只用定量数据，没有定性数据

还说那个最老土的例子。沃尔玛每天最重要的事是“想尽一切办法，把货架摆好，让顾客更快的找到，更快的走掉”。事实上，当他们的MBA（商业数据分析）人员通过庞大的数据处理系统发现，啤酒和尿布的销售曲线惊人相似时（特别是在周末），他们其实只能得到一个“结论”。

但这些知识定量的数据，并不能挖掘出背后的顾客行为，以及为什么会造成这个现象。这个时候，如果靠分析、猜测是不能得到正确结论的，方法只能是去结合“定量”的研究，通过具体观察和调研了走到用户身边，最终才能了解到“因为，在美国一般都是男人去买尿布的，而在沃尔玛就算买1美元的东西也要排队半个钟头结账，男人们周五往往会待在家里看球，这个时候就顺手拿了啤酒犒劳一下自己”。

海量的定性数据，只能告诉我们结论，不能告诉我们背后的原因。同样，如果只有定性的数据，往往看到的现象可能是片面的，结论可能是有偏差的。

还有一些常见问题：只关心数据结果，不关心过程（比如，就知道那个广告的流量大，没注意那个广告比别的高出3倍）；只看大数据，不看小数据（比如，只发现交易量疯狂增长了，没注意虚假交易疯狂上升了）；只看数据表象，不看发展过程（比如，只知道现在的行业分布均衡，没发现曲线的前方已经出现裂痕）等。因为没有方便拿出来说的实例，所以这里不再一一絮叨。

其实，要看明白数据是个很简单的事情，但要真正懂数据背后的原因和逻辑，是一个很难的事情。自问，我依然只刚刚上路。

不过，可以肯定的是，随着对于用户的接触越多，对于用户心理模型的理解越透彻，对于业务逻辑了解得越透彻，一定会带来对于数据的理解能力越强。共勉。