数据分析中6个常规的错误

1466001444-5691-8gvt0w9Hu3bib1nqxic557Tic6LQ

大数据时代,数据分析成为最重要的事情。但是,如何正确地进行数据分析?如何才能不被隐藏的数据欺骗?以道御术,方为正途。本文整理归纳自百度数据分析专家,百度技术学院(BIT)讲师,百万美金大奖获得者毕然老师的 《大数据分析的道与术》 ,帮你认清数据分析的常规错误!

 

1. 错把关联当因果

夏天雪糕销量越好,游泳溺水的事件也越多,是不是雪糕中某种成分对人影响的后果呢?简单的思考后就会发现,是因为气温越高,雪糕销量会越高,同时温度越高,去河里游泳的孩子就越多,溺水事件也就越多,雪糕销量和溺水是关联关系,而并非因果关系。

上面的例子很简单,也很容易被识破,但在实际的数据分析中,关联和因果并不是那么容易区分。再举一例:

某广告公司分析人员发现:每月广告投入越高的用户,越不容易流失,而广告投入低的用户群则很容易流失,从而得出结论:“高投入会降低客户流失率,建议销售引导客户提高首月广告投入,从而降低新客流失率”。而实际情况是,新客户初期的投入常常都比较少,看广告有了效果之后,才会逐步扩大广告投放预算,投入高的客户流失率低是因为认可广告投放效果,而不是因为花的钱多。

关联性很容易判断,如何判断是否是因果关系呢?因果符合下面的特征:

  • 两个事件是关联的,就是说总是同时出现
  • 原因在前,结果在后
  • 原因消除的话,结果也消除

因果关系需要设计相对严谨的对照来证明,更多的时候需要靠经验来判断,这时候更注意要谨慎下结论。

2. 不匹配的比较

例:美国与西班牙战争爆发后,不少美国人不愿意参军,坦诚是因为怕死,针对这种情况,美国军方做了一份统计报告来劝说大家参军:“可靠数据统计,美国海军的死亡率是 0.9%,而同期纽约市民的死亡率是 1.6%”,潜台词非常明显,如果惧怕死亡更应该参军,因为在军营中比呆在纽约更安全。

这个例子乍看起来很有道理,如果你仔细琢磨,就会发现其中的阴谋:比较的对象不一样!如果仔细查阅,就会发现,美国海军死亡名单基本都是健康的青年小伙,而纽约市民的死亡名单大多是老弱病残,这两份数据放在一起显然不合适。

在做数据比较的时候,需要选取合适的比较对象,以便更准确地认知和发现结论,在数据分析中,一般选取的比较对象有以下几类:

  • 自身历史 与历史同期相比,比如去年同期或上个季度。
  • 同行竞品
  • 合理预期 与之前产品发展的预期相比,比如:A 产品的研发,比预期收入提高 10%
  • 同质对照组 A/B Test 结果的对比

3. 基于个案的认知

每当劝说朋友戒烟时,朋友总会拿出这个段子:

不抽烟不喝酒,63岁–林彪

不抽烟只喝酒,73岁–周恩来

只抽烟不喝酒,83岁–毛泽东

既抽烟又喝酒,93岁–邓小平

吃喝嫖赌样样有,103岁–张学良

没有任何坏习惯,一生做好事–23岁,雷锋

无论抽不抽烟,一个人都可能在各个年龄下死亡,从宏观的统计上分析,抽烟的人的寿命平均比不抽烟的人小 5 岁,而上面举出的个例,则无法说明问题。

4. 精挑细选的数据维度

例:一所艺术院校,男生校服只有裤子款式,而女生有裤子和裙子两种款式,经统计得知 75% 的女生选择裙子,25% 的女生选择裤子,今天你进入校园,远远看到一个穿裤子的同学,他是男生的概率更高,还是女生的概率更高?

凭感觉得到的答案是男生概率高,因为所有的男生都穿裤子款式,而只有 25% 的女生选择裤子款式。这个例子中忽略了一个重要的数据:男生和女生的人数。

如果告诉你,该学校共 1000 人, 900 人是女生,100 人是男生,结果是什么?

女生选裤子的有 900*25% = 225 人

男生选裤子的有 100 人

很显然,这种情况下,这个人是女性的概率更高。在普通人看来,往往会有男女各占一半的经验误解。所以,在一些情况下,隐藏了部分数据就是说谎。

5. 过多脑补的推理

在一个冬日的晚上,产品流量出现下跌,经过一番分析,得出原因:天气太冷,网民因为手冷而不愿意上网,提前上床睡觉,所以流量下跌。

在一个冬日的晚上,产品流量出现上涨,经过一番分析,得出原因:天气太冷,网民不愿意出门,只好在家窝着上网,所以流量上涨。

案例背后的信息是:一个结果可能有多个原因可以解释,“大忽悠”往往引导人们只去相信其中的一个,整个推理过程没有对应的细节数据辅助。

6. 先入为主的偏见

先别往下看,这幅图的内容是什么?

1466001444-9186-HRvMn677sDX9G6x9iaQR7TicTCDA

你可能觉得这幅图太过模糊和抽象,一时也看不出是什么,如果告诉你说,这是一只斑点狗,很多人就会恍然大悟,觉得确实是一只斑点狗。这里隐藏了一个重要的心理学理念:

你脑子里想的是什么,你就会去寻找什么,你将会得到你期盼的结果

—— 勃朗宁

该理念有个通俗的说法是“人们只会看见他们愿意看见的事情”。

在数据分析中,虽然很难不带任何“先入为主”的观点,但依然要追求追求客观分析的态度,也要适时根据数据去观察和反思,不断修正自己的观点。

去年今日运营文章

  1. 2024:  2023-2028贡芽茶业品牌运营计划书(0)
  2. 2024:  曾年薪十亿的“中国打工皇帝”,从学历到经历,没一样是真的(0)
  3. 2023:  羊了个羊-引爆全域的社交裂变心法(分享版)(0)
  4. 2023:  商业化入门手册:抖音如何赚到2000亿?(0)
  5. 2023:  运营数据分析,怎么做才有深度(0)

原创文章,作者:爱运营,如若转载,请注明出处:https://www.iyunying.org/seo/sjfx/66280.html

(0)
爱运营的头像爱运营管理员
上一篇 2016年6月16日 上午10:46
下一篇 2016年6月16日 上午10:47

推荐资讯

发表回复

登录后才能评论
分享本页
返回顶部