那些让你遍体鳞伤的数据陷阱

做产品，基本绕不开各种数据和统计分析。 从需求调研，到上线迭代，工作汇报，宣传推广各环节都需要和数据打交道。 在这些数据背后都隐藏着各种陷阱，一不小心就会趟坑了，当然如果有一双善于发现的眼睛可能会化险为夷，甚至化为己用。

有些数据陷阱是致命的存在，举个具体的例子来说明下。

1941 年，第二次世界大战中，空军是最重要的兵种之一，盟军的战机在多次空战中损失严重，无数次被纳粹炮火击落，盟军总部秘密邀请了一些物理学家、数学家以及统计学家组成了一个小组，专门研究 “如何减少空军被击落概率” 的问题

针对此问题 联盟高层和统计学家沃德给出2个截然不同的答案

当时军方的高层统计了所有返回的飞机的中弹情况——发现飞机的机翼部分中弹较为密集，而机身和机尾部分则中弹较为稀疏，于是当时的盟军高层的建议是： 加强机翼部分的防护

沃德教授提出了完全相反的观点—— 加强机身和机尾部分的防护 。

那么这位统计学家是如何得出这一看似不够符合常识的结论的呢？ 沃德教授的基本出发点基于三个事实是：

统计的样本只是平安返回的战机。

被多次击中机翼的飞机，似乎还是能够安全返航。

而在机身机尾的位置，很少发现弹孔的原因并非真的不会中弹，而是一旦中弹，其安全返航的机率极小，即返回的飞机是幸存者，那些被忽视了的非幸存者才是关键，他们已经坠机了！

我记得第一次接触这个案例时那种敬仰之心，油然而起！

数据采集

1 幸存者偏差理论

就是典型的数据采集陷阱之一。 比如在某一系列视频追踪分析，1-5集观看播放量一直比较稳定，当时当第6集时，用户量大幅下滑。 这时候分析原因发现，不是第6集内容出现问题，而是第6集开始VIP会员限权观看了。 大量的普通会员无法观看，导致播放量降低了。

2  沉默群体

那些你没注意就流失的客户

现在做数据采集时，很大程度中在增加做定性分析而减少定量分析，定性是指对群体中特征明显的少数经典个体做调研，反推群体的部分特性。 这是有效一种方式，但是需要明确这种方式存在缺陷。 定量研究除非有大数据的基础，否则现在不太容易开展。 尤其一些普世性的产品，用户群体都是亿量级别，做定量研究成本太高。

所以在做分析时一定要关注那些沉默群体。 比如在研究商品下单支付转化率时，一定要关注哪些没有下单只浏览就流失用户群体，而不是只看下单用户和支付用户群体。 否则以分析结果导向去调整产品，会导致无法预估的损失。

3 数据真实性

不论是第三方的平台还是自己的问卷调研，常常会为了个人虚荣（收入虚高）、道德、政治正确等原因得到不准确的反馈信息。 这也是一个不太好避免的数据陷阱。 尤其是在调研获取阶段，必须直面数据真实性问题，如果只是对现有产品做调优，那么数据是可靠的，只不过需要清洗而已。 比较已经生成的数据是不会说谎的，比如头条中用户的阅读行为数据。

视觉图表

主要从图形界面上给人误导，尤其是趋势走势和数据统计2种。 请仔细查看下面几张图对比。

折线图 操作纵坐标和横坐标的比例,让你打开眼界。 纵坐标，由10间隔改为100间隔。

这2张图带给人的视觉印象是有很大区别的，当你看到某些趋势图不可思议时请关注下纵坐标，有猫腻等你发现。

饼图 淡化部分数据，突出目标数据。 如图

你会关注 47%

你会关注 24% 是什么内容

上面2种图示对比 是不是打开了一个思维上的潘多拉魔盒?!

描述误导

• 比例描述

有2种陷阱形式，一种是全国平均工资形式，叫做被平均。 一个100W薪资和99个5000元的薪资，平均薪资为14950。 普罗大众的薪资直接被翻了3倍，开不开心？ 从地区统计汇报中就没有低收入人群。 这就是汇报作弊神器啊， 所以在查询国家统计数据资料时一定要谨慎，或者查找下数据计算方式，以便获取数据的内在内容。

还有一种比较神奇，那就是综合百分比和实际效果不一致。

如 A 商品 订单转化率 35%； B 商品 订单转化率 42%

表面上看B商品的转化率高于A。 但是实际上A 投入转化成本为0，而B投入转化成本为大约2000万人民币，真实自然转化率基本在15%左右。 这种撇开关键因素对比指标也是常见的数据误 导。

• 主体模糊

如百分比，他不会反应分子分母各是什么，这就导致可以在这里做手脚。 例如“质量提高了100%”，质量是什么？ 相比什么提高了100%？ 解释权归我所有。 也有“降价50%之后再减20%”，看起来减了70%，实际上减了60%。

还有一些统计字段如果不了解很容易被误导，比如电商里常用的GMV(商品交易总额),一看数据好几十亿元。 再看具体含义（成交金额包括:付款金额和未付款)，真实有效的支付订单额远远小于GMV的数据，数据好看而已。

还有一些用词上的陷阱，其实不能算是陷阱，个人认为只可以说是用词错误或者认知不对，比如翻N番，就表示2的N次方，谨慎使用。

一定要记住：相关不等于因果

相关只是两者在数理上有相关性，但是不能代表因果关系。 二者有强烈相关性的东西的因果关系是复杂的，可能互为因果，也可能其中一方是因另一方是果。 也就是说数据相关不能直接定性因果关系，一定需要新分析，再假设推定关系。

分享，关注，收藏是对我最大的支持，公众号“闲聊产品”