关于数据分析的两大误区

 误解1：将某一类型的数据视为所有数据，导致分析结果错误 让我们从一个小故事开始：英国空军希望在第二次世界大战期间增加飞机的装甲厚度，但如果所有的装甲都增厚，它将降低灵活性，因此最终决定只增加攻击最大部分的装甲。后来，经过对中弹飞机的统计，工作人员发现大多数飞机都有更多的机翼弹孔，因此决定增加机翼的装甲厚度。直到后来一位专家说：“但是那些机头中弹的飞机还没有飞回来。” 这个故事应该分析所有的飞机，但统计样本不包括损坏的飞机，所以结论只是根据一些数据，或根据相同的特征（受伤），不能代表所有类型的数据，所以结果可能是错误的。 再举一个例子：不久前，为了分析人人网，我想看看人人网目前的用户访问情况，所以我选择了PV作为观测指标。通过alexa，人人网的PV在过去一年显著下降，这也证实了我的预期，因此我以此为论点进行了分析。但后来发现alexa只统计通过WEB的访问量，而用户移动终端的登录不在统计范围内！在过去的两年里，智能手机迅速普及，移动终端登录也非常普遍。这部分数据的缺失意味着上述统计数据基本上毫无意义，因为WEB终端访问量的下降可能是用户访问人人网络次数的下降，也可能是PC终端迁移到移动终端，因此该统计数据不能作为论据出现。 由此可见，我只统计了WEB端的访问情况，认为这是人人网的全部访问量，而忽略了移动端，从而导致了错误的结果。另一个问题是，因为我已经有了预期（人人网访问量下降），所以我正在为这个结论寻找相关的论点。当我找到符合我结论的论点时，很容易选择有利于我的数据而不做出更多的判断，这也是数据统计人员的一个常见问题。 用某种类型的数据代替所有的数据会误导我们做出错误的判断，统计时一定要注意这一点。一方面，我们需要意识到，在统计和分析数据时，我们应该始终考虑是否还有其他情况，是否有我们没有想到的数据类型。这些数据能否代表所有类型，并试图从更高的角度解释这些数据，而不是在获得数据后立即盲目分析。另一方面，它需要知识的积累。例如，如果你知道alexa是如何统计的，你很容易考虑移动终端的情况。知识的积累有助于我们做出准确的判断。这些知识和经验是从阅读或实践中获得的。平时多做，慢慢积累，时间长了自然会看得更全面。 误区二:明显的事件夸大了偶然因素 明显的事件更容易占据我们的视线，从而高估事件发生的概率。 例如，从年度统计中可以看出，近两年某基金的收益率达到100%，有某明星交易员等，人们会争相购买该基金，也会让人们认为购买该基金可以赚钱。事实上，很少有基金能全年保持这样的收益率。近两年收益前五的基金，五年后收益率很可能排名倒数第二，世界上大部分基金都无法跑赢市场。然而，人们仍然认为买基金真的很有利可图。当年XXX两年收益100%。两年收入达到100%只是偶然的，但由于事件过于鲜明，长期驻扎在人们的心中。 还有很多类似的事情。比如富士康的n连跳，大家都觉得这么多人跳楼，富士康肯定太黑了，但是大家都没有注意到富士康大概有37万员工。按照12连跳，自杀率不到14/4，而全国平均自杀率为15/10，000，n连跳自杀率远低于全国自杀率。可见，富士康的12连跳其实是一个社会问题，而不仅仅是一个企业问题。我们过于*明确的事实，却忽略了背后的整体概率。 两天前，三人死于波士顿爆炸，微博祈祷，但阿富汗、伊拉克和其他国家几乎每天都面临这些问题，只是因为媒体不会整天报道新闻，每天攻击也麻痹人们的神经，所以我们只*明显的波士顿爆炸，对其他地区每天发生的事情漠不关心。另外，比如你身边有人买股票赚了不少钱，也许你也会想投身股市试试运气，而忽略了散户8赔1平1赚的整体概率。另一个例子是，如果你周围有人买股票赚了很多钱，你也可能想投身于股市，而忽略了散户投资者的总体概率。你看到了各种成功企业家的报道，认为你也可以尝试创业，毕竟，成功的可能性似乎并不低。但你不知道那些不成功的人基本上没有机会被报道，事实上，创业成功的人可能不到1%。 说了这么多，其实太明显的意外事件会让我们忽略背后一直存在的整体概率。当你看到这些数据时，不要太情绪化。你看到的数据或事件可能只是一个例子，并不意味着大多数。你可以检查历史或平均情况，找到沉默的用户或数据，避免轻易做出判断和决定。理性对待这些事故，既不盲目跟随，也不嘲笑，在明确整体概率的情况下，消除事故因素，分析这些事故背后是否有一些值得借鉴的地方，从而吸收自己的产品或项目，使自己的产品或事情可能成为市场上的下一个“事故”。