數(shù)據(jù)解讀是數(shù)據(jù)分析最重要的環(huán)節(jié)，數(shù)據(jù)不會(huì)說(shuō)謊，說(shuō)謊是來(lái)自于數(shù)據(jù)誤讀；很多公司招聘數(shù)據(jù)分析只強(qiáng)調(diào)數(shù)據(jù)處理，對(duì)數(shù)據(jù)解讀無(wú)法評(píng)估，就會(huì)帶來(lái)數(shù)據(jù)誤讀，從而產(chǎn)生“數(shù)據(jù)會(huì)說(shuō)謊”的結(jié)論。

幾個(gè)的真實(shí)案例

1.、通過(guò)可控的客戶(hù)端采樣監(jiān)測(cè)，得到了一定樣本的，包含google搜索url特征的日志記錄，得到google的搜索量；同樣的樣本下，采集到包含google adwords廣告url特征的日志記錄，得到google的廣告點(diǎn)擊數(shù)。 那么，理所當(dāng)然&一廂情愿的 用點(diǎn)擊數(shù)/搜索量，得到點(diǎn)擊率。 但是，這個(gè)點(diǎn)擊率是顯著錯(cuò)誤的，理由是，google的adwords廣告點(diǎn)擊，并不只發(fā)生在google的搜索結(jié)果中！ 當(dāng)時(shí)的情況是，點(diǎn)擊率被高估了一倍。（其實(shí)已經(jīng)區(qū)分了adsense和adwords廣告點(diǎn)擊的url特征，但是adwords也會(huì)出現(xiàn)在其他網(wǎng)站）

對(duì)數(shù)據(jù)邏輯及相互關(guān)系的理解不透徹，就會(huì)帶來(lái)錯(cuò)誤的解讀。

2、反欺詐點(diǎn)擊，有一定的點(diǎn)擊過(guò)濾策略來(lái)進(jìn)行，引入一種新的過(guò)濾策略，會(huì)帶來(lái)更加嚴(yán)格的過(guò)濾，于是按照新的策略跑一遍舊的日志，得到結(jié)論，額外過(guò)濾了若干點(diǎn)擊，價(jià)值若干，會(huì)導(dǎo)致收入下降若干。
但是這個(gè)結(jié)論是徹底錯(cuò)誤的。當(dāng)嚴(yán)格的策略執(zhí)行之后，客戶(hù)對(duì)該系統(tǒng)信心增加，競(jìng)價(jià)價(jià)格提升，廣告預(yù)算提升，收入不降反升。
這也是有實(shí)際數(shù)據(jù)佐證的。簡(jiǎn)單結(jié)論是，單方面做數(shù)據(jù)推算，而忽略了與用戶(hù)、客戶(hù)的交互影響，就會(huì)做出錯(cuò)誤的推斷。

3、 某同事，名校計(jì)算機(jī)博士，算法達(dá)人，做了一條曲線，A和B高度相關(guān)，得到結(jié)論，A會(huì)導(dǎo)致B，看一眼結(jié)論我就罵人了，狗屎結(jié)論，實(shí)際上是A和B均受C的影響，所謂高度相關(guān)是C的因素帶來(lái)的，這是只看數(shù)據(jù)不懂業(yè)務(wù)的典型。

4、樣本偏差，特典型的就是沉默的大多數(shù)現(xiàn)象，簡(jiǎn)單舉例，去IT論壇，發(fā)個(gè)投票，百度好不好，騰訊好不好，多數(shù)人會(huì)說(shuō)不好。但是真正的用戶(hù)是不會(huì)去IT論壇，更不會(huì)參與這種無(wú)聊的投票；所以這種投票得到的結(jié)論，你要真信，你就傻了。 此外，還有比如送禮品的票選，喜歡這種禮品的用戶(hù)，本身就有傾向性，如果票選內(nèi)容與禮品有關(guān)，那么結(jié)論顯然是不可靠的。

