如果你是一个刚刚步入数据分析大门的新人，那么你最好注意，你的数据分析需要从假设开始。为什么要这么说呢？一般情况下，我们会利用一条线或一条曲线来代表整体的度量标准，亦可以代表为一个比较伟大的商业目标，我们希望通过移动这条线来表示对整个数据分析模型进行优化改进。但非常困难的一点是，你可能很难想象需要通过什么样的步骤，采取什么样的措施才能做到这一点。
大家在初中科学课程中就学到过一点，面对一个未知的问题，一般会根据其实际情况提出一些假设，然后通过实验建造对照组，一一验证这些假设。那么延伸到数据分析上来，我们同样可以通过对照组或者提前对数据进行探索来验证提出的假设，快速的找到最合适的模型优化方式。
因此在数据分析的步骤中，切忌只有目标而没有假设。诚然，直接寻找一些可以提供特定改进的数据模型是非常诱人的，比如，48小时内解决80％的客户案例，或者在一季度内获得10％的业务增长，但这些指标还不足以应对问题。接下来就一款可视化能力不错的bi工具——DataFocus和大家唠一唠，假设的优点再哪里。
如果你是在对照组进行分组测试并且样本都具有代表性的情况下运行测试，想进行假设可以帮助你实际确定你使用的方法是否实际影响了你希望其影响的方法；而如果你只是在事后查看数据，那么从假设开始可以帮助缩小范围，可以对数据进行探索性分析跟踪，帮助减少在这个问题上花费的时间。
Comments | NOTHING