今天听了一个数据分析的培训：数据的深度与假象。也没有听太懂，总结几个点分享下：
1. 数据的含义只有和人的行为联系起来才有意义；比如苹果手机的销量，是因为其主流用户的想法导致的；
2. 简单的，脱离人性的拟合预测是不靠谱的，举例，三星的手机销量一直直线上升，但预测它明年也会上升不太合理；
3. 对人群分类进行分析是正确分析的前提，分类的标准包括学历水平，年龄，收入等；不加区别的统计分析，难以得出有意义的结论；推广到其他维度（非人）也一样；
4. 对产品用户的稳定性的分析可以有效预测一个产品，一个行业的命运；（不懂）
5. 有效的数据分析需要跨行业的知识积累，比如心理学，公共卫生学，营销学。（再次不懂）
6. 很多错误的分析是基于错误的计算，比如统计局统计房价的变化。如果不考虑不同区域房屋面积的占比，即使4环，5环，6环的房子分别上涨10%，总体均价仍然可能是下降的；
7. 有些分析错把相关当成因果，比如微博发现“喝酒 导致 高薪”，其实两者并不是因果关系，具体如何大家懂的；
8. 大数据未必能解决所有的数据分析问题，因为大数据带来noise和脏数据，好的抽样能提高效率；
9. 目前大多数公司基于已有的数据做挖掘，各个公司是互相隔离的，难以形成一个完整的人性特征，也就难以正确的划分一个人，也就不能正确的分析；
10. 数据分析的4个层次：
a) 行为
b) 行为关联
c) 关联规律；（难）
d) 人的生活形态；（很难）
讲了很多，思路比较散，大家凑合看吧。