数据统计的优点：
1、耗时少：因为是次要数据，所以通常比较便宜，而且耗时较少，因为是别人编译的。
2、模式和相关性清晰可见：统计数据是已经分析过的数据，因此模式和相关性已经完成并且清晰可见。3、取自大样本，泛化性高：统计数据是从非常大的数据样本中收集的数据。这意味着泛化程度更高。
4、可以使用和重复使用来检查不同的变量：统计数据是可以使用和重复使用的数据。它不需要使用一次，因为可以使用相同的数据做出不同的决定。
5、可模仿：可模仿统计数据检查变化，增加数据的可靠性和代表性。 6、快速：与其他形式的数据相比，统计数据是可以相对快速和轻松地进行分析的数据。
7、标准化：以标准化的方式收集统计信息，赋予数据意义。
8、直截了当：统计数据通常易于分析。它是已经合成的数据，因此只需要很少的分析。
9、可靠：机构内外的决策者(例如资助者、政府)经常要求并尊重它们。这使它们可靠和准确。
10、质量数据：它们支持从问卷、访谈等获得的具有“确凿事实”的定性数据。
11、基准测试：统计数据对于基准测试很有用。它们可用于在组织或项目中进行比较并设定新的标准和目标。
数据统计的缺点：
1、未验证：研究人员无法检查有效性，也无法找到因果理论的机制，只能从数据中绘制模式和相关性。这意味着研究人员在验证数据的有效性和真实性方面的选择有限。
2、容易被误解：统计数据通常是次要数据，这意味着它很容易被误解。这使研究人员容易受到信息失真的影响，而无法进行确认。
3、它可以被操纵：统计数据很容易被滥用，它可以被操纵和措辞以表明研究人员想要表明的观点。这使得数据缺乏客观性，并且在本质上更加主观。
4、因为这通常是次要数据，所以很难访问和检查：统计数据大多是只能访问的次要数据。由于数据的主要来源不可用，因此可能很难检查和验证数据。
5、不合适：统计数据不是深入了解问题并找出解决突出问题的方法的合适方法。这是因为数据是由独立研究人员从主要来源收集的。
6、评价不理想：不适合评价用户的意见、需求或对服务的满意度，因为它们是主观的。研究人员不能依靠统计来衡量客户的幸福感或满意度。
7、费时：安排数据收集方法(例如联系供应商、与IT 部门联络)可能会很费时间。这是因为初级研究中使用的数据收集方法取决于研究人员的主观视角。
8、绩效管理：统计数据不能用来衡量组织的绩效管理，因为它已经过时了。
9、决策：虽然统计数据可用于进行未来的推论，但不能依赖于在组织环境中做出决策。
10、比较：统计数据不能用于与当前数据或未来数据进行比较，因为可能不知道数据收集和数据分析的方法
从点击流中获得的数据需要进行计算和汇总，无疑这些操作需要更多的成本，特别对于大型网站的大数据量处理而言，同时实时数据增加了实现的复杂度，并可能会在某种程度上增加数据的不准确性。
