編輯導(dǎo)語(yǔ)：在日常生活和工作當(dāng)中，我們會(huì)用一些數(shù)據(jù)來(lái)描述事實(shí)，那你有被數(shù)據(jù)所欺騙嗎？本文作者從樣本、口徑、統(tǒng)計(jì)、結(jié)構(gòu)和對(duì)比這五個(gè)角度分析了數(shù)據(jù)欺騙我們的小細(xì)節(jié)，感興趣的童鞋一起來(lái)看看吧。

在日常的工作中，作為數(shù)據(jù)部門(mén)，我們常常說(shuō)：數(shù)據(jù)就是領(lǐng)導(dǎo)力。

很多時(shí)候，如果工作中發(fā)生了沖突，站在A的角度有A的道理，站在B的角度，有B的道理，一上來(lái)講道理是很難達(dá)成一致意見(jiàn)的。但是，講數(shù)據(jù)是有可能解決分歧的，因?yàn)橹v數(shù)據(jù)就是講事實(shí)，事實(shí)只可能是一個(gè)。

然而，工作和生活中，我們常常發(fā)現(xiàn)，就算數(shù)據(jù)完全真實(shí)，我們依然有可能被欺騙，今天就分享一些基本方法，避免被真實(shí)的數(shù)據(jù)欺騙。

一、樣本謊言

樣本謊言指的是，我們面對(duì)的客觀對(duì)象龐大而復(fù)雜，在時(shí)間、成本、能力等因素的限制下，沒(méi)辦法做到全量測(cè)量，只能對(duì)抽取的樣本進(jìn)行測(cè)量。抽樣的問(wèn)題在于，如何確保樣本能夠代表整體。存在極端小樣本或者無(wú)樣本的例子：

• 小樣本：中國(guó)男足在世界杯漫長(zhǎng)歷史上僅僅輸了三場(chǎng)。
• 無(wú)樣本：中國(guó)男足在02年世界杯后，再也沒(méi)有輸過(guò)一場(chǎng)世界杯比賽。

當(dāng)然，這是段子，有些人說(shuō)，我把樣本的量盡可能多，不就可以避免這個(gè)問(wèn)題。

其實(shí)不是的，耳熟能詳是1936年美國(guó)大選，《文學(xué)文摘》雜志調(diào)查了240萬(wàn)選民，而蓋洛普只調(diào)查了5000人，結(jié)果蓋洛普預(yù)測(cè)成功。最大的區(qū)別在于，蓋洛普是按照全部選民的人口結(jié)構(gòu)，同比例進(jìn)行抽樣，樣本雖小，但足夠典型。

在現(xiàn)實(shí)生活中，還有一種場(chǎng)景，是人為地選擇性地?cái)U(kuò)大或者挑選樣本，造成對(duì)信息接收方的誤導(dǎo)。

舉個(gè)例子，我參加軟考，沒(méi)通過(guò)，然后就跟周?chē)苏f(shuō)，軟考太難了，通過(guò)率甚至不到10%。這的確是個(gè)真實(shí)的數(shù)據(jù)。

但我沒(méi)說(shuō)的是，軟考的棄考率非常高，只有不到30%的考生參加了考試，如果以參加考試考生作為基數(shù)，通過(guò)率就超過(guò)40%，并沒(méi)有我所說(shuō)的那么難。

面對(duì)一個(gè)統(tǒng)計(jì)數(shù)據(jù)，要有意識(shí)地確認(rèn)這個(gè)數(shù)據(jù)究竟是整體，還是樣本？樣本在整體中的占比是多少、如何進(jìn)行抽樣的？對(duì)于想要表達(dá)的觀點(diǎn)，樣本是否有意義。

二、口徑謊言

口徑謊言，每一個(gè)指標(biāo)都有其統(tǒng)計(jì)邏輯，在不知道背后邏輯的情況下，你以為你看到的數(shù)據(jù)就真的是你想的那樣嗎？就以現(xiàn)在新冠疫情為例，究竟新冠死亡人數(shù)，是die of 還是die with，兩者的差距非常大。

在信用卡行業(yè)，在比較用戶(hù)規(guī)模的時(shí)候，到底是發(fā)卡量、還是新增賬戶(hù)還是流通賬戶(hù)，背后的數(shù)據(jù)就千差萬(wàn)別。即便是相同的指標(biāo)：新增賬戶(hù)，背后的口徑也有非常多細(xì)微的差別，反映到數(shù)據(jù)上，就可能謬以千里。

在不了解具體口徑的情況下，盲目根據(jù)數(shù)據(jù)進(jìn)行判斷，就容易掉入數(shù)據(jù)陷阱。

還有一種情況，就是通過(guò)時(shí)間軸看趨勢(shì)的時(shí)候，口徑雖然沒(méi)變，但是忽略了重要的變化因素，影響對(duì)數(shù)據(jù)趨勢(shì)的判斷。

