本篇介绍了常见的几种数据分析的错误，数据来源偏差，数据解读陷阱，人为操作误导，希望了解了这些数据分析的错误之后，在进行数据分析时，能够带着怀疑的态度看数据。

对于数据分析来说，一直存在一个伪命题，那就是数据分析真的有必要做吗，做出来的数据分析在实际场景中占有怎样的地位，得出的数据分析结论是否适用于业务场景，数据分析的结论是否混淆了答案。

上面这个问题我也曾经想过。近年来很多人都在神话数据分析，遇到任何问题不管三七二十一，都要拿出来数据来分析一通。其实，这是过度追求数据分析的表现，数据往往不一定就是真实客观的，做数据分析的人也会被数据给欺骗，所以太过迷信数据，反而容易出现问题，而最常见的几种数据分析的错误有：数据来源偏差，数据解读陷阱，人为操作误导。希望了解过这些数据错误之后，在看数据报告或者做数据报告的时候，带着怀疑的精神看数据，不要掉入陷阱。

数据来源偏差

1. 样本量和代表性

你可能听说过“黑巧克力能减肥”这个说法，2015年约翰波哈博士在一篇期刊上登出了这项研究成果，媒体记者们纷纷转载。但其实这个事件都是波哈诺杜撰出来的，他随便找了16个人做样本基数，然后就推导出这么个结论，目的就是想看看谣言怎么变成权威媒体的头条，研究发表后没有一个记者来联系他问他这个实验的样本量是多少，代表性怎么样，过程是否合理，直接就发表和引用了“研究成果”。

所以，样本量和代表性是决定数据结果靠不靠谱的前提条件。

大厂们虽然看起来有“大”数据，但是由于数据孤岛的存在，其实数据也是有偏向的，比阿里虽然有淘宝几亿用户的消费数据，但是也拿不到这几亿用户的微信数据，而且大数据基本都是行为数据，和真实态度，心里预期等等态度数据还是有差别，再有就是用相关性推测因果也有不少坑。

作为非专业人士的我们，其实看报告或者数据时主要还是留个心眼，看看有没有提到数据源，数据源可能带来哪种偏差，带着思考去看报告。如果看到一些数据结论和你的认知有差别，甚至是相反的，不用立刻相信结论，扭转认知，而是想一想这数据来源靠谱嘛，发数据的机构有目的吗，另外，也不用太纠结于具体数据，而是去看背后的趋势，比较，差异。

2. 问题缺陷

刚才我们也提到大数据更多是行为数据，有时要拿到态度数据，还是要靠问卷问题的方式，在用问卷收集数据时，如何问问题就很有讲究了，比如这几种情况：

曾经有个某饮料品牌打算推出新口味的饮品，推出前心里没底，就做调查。他们问了一个问题“我们要推出一款口味更柔和的新产品，你会喜欢吗”数据收集回来之后，发现喜欢的比例高达90%，结果新品上市之后，消费者恶评如潮，现实和数据体现了如此大的反差，原因就在于问题中有一个很明显的正向诱导词“更柔和”。

所以无论是看别人的数据报告，还是自己做问卷，都得注意问的问题是不是客观无偏向，选项是不是合理，选项一般来说要尽可能符合MECE原则。

⏩ 第一条是完整性，说的是分解工作的过程中不要漏掉某项，要保证完整性

⏩ 第二条是独立性，强调了每项工作之间要独立，每项工作之间不要有交叉重叠

数据解读陷阱

数据解读可是说是遍地是坑，比较常见的有以下几种：

1. 相关不等于因果

相关和因果是解读数据绕不开的话题，特别是我们要用数据去预测趋势，解决问题，用一件事情去推测和判断另一件事，搞混相关和因果。

比如：

每年冰淇淋销量一升高，游泳溺亡人数就开始增长，所以禁止销售冰淇淋，有助于挽救生命。

其实，事件A和事件B有相关关系，但可能有因果关系也可能没有因果关系这个道理说起来很简单，好像人人也都知道，但是很多时候，甚至经验的分析人员也会在这上面犯错。其实很多时候我们都是带着期待，带着目的去看数据，我们希望数据能告诉我们真相，给我们解答，告诉我们为什么，好让我们做出决策。所以看到两条曲线趋势有规律，看到两组数据有相关，就会开始兴奋，感觉自己好像抓到了答案，但这时候就往往容易过度解读。

数据只是数据而已，所谓答案其实不是数据告诉你的，而是你自己推出来的，越是这时候就越应该冷静一下，多思考，不要轻易下判断。

2. 幸存者偏差

还有一个特别著名的误导，幸存者偏差。

二战时期，美军计划在飞机上安装厚钢板来抵挡攻击，提升飞机员生存率，但是因为重量限制，只能给最关键的部位安装，他们仔细检查了所有返航回来的飞机机身上的弹孔分布，发现大部分都位于机翼和飞机尾部，于是大家就热火朝天准备给机翼加钢板。

但是这个时候，数学家瓦尔德就站出来反对，他说要加强那些没有弹孔的位置，比如发动起和驾驶舱。

3. 自选择偏差

有时候我们自以为找到了支持自己的想法的客观数据，但其实我们是先有了想法，再找数据来支持自己的想法，那些不符合我们假设的数据会被忽视掉，这就是“选择偏差”。

4. 辛普森悖论

两组数据分别看时都满足某种结果/趋势，但加起来就呈现相反结果/趋势。

下表无论是从文科还是理科来看，录取率比较高的是男生，但是从整体来看，则是女生的录取率比较高。

人为操作误导

前面讲的那些坑很多时候是无意之举，而这部分就不一样，很多数据其实稍加修饰，就成了一个陷阱。

1. 放大尺度

从下面两个数据图标对比可以看出，不同尺寸下对比增长的幅度有明显的不同。

2. 重新定级

对于数据的定级不同，可以看出数据的差距也是特别大。

3. 提自己，不做对比

购买A类产品的用户中80%都是甲类用户，是不是就应该给甲类用户推荐更多A类产品。

这个结论乍一看没有问题，但是如果B类产品的用户中90%都是甲类用户呢？如果B类产品中只有20%是甲类用户，但是B类产品基数远大于A类呢？

很多时候，数据还是要对比才有有意义。

4. 自定标准

只要你敢加的标签足够多，你就永远是名列前茅，虽然小明考试考了班里的40名，但是他在第四列所有身高1.7以上的学生中排名第2。

所以在看到有广告声称自己产品排名怎么怎么样，可以想一想这排名是怎么排出来的。

5. 片面释放

为什么每次平均收入一公布，大家都觉得自己拖后腿了？

其实数据分布情况不一样，平均数有时并不能描述“平均情况”。还有中位数，众数等评价指标。

总而言之，数据只是数据，它来帮助我们理解复杂的世界中庞大的信息，但是不是万能的，是来帮我们解释，而不是替我们思考的。

关注“职坐标在线”（Zhizuobiao_Online）公众号，免费获取最新技术干货教程资源哦