数据分析应避免的几种错误思想：
1. 样本选择偏差：指的是抽样的方法并不严格随机，存在片面的情况，不能包含所有分类；比如我们想调研用户对产品的喜爱程度，只在老用户里进行调研，显然是无法代表大多数用户的；因此在大规模的用户基础上，也经常采取分层抽样的方法，即按照主要属性区分抽样，比如新用户/老用户、男/女、活跃用户/沉默用户，等等。
2. 幸存者偏差：指的是只在结果中找关键因素而无视筛选过程中的关键因素。比如，在二战中，为了加固飞机的坚固性及存活率，飞行员查看幸存下来飞机受损的部位，发现飞机翅膀挨得枪子最多，就在飞机翅膀上进行了加固，飞机存活率并没提升，因为没考虑被击落的飞机，打到机身，飞机可能就直接被击落了。
3. 回归谬差：指的是没有考虑随机起落的正常波动现象，造成不准确的因果推论。生活中最常见的就是许多药物的药效，大多治标不治本，而我们吃药后病情好转会认为是药效好，其实大都是自愈（比如感冒）。在做用户数据分析时，也经常可能遇到以下情况：我们做了一些事情A，结果用户似乎有了变化，做出了反应B，于是我们推导出A一定会导致B。其实未必，还是要洞察是否存在随机现象，是否存在外界影响等。
4. 社会期望偏差：是在做用户调研时经常遇到的，相较于真实的答案，被调查者更有可能选择符合社会期望的答案。最典型的例子是在一个社会文化过于传统的环境中，同性恋极少会公开自己的性取向。有的公开调查里，喜欢性玩具的大都是男性，是因为女性在并不太开放的文化氛围中一般难以启齿。我们在做日常的调研时，很可能会遇到用户认为某些真实答案会显得自己“自私”“不合群”“过分夸张”等，于是就选择一个更符合社会普遍预期的答案。所以，一定要谨慎选择调研方法，打消被调查者的疑虑，尽可能地发现这些偏误。
5.受试者期望效应：是指用户会有自己的目的性和预期，所以不选择更真实的答案，社会期望偏误是其中的一种。还有的情况，可能涉及利益关系，比如我们做了一个商品，询问用户在涨价20%的情况下是否还会购买，虽然用户内心清楚涨价20%还是会买，但考虑到不希望涨价，就会表示不会购买，这样得到的结论就是错误的。