舉個(gè)例子，在分析不良率的時(shí)候，直接看數(shù)據(jù)，會(huì)發(fā)現(xiàn)指標(biāo)持續(xù)降低，大家看了都很興奮。

但是，如果你知道不良率=不良余額/貸款余額，你就會(huì)思考，不良率的降低，究竟是因?yàn)椴涣加囝~控制住了，還是貸款余額，把盤(pán)子做大了導(dǎo)致的？

如果是后者，那么，風(fēng)險(xiǎn)只是暫時(shí)掩蓋了而已，不良率數(shù)字上的降低是存在欺騙性質(zhì)的。

面對(duì)一個(gè)統(tǒng)計(jì)指標(biāo)，需要注意的是，你得了解其中計(jì)算邏輯，以及哪些因素的變化可能影響數(shù)據(jù)的走勢(shì)。

在使用指標(biāo)的過(guò)程中，要有意識(shí)地確認(rèn)：這個(gè)指標(biāo)可以橫向?qū)Ρ葐?？可以縱向回溯嗎？

三、統(tǒng)計(jì)謊言

平均數(shù)謊言常見(jiàn)于各類(lèi)不專(zhuān)業(yè)的媒體，比如媒體會(huì)經(jīng)常制造出類(lèi)似“騰訊員工平均月薪7萬(wàn)”的新聞，很多騰訊員工直呼被平均，現(xiàn)在都成了段子。其實(shí)，類(lèi)似的問(wèn)題還有很多，比如李克強(qiáng)總理說(shuō)，我們?nèi)司昕芍涫杖胧?萬(wàn)元人民幣，但是有6億中低收入及以下人群，他們平均每個(gè)月的收入也就1000元左右。

在分布非常不均勻的時(shí)候，用平均數(shù)試圖描述每個(gè)人狀況就不合適了，中位數(shù)或者眾數(shù)更能體現(xiàn)真實(shí)的情況。另外，還有一種百分比謊言，比如某個(gè)專(zhuān)業(yè)的研究生，百分百進(jìn)入大廠，大家驚呼太厲害了，但事實(shí)上，可能這個(gè)專(zhuān)業(yè)同一屆畢業(yè)研究生可能不到5人。

平均數(shù)容易掩蓋差距，百分比會(huì)掩蓋規(guī)模，看到統(tǒng)計(jì)數(shù)據(jù)，要學(xué)會(huì)還原原始值、要學(xué)會(huì)看分布，多想想背后有哪些特殊情景有可能會(huì)扭曲事實(shí)。

四、結(jié)構(gòu)謊言

剛畢業(yè)的時(shí)候我在房地產(chǎn)公司寫(xiě)市場(chǎng)報(bào)告，每周我都需要統(tǒng)計(jì)當(dāng)周新房成交單價(jià)，進(jìn)行環(huán)比同比，判斷房?jī)r(jià)的走勢(shì)。有一次，我發(fā)現(xiàn)當(dāng)周的房?jī)r(jià)出現(xiàn)大幅下降，與當(dāng)時(shí)市場(chǎng)行情相反，我感覺(jué)數(shù)據(jù)有問(wèn)題。

經(jīng)過(guò)仔細(xì)比較，我發(fā)現(xiàn)數(shù)據(jù)是真實(shí)的，造成房?jī)r(jià)波動(dòng)的原因是當(dāng)時(shí)郊區(qū)有個(gè)樓盤(pán)當(dāng)天成交了大量房源，影響了成交新房的結(jié)構(gòu)，導(dǎo)致全市的房?jī)r(jià)被拉低了。進(jìn)一步可以發(fā)現(xiàn)神奇的現(xiàn)象，郊區(qū)的大盤(pán)和全市其他樓盤(pán)的房?jī)r(jià)都是上漲，但是整體成交的單價(jià)卻是在下降。

第一周

第二周

看表格就可以發(fā)現(xiàn)，郊區(qū)大盤(pán)的每平米單價(jià)從2.9萬(wàn)上升到3.3萬(wàn)，其他新房的單價(jià)從4.8萬(wàn)上升到5萬(wàn)，整體卻從4.5萬(wàn)下滑到了4.3萬(wàn)。這就是著名的辛普森悖論，總體結(jié)論和部分結(jié)論恰好相反。這提醒我們，要警惕總體結(jié)論，要通過(guò)科學(xué)合理的分組查看具體細(xì)致的數(shù)據(jù)

五、對(duì)照謊言

數(shù)據(jù)是要有比較才能看到問(wèn)題的。但是，有時(shí)候我們一些不恰當(dāng)?shù)膶?duì)比，反而會(huì)影響我們的判斷。典型的例子，比如美國(guó)和西班牙交戰(zhàn)期間，美國(guó)海軍的死亡率低于同期紐約市民的死亡率，從而論證士兵更安全。

