近期數據分析是相當熱門的領域，許多產品經理、數位行銷人才也紛紛踏入，希望透過數據的洞察來輔助日常商業工作的決策，sofasoda 在這裡為剛入行的新鮮人整理四個數據分析入門觀念，以簡單的情境式問答來揪出分析數據易有的盲點！
盲點一、分析只看平均數
平均數（Mean）是做商業數據分析時最常使用到的一個數字，相當直觀好用，可以大致得知數據的集中趨勢，並發現各組之間的差別，例如：A、B 兩班的平均身高差，去年和今年網站用戶平均停留時間差距等等。
但實際上若沒有充分掌握資料分布情形，時常會有誤信平均數，而沒發現它已經受到極端值影響，進而誤判情勢。以下方影片為例，明明是同樣的平均數，資料點的分佈卻差異到能從恐龍變成圓圈再轉變為星星！
此時會建議使用箱型圖（Box plot），釐清資料的四分位數、中位數和極值，以進一步了解資料分布情形。除此之外，也可以善用 Drill down analysis，拆解數字，挖掘出更多資訊，舉例而言，將網站用戶平均停留時間拆解為新用戶以及舊用戶，以了解兩者增減幅度。
練習題：今天你是上市遊戲業主管，組員 Cindy 開心地以圖表報告新增的付費遊戲道具是如何提升平均用戶營收（Average Revenue Per User）。
請問你應該要：（A）組員真棒，直接加薪 💰（B）提出 Drill down analysis 👀 👉 答案在文末
盲點二、忽視資料的來源
無論是問卷調查或是進階的大數據分析，如果忽略檢驗資料的來源，往往會變成 garbage in garbage out，導致數據分析得出的 Insight 偏離現實，不具信效度，白白浪費前期收集和清洗資料的時間與成本。
以問卷來說，調查方式的差別都會影響到整份問卷的可信度和完整性；又或者輕易相信單方面的數據，而沒有拿其他來源的數據做交叉比對，導致沒發現數據其實偏離現實，而制定一系列錯誤決策。
練習題：今天行銷專員 John 做了產品問卷調查來測試市場反應，圖表如下：
John 表示從問卷來看，較少高年齡用戶填寫，可能產品不適合這族群。
身為 John 的主管你應該要：（A）請 John 重新調查 🔍（B）遵循報告，放棄老年市場 ❌ 👉 答案在文末
延伸學習：《量化問卷設計：教你從數據做用戶行為分群》
盲點三、指標沒有清楚定義
指標（Metrics）可以反映當前企業管理的狀況，例如：客單量、用戶數、產品良率等等，但實際上並不是每個指標都有共同的定義，不同的定義會帶來不同的資料分析結果，比較數據前務必確保定義一致。
比方說：「活躍用戶數」就是個各家公司定義都略有差異的指標，初創企業的活躍用戶數大多只要有登入行為即納入，而像是 Line 活躍的定義可能為這用戶要有發出聊天訊息的行為，Airbnb 則可能是該用戶有預訂租房才算是活躍。
練習題：今天火爆的上司 Adam 在開會時大吼說：「ㄏㄚˊ！聽說競品公司的網站跳出率只有 30 %，為什麼我們網站高到有 75%，你們有頭緒嗎！？」
身為 Adam 的組員你應該要：（A）建議定義清楚指標，尋找適當的 benchmark 🧭（B）痛哭流涕，努力改版網站 💔 （C）甩鍋給其他部門 😈 👉 答案在文末
延伸學習：《數據大揭秘從使用者數據找產品優化的決策》
盲點四、遺漏反向指標（Counter metrics）
許多指標是環環相扣，有相依關係的，當你以某個指標為目標增長時，可能會為有另一個指標受到負面影響，因此，在優化產品時千萬不能單單觀看一個指標，要從多個指標之間找到平衡點。
舉例而言，為了刺激用戶登入 APP 而開發每日抽獎功能，此時可以監控的指標或許是用戶停留時間，看用戶會不會反而只是為了獎勵而來，抽完就直接關閉 APP。
練習題：今天業務開發團隊 的 Mary 提出自從上次 APP 增加廣告版位後，營收成長不少，因此希望能繼續增加廣告版位。
身為產品經理的你應該要：（A）版位直接加落去 🔥（B）調查其他指標狀況 🙊 👉 答案在文末
練習題答案區
（1）B，在遊戲產業中，付費用戶和免費用戶的比例是很懸殊的，尤其是前 1 %的重度課金玩家，其花費是遠遠高過平均值的付費行為，因此新上市的遊戲道具銷售量很可能只是受少數幾個大戶影響，而非所有用戶都願意投入消費，所以應該要細部分析用戶消費狀況。
（2）A，眼尖的你應該有發現 John 這份問卷是從 Dcard 回收而來的。Dcard 本來就是主要為大學生族群打造，根據 Dcard 內部提供數據，也可發現其用戶年齡大於 30 歲的只有 17.7%，更不用說老年人口的比例會有多低，因此 John 推論沒老年人口填寫問卷代表對產品沒興趣的假設不太成立。
（3）A，事實上跳出率並沒有一定的定義，在 Google Analytics 的預設中，如果使用者未向伺服器提出任何其他要求就離開網站，系統便會計算一次跳出。有可能競品公司只要網頁滾軸比有超過 50% 就視為一次互動而非跳出，自然跳出率會比預設要有 Click 才能視為互動的 Adam 公司來得低。因此，在指標上定義是要再一步釐清的。
（4）B，這時應該要檢測反向指標，而非盲目地只因單一指標就決定產品未來走向，這裡會建議可以從用戶在 APP 的參與度著手，釐清當廣告版位越多時，會不會造成用戶瀏覽體驗不佳，而紛紛離開 APP，畢竟如果用戶都沒了，那更不用談及營收。
不知道 sofasoda 提供的答案有沒有和你們心中所想一樣，如果你有更好的答案也很歡迎告訴我們喔！希望這篇文能夠幫助到剛入行商業數據分析的新手們：）
