假如数据欺骗了你（产品经理如何识破数据谎言）
数据千万条，甄别第一条，数据不规范，老板两行泪。
对产品经理而言，数据无疑是工作中需要常常借鉴的对象，毕竟这是个数据推动发展的时代。数据之所以重要，正是因为数据是记录客观事实的一种符号，因此在统计数据面前，许多人潜意识里的第一反应就是无条件信任它。
但现实是，许多看似靠谱的数据，都是别有用心的机构利用了数据的客观性，为我们输出了一个与现实大相径庭的结论。虽然数据本身不会说谎，但说谎者需要数据。
【假如数据欺骗了你（产品经理如何识破数据谎言）】数据都说了哪些谎？
一、样本偏差的欺骗性
1、幸存者偏差
也叫“沉默的数据”。如果要说得更具体点，就是当你在分析某个事物的时候，可能会面对诸多的证据（样本），但是大多数人通常只注意到“显式”的样本和证据，而忽略了“隐式”的样本和证据，从而得出错误的认知、错误的结论。
下面举一个最著名的例子：二战期间，英国皇家空军计划在轰炸机上进行改造，以抵抗德军战斗机和陆基高射炮的攻击。
他们统计了联军返航的轰炸机受损情况，作战指挥官认为应该加强机翼的防护，因为分析表明，那里“密密麻麻都是弹孔，最容易被击中”。但是统计学家却有不同观点，他建议加强座舱与机尾部位的装甲，因为那儿发现的弹孔最少，说明大多数被击中飞行员座舱和尾部发动机的飞机，根本没法返航就坠毁了。
上面的例子不是数据说谎，而是你没注意到沉默的数据（缺少了的样本）。当数据样本仅采自“幸存者”、信息不够全面的时候，得出来的结论有可能才是最离谱的，需要分析者有足够广的视角和逻辑，才能从数据里挖掘出隐性的真相。
文章图片
2、不充分的样本数据
“用户反映，使用A品牌牙膏将使蛀牙减少23%。”
“B品牌洗衣粉能有效减少90%种污渍残留。”
你也许常常能从广告中的某些权威机构、研究人员口中得知这些结论，但如果你仔细观看，或许能看到这样一行小字：此次实验由**（假设30）名用户组成，甚至有些广告还故意抹去这些信息。这些信息意味着，只要你找来多组测试用户，每组30人，持续使用一段时间的该品牌产品，就会得出以下的任意一种结果（以牙膏为例）：
蛀牙明显增多
蛀牙明显减少
蛀牙数量无明显变化
事实上，不管用户使用的是哪种牙膏，由于机遇作用，第二种结果是迟早会被试验出来的。由于试验人数只有30人（样本总数不大），所以得到的结论极有可能是牙膏效果极佳（蛀牙减少23%），商家就是利用这样不充分的样本数据，来达到预期的广告效果。现实中，也要警惕在信息不对称的情况下，脱离总量谈现象的流氓思维。
3、样本本身存在偏差
假设调研一座城市的人均消费水平。如果是在飞机场调研，或许会得出“城市发达、人民收入高”等结论，但如果到贫民窟里调查，结论就会截然相反，因为城市里真正贫穷的人很少会在机场出没。
企业也常常利用这种选择性的误差来为某个现象寻求合理性，比如智能手机领域喜欢用数据“打脸”友商，但是由于大家采用的统计口径不同，所以常常在同一领域遇到数据打架的情况。
还有一种情况就是样本不够真实，比如全社会都在传播“吃饭不光盘是种可耻的行为”这种理念后，这时你再去调研这个话题，绝大多数受访人都会表示自己是个“净坛使者”，因为几乎所有调查都无法避免人们往自己脸上贴金，这种情况下除非采用匿名调查或者直接调查饭后餐桌上的盘子，否则很难获取到完全真实的数据。
这些案例说明即便你找不到任何数据遭到破坏的证据，也很难避免样本本身在说谎，因此只要是样本有存在变量误差的可能，就要保留怀疑的态度。
二、用平均数掩盖差距
假如把比尔盖茨移民到某个非洲落后国家，该国的人均GDP相应地也会有很大幅度的上涨。但这有意义吗？该国贫民窟里的穷人依然吃不上面包。
类似的，即使某地区人均收入有了提升，但依然存在一种可能性，就是富人财富量的增加远远快于穷人财富量的增加，造成的结果是“数据显示人均收入上升，但贫富差距在拉大”。
比如美国前总统奥巴马在谋求第二任期的竞选活动中提到，“美国经济自09年以来增长了13%”。但他没有说的是，其实美国人只有最富有的那1%的人收入增长了，剩下的99%的人收入反而比以前有轻微的下降。奥巴马虽然赢得了连任，但“整体经济复苏”与“大多数人的可支配收入没有增长”的矛盾却依然无解。
通常情况下，你并不会被告知数据包含了多少观测值，当均值和中位数相差甚远的时候，你就需要注意那些没有标明类型的平均数（均值、中位数、众数），否则你对它的认知依然停留在表面。
三、数据的视觉欺骗性
文章图片
上图是2018年我国各省GDP的统计图像，可以看到，同样的数据在不同的坐标轴里呈现出来的状态截然不同，左图数据取等量递增绘图，右图数据取十进制绘图，呈现出来的视觉效果有相当大的不同，大多数人的第一直觉是：
