数据分析的问题和困难,对于数据分析最困难的一部分是

对数据分析老师的一些建议和想法，分享给初学者数据分析老师，和有经验的数据分析老师讨论。1.数据有位置，位置决定数据的解读。对于业务来说，它是KPI的基准和行动指南。但涉及到立场和方向，必然会有一个利益触发点的问题。比如同一活动的网站转化率是1.2%。是好是坏？这是要做的第一步数据分析，也就是我们所说的妄下结论。

我们知道，比较分析法包括环比、比例、定基比、横向比、纵向比等。比如环比，可以对比昨天，上周的今天，上月的今天等等。，而且不同时间比较的结果肯定不一样，甚至完全不一样。面对这种情况，除了分析师的经验，如何在符合统计规律的前提下判断活动的效果？第一步的结果终于出来了。那么假设结果是好的(不考虑对比的时间)，真的好吗？

最常见的问题就是自己分析的数据不准确，导致辛苦半天，分析出来的结果没有参考价值，甚至是错误的。我有个同事是a 数据分析老师。当然，我们公司目前这方面的工作才刚刚起步，还很不成熟。所有相关数据库尚未建立，正处于建立阶段。收集数据的方式也在摸索中。所以收集的数据很可能是不准确的。有一次，领导让我朋友对从市场数据分析收集的市场目标群体的消费习惯和爱好进行调查，找出规律。

文件夹本身就有几十兆大小，可想而知这些数据有多大。经过几天几夜的不懈努力，我们终于取得了初步成果，对这些数据进行了系统的整理和分类。但是在分类的过程中，发现一些关于市场活动的数据是相互矛盾的。参加活动的人数与实际转化的人数不符，有时现场转化的人数比实际参加活动的人数还多。这显然是有问题的。于是他找到相关部门的相关人员了解情况。

最大的问题有两个:1。算法的起源是外来的。因为所有算法都离不开数学，其背后更深层次的数学原理不是中国人开发的。最大的一个问题是，同样的算法，被不同的人理解后会产生不同的结果，但我不知道为什么。举个简单的例子，聚类分析出现在上个世纪，但是同样的数据经过SPSS、R、Python等软件计算后，或多或少都有不同。

1，数据分析需要大量的投入如今，似乎每一项新技术的投入都要经过严格的财务支出筛选过程。“要多少钱？”这是IT和业务经理在提议启动项目或部署新工具时需要考虑的首要问题之一。有人认为数据分析本质上是一个昂贵的工作，所以仅限于预算大或者内部资源大的企业。但事实并非如此。现在市场上有许多开源工具和其他工具可以帮助展示数据分析的价值。而基于云系统的大数据架构会比传统的数据仓库便宜很多。