但事實(shí)上，用體格健壯的年輕人的死亡率和包含病人、老人、嬰兒的居民死亡率對(duì)比，本身就不合理。在做數(shù)據(jù)分析工作的時(shí)候，無(wú)視行業(yè)周期性波動(dòng)就會(huì)犯這類(lèi)問(wèn)題，拿3月份的業(yè)績(jī)和春節(jié)的業(yè)績(jī)進(jìn)行對(duì)比就不合適，用有雙十一的業(yè)績(jī)和其他月份比也不合理。

當(dāng)然，這些只是非常明顯的例子，還有很多每個(gè)企業(yè)細(xì)微的差異，比如在做競(jìng)品報(bào)告的時(shí)候，選取對(duì)本公司最有利的時(shí)間節(jié)點(diǎn)、城市區(qū)域、價(jià)格區(qū)間等等，會(huì)讓人產(chǎn)生誤導(dǎo)。

除此之外，我們?cè)诳梢暬臅r(shí)候，其實(shí)也會(huì)有類(lèi)似的問(wèn)題，尤其是Y坐標(biāo)軸刻度，很容易影響判斷。

以下兩個(gè)圖其實(shí)數(shù)據(jù)完全相同，但是Y坐標(biāo)軸不一致，呈現(xiàn)的信息就不一樣了。

涉及數(shù)據(jù)指標(biāo)之間比對(duì)的時(shí)候，必須注意是否存在隱含的條件是有利于其中一方的，比對(duì)的雙方是否真的有比較意義。

六、小結(jié)

以上分別從樣本、口徑、統(tǒng)計(jì)、結(jié)構(gòu)和對(duì)比五個(gè)角度分析了一些常見(jiàn)的數(shù)據(jù)欺騙我們的細(xì)節(jié)，如何避免被數(shù)據(jù)欺騙，除了上面的應(yīng)對(duì)方案外，還有一些基本的方法：

1. 數(shù)據(jù)從哪里來(lái)

凡是不給出確切數(shù)據(jù)出處的，需要提高警惕，基本不可信。如果有確切出處的，多想想提供數(shù)據(jù)的是誰(shuí)，站在怎樣的立場(chǎng)，很多時(shí)候，提供數(shù)據(jù)方的立場(chǎng)會(huì)決定數(shù)據(jù)的樣本、口徑及呈現(xiàn)方式，英文中有一個(gè)詞“Half-truth”，即給你看的部分是真的，但它只是事實(shí)的一部分。

很多時(shí)候我們常說(shuō)要增加信息源，就是為了避免單一信息源導(dǎo)致的認(rèn)知偏差。信息多了會(huì)有冗余，但冗余也可以避免出錯(cuò)。

2. 漏掉了什么

本質(zhì)上來(lái)說(shuō)，每個(gè)數(shù)據(jù)對(duì)于客觀分析對(duì)象，都只是一個(gè)要素，在系統(tǒng)思維中，除了要素，我們更要關(guān)注各個(gè)要素之間的連接關(guān)系。

指標(biāo)是怎么算出來(lái)的，相關(guān)的指標(biāo)有哪些，指標(biāo)之間的關(guān)系是怎樣的，是否遺漏了某個(gè)重要的因素？

這就是一種公式思維，用數(shù)學(xué)公式，來(lái)表達(dá)要素之間的連接關(guān)系，進(jìn)而關(guān)聯(lián)地看問(wèn)題和數(shù)據(jù)。

3. 合乎情理嗎

人的天性容易被那些超乎尋常的事物所吸引，不管是媒體上的信息還是很多報(bào)告，常常也會(huì)因?yàn)樾枰咙c(diǎn)而制造一些異乎尋常的數(shù)據(jù)。

面對(duì)數(shù)據(jù)的時(shí)候，可以嘗試將數(shù)據(jù)放在更大的時(shí)空來(lái)考量。因?yàn)楦蟮臅r(shí)空提供了基本的信息量，也就是常識(shí)。

對(duì)于關(guān)心的領(lǐng)域，要有足夠的常識(shí)和判斷力，判斷力到了一定程度，有一些坑，可能在不經(jīng)意間就已經(jīng)繞過(guò)去了。

4. 保持敬畏之心

我們的知識(shí)、智慧所限，我們能試圖破解的系統(tǒng)是有復(fù)雜度上限的。

面對(duì)看起來(lái)非?？陀^的數(shù)據(jù)，我們能做的就是猜測(cè)、驗(yàn)證、迭代，做任何決策的時(shí)候，始終要保持謙卑和敬畏之心。

本文由 @一丁 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Unsplash，基于 CC0 協(xié)議。