左图直观表达各省GDP差距巨大
右图直观表达各省GDP差距不大
文章图片
上图是某公司四年间的收入曲线，从视觉上很容易得出以下结论：
左图直观表达公司四年间收入稍有波动，但相对平缓
右图直观表达公司四年间收入波动巨大，目前遭遇停滞下滑的危机
也许大家都发现了，波动是可以被人为操纵的，但数据却是真实的。PPT领域有一句很经典的话：能用图，不用表，能用表，不用字。图表诚然能帮我们更直观的了解事实，但许多报告和演讲就是有心利用数据的视觉误差，误导观众的判断，分辨能力弱的读者就容易被牵着鼻子走。
如果你细心留意的话，就能发现很多产品的发布会和权威机构调查对这招都是屡试不爽的，虽然数据本身没有问题，但这样的呈现方式仅仅是为了好看。现在是信息化时代，一段信息里有价值的文字往往不如一张靓丽的图表更抓人眼球，加强对数据可视化的信息分辨能力会少走很多弯路。
四、数据不能替你思考
统计学数据表明：在夏天，“冰激凌的销量”和“溺水死亡人数”成正比，二者的趋势高度吻合。
看到这条信息你是选择相信还是陷入沉思？如果我们通过这条数据强行把两者联系起来分析的话，推导出来的结论很有可能是：
1.吃冰激凌会导致人们游泳时更容易溺水
2.游泳溺水时人们喜欢用冰激凌来抢救
很诧异对吧，但如果你跳脱出数据分析的思维，以常识去推理，你就知道两者根本没有联系，唯一的契合点在于“夏天天气热”，冰激凌的销量会因此上升，下水游泳的人也会因此增多，自然会有更多溺水事件发生。
数据是客观的、理智的，但人是经验主义者，更善于用逻辑去认识和判断事物，数据的绝对客观性，往往会把我们被拖入单维思考的沼泽里。
就像电影《流浪地球》的片段：以色列科学家提出点燃木星的想法，被空间站的人工智能莫斯否决。道理很简单，莫斯作为人工智能，是绝对理性的化身，它经过周密的科学计算后得出的结论表明：这个方案成功的概率为零，但它忽略了人类是具有感情的生物（或许是故意忽略），冲动和情感能突破理性的底线，做出人工智能不能理解的行为。简而言之，用空间站撞击木星这种看上去不合理的感性行为，也许恰恰不在莫斯的数据分析范围内。
电影虽然是电影，但它能映射现实。许多在人类看来再正常不过的逻辑思维，却是冰冷傲慢的数据分析的盲区，这本质其实是单维思考和多维思考、客观事实和主观逻辑的冲突。数据可以辅助你思考，但它不能代替你思考，千万不要患上唯数据论的怪病，在认识事物的时候一定要问问自己：该相信逻辑还是该相信数据？
如何避免数据说谎
通过上面的案例我们可以知道，数据是客观产生的，它只能反映问题，不会主动撒谎，真正说谎的凶手有三个“人”：
记录数据的人（数据的真实性）
拿数据给你看的人（利用数据的目的）
自我的认知错误（解读出现偏差）
一、数据的真实性
解决的方法，第一件要预防数据生病，就是辨别数据可信度（真实性）。简单来说，通常要遵循两个原则：越接近第一手的数据越真实，采集的样本越全面越可信。
例如互联网产品经理常常更关心数据分析的结论，而忽视了原始数据的来源和真实性，源头如果出现问题，一切的分析都是徒劳的。如果你更关心渠道数据的精准度，可以使用openinstall进行渠道来源归因统计和活动推广效果监测，openinstall在渠道数据精准度上还是比较专业的。
二、利用数据的目的
我们要明白统计数据的真实价值：数据是用来揭示事物规律，进而解决问题、创造未来的。如果结论本身已经客观存在，你用再多的数据也无法让结论变得更加正确，如果有人想要找到某个证据（数据）来论证观点，方法多的是，早晚能够找到。
让数据来回答问题，然后从这些数据中创造更多的可能，这才是数据存在的现实意义，也是用来辨别哪些人在利用数据说谎的方法。
三、解读出现偏差
要善用常识性的思维和多个角度去看待客观事物的发展，既认识到数据和统计学的力量，也要了解它的局限性。当然，这也需要我们有基础的数理科统计知识储备。
数据和模型只是人们用来总结改进的方法，实践才是真理，如果想要更深层次的解读数据背后的意义，就要自己多去挖掘和实践。
总结
真实深度的数据在工作中是非常有参考价值的，尤其能帮助我们建立分析框架，弥补思维漏洞。要知道，数据并不能代替分析人员做决定，获取真实数据、善于运用数据、识破数据骗局，是需要长期培养和掌握的技能。
推荐阅读
- Docker应用:容器间通信与Mariadb数据库主从复制
- 使用协程爬取网页，计算网页数据大小
- 人生游戏--是游戏，还是人生（）
- Java|Java基础——数组
- Python数据分析(一)（Matplotlib使用）
- Jsr303做前端数据校验
- Spark|Spark 数据倾斜及其解决方案
- 数据库设计与优化
- 爬虫数据处理HTML转义字符
- 数据库总结语句