都有穩定的用戶群。它們都進行了類似的網站界麵改版。改版之後，網站A沒有得到用戶的讚揚，反而遭到很多用戶的臭罵；而網站B既沒有用戶誇它，也沒有用戶罵它。如果從數據來看, 應該是網站B的改版相對更成功, 因為沒有用戶表達不滿。但事實並非如此。網站A雖然遭到很多用戶痛罵，但說明還有很多用戶在乎它；對於網站B，用戶對它已經不關心它了.
網站A指的是Facebook，網站B是微軟旗下的Live Space。

• 把數據作為決策的唯一標準

通常認為數據分析指導工作是一種高性價比的做法, 不容易犯錯, 對於代表資方的管理層來說, 比起依賴於人的決策, 依賴於數據的決策似乎更穩健. 
這種決策在從0.5向0.8的產品改進上, 可能是有效的. 因為一個已有的產品, 數據就擺在那. 100個用戶50個訪問超時, 解決了這個問題, 就提升了50%的效果.
但對於從0到0.1的新產品上, 由於數據很難獲取, 需要花大力氣在獲取模擬數據上. 往往是用一周時間去想明白一個做兩個小時的產品該不該做的問題. 而且模擬的結果還和最終實際相差很遠.
A/B test或是原型係統, 先做出來, 再去驗證, 在一些場合下比先拿數據要有效的多.

• 認為數據是絕對客觀的

為了減少內耗, 往往依賴於數據來做決斷. 我一直認為數據本身是帶有主觀性的, 完全客觀的數據是沒有的. 數據的獲取方法, 數據的解讀方法, 數據的統計方法, 都是人的決策. 一份數據拿出兩個相反的結論來也不是沒有可能. 即使主觀上沒有偏向性, 也受限於方法和視野. 
決策上最終起作用的還是人不是數據. 雖然人有那麽多的不確定性, 還可能出現爭論, 扯皮, 不敢承擔責任.