这篇文章从数据分析的几个阶段，总结了14个我们可能会犯的一些错误，以及如何避免。在数据采集的时候，如果不能获取到总体的数据，那就要采集到可以代表总体的样本，抽样就显得尤其重要，如果样本不具有代表性，那么得出的结论一定是有失偏颇的。
来源|接地气的陈老师数据分析的一个基本常识：数据本身没有意义，数据+标准才有含义。然而恰恰是标准二字，弄死了无数数据分析师。常见的问题，诸如：没标准：业务说“我的活动提升了业绩， 计划提升多少我也不知道，你分析分析？”然后不管数据提什么，业务说“太少了吧，你没考虑周全”。
在做数据分析的过程中，你可能会被业务方、被领导等人的一些问题“难倒”，而这些问题产生的根本原因，可能还是在于其他相关人员对“数据分析”这件事不够了解。具体而言，数据分析师可能会遇到哪些问题，又可以如何解决?
1 引言当前全球的数据量正在迅速增长，预计在2025年将会从2018年的33ZB增加至175ZB。互联网全球化、移动设备普及化、云计算存储低成本化、物质世界网络化，都在为“数据大爆发”储蓄能量，大数据已成为继云计算、物联网之后IT产业又一次颠覆性的技术变革[1]。
