很多产品经理写书、写文章反复强调数据在产品分析中的重要价值，但是很少有人对数据分析的局限性进入过深入分析。产品的数据分析有很多盲区，用错了就走入陷阱，适得其反。认识到数据分析的局限性是做好数据分析的前提。
某产品在做用户引流的过程出现了一个问题：第一层到第二层、第三层的过程中，转化率都算合理，分别为80%、60%，但至第四层的时候，转化率突然掉到10%以下。直接从数据上分析，问题出在了第四层操作中。顺着这个思路，项目团队对这个步骤进行了优化和改进，但整体转化结果并没有得到根本的改善。第四层在优化后，转化率提升了，但在第五层的时候转化率又斗转直下。这不是层级优化的问题，而是产品设计思路出了问题。
人是很懒的动物，像引导新用户做产品注册这种操作，稍微繁杂一点、流程多一点，用户会随时放弃操作。所以，用户引流的过程，尽可能保持极致的简单（KIS，奥卡姆剃刀原理）。就是数据的背后逻辑，逻辑其实比数据本身更重要。
他山之石，可以攻玉。我们来看看在金融量化投资领域的佼佼者是如何合理运用数据分析的。
很多人知道巴菲特和索罗斯，但是鲜有人听说过西蒙斯。如果单纯的按照收益率来比的话，巴菲特和索罗斯两个人加起来的收率都比不上西蒙斯一个人。这个老头缘何如此厉害？
西蒙斯是美国文艺复兴公司的创始人。他管理着大概300亿美元的资产（目前封闭状态，不接受外部投资），年化复合收益率超过了80%。最让外界称奇的是，他公司的全部交易都是计算机执行（量化投资），人工基本不参与交易。
众多金融从业者想通过数据挖掘，像西蒙斯一样建立起一家能持续创造超额收益的金融公司。很遗憾的是至今没有结果。机器学习在其他所有领域都做的非常不错，唯独在金融领域至今没有建树。归根结底，金融市场的不确定变量远远超出像自动驾照等常规领域变量的数量。西蒙斯虽然取得了巨大成功，但是他的成功并不是建立数据之上。所谓“功夫在诗外”，有人曾问西蒙斯他的交易策略是不是数据挖掘驱动的？西蒙斯直截了当的回答说，他的所有交易策略都是基于逻辑，而不是数据。
美国私募基金经理人里什.纳兰在其所著《打开量化投资的黑箱》写到：很多成功的量化交易（数据分析）策略，看上去更像是均值回归策略或者是趋势跟踪策略（基于逻辑）。
外行看热闹，内行看门道。如果单纯的依据数据调整产品，在一些简单的情况下是可行的，如果面对复杂情况，一定要看到数据背后的本质、逻辑、事实与驱动因素。否则数据就像瞎人摸象一样，摸到耳朵的说是扇子，摸到腿说是柱子。
数据分析对于改善用户体验，优化产品功能中有着不可替代的作用。但是我们必须认识到数据分析的盲区与局限性。相信但不迷信，是做好数据背后的逻辑分析是避免掉入数据陷阱的重要手段。