5、有人提到預(yù)測(cè)未來(lái)，補(bǔ)充一點(diǎn)，就是用戶(hù)不知道自己的未來(lái)。這也是普遍做樣本調(diào)查容易產(chǎn)生的誤區(qū)。如果時(shí)間前溯10年，你問(wèn)一個(gè)用戶(hù)，你會(huì)去買(mǎi)蘋(píng)果手機(jī)嗎？他肯定會(huì)說(shuō)，你是不是瘋了。但是當(dāng)真的很酷的蘋(píng)果手機(jī)放到他手上，他才會(huì)有感覺(jué)。 這是有真實(shí)案例的，十幾年前，手機(jī)還叫大哥大，還是大款們才特有的玩物，真有調(diào)查公司跑到路邊采訪行人，說(shuō)你需要買(mǎi)手機(jī)嗎，行人紛紛表示不需要。他們不知道這玩意對(duì)他們?nèi)松母淖冇卸啻蟆?0年前，又有類(lèi)似的事情，上網(wǎng)當(dāng)時(shí)被認(rèn)為是不務(wù)正業(yè)的表現(xiàn)，報(bào)紙媒體開(kāi)始憂(yōu)心忡忡年輕人的網(wǎng)癮和被網(wǎng)絡(luò)的傷害；然后又有媒體去采訪，很多人表示，上不上網(wǎng)無(wú)所謂。這些都是當(dāng)年一些新聞電視里出現(xiàn)過(guò)的典型場(chǎng)景。如果你相信，你就真完了。

這里的問(wèn)題是，用戶(hù)不能預(yù)知技術(shù)的發(fā)展和對(duì)人類(lèi)群體乃至自身的改變；當(dāng)然，有的人能看到，1997年，還在讀書(shū)，我一直糾結(jié)大學(xué)畢業(yè)能做什么，第一次接觸到了互聯(lián)網(wǎng)，我堅(jiān)定，這是改變?nèi)祟?lèi)的東西，這是我一輩子的職業(yè)。

6、舉一個(gè)前幾天碰到的真實(shí)的例子吧。選取音樂(lè)電臺(tái)用戶(hù)的一個(gè)子集，共2W人；分成AB兩組，每組1W人；對(duì)每一組使用不同的推薦算法。統(tǒng)計(jì)在一天內(nèi)每一組的用戶(hù)一共點(diǎn)擊了多少次喜歡的按鈕和不喜歡的按鈕。計(jì)算每組用戶(hù)點(diǎn)擊喜歡的按鈕的比例 = 點(diǎn)擊的喜歡個(gè)數(shù)/（點(diǎn)擊喜歡的個(gè)數(shù)+點(diǎn)擊不喜歡的個(gè)數(shù)）。理論上這個(gè)值越高，說(shuō)明這組用戶(hù)越滿(mǎn)意，也就說(shuō)明用在這組上的推薦算法更好。后來(lái)發(fā)現(xiàn)這個(gè)結(jié)果沒(méi)有統(tǒng)計(jì)意義…… 因?yàn)橛行┯脩?hù)會(huì)一天給出上千個(gè)喜歡與不喜歡的反饋，這樣的用戶(hù)在AB兩組中的分布決定了最終結(jié)果的好壞。改進(jìn)方法是：需要去除這些噪音點(diǎn)，或者使用其他的統(tǒng)計(jì)值。

7、我們還針對(duì)AB兩組用戶(hù)分別統(tǒng)計(jì)了：平均每個(gè)用戶(hù)每天點(diǎn)擊喜歡的音樂(lè)的個(gè)數(shù)。按理說(shuō)，這個(gè)個(gè)數(shù)越高，說(shuō)明推薦算法越好。可是，我們又針對(duì)AB兩組用戶(hù)分別統(tǒng)計(jì)了：平均每個(gè)用戶(hù)每天點(diǎn)擊不喜歡的音樂(lè)的個(gè)數(shù)。按理說(shuō)，這個(gè)個(gè)數(shù)越高，說(shuō)明推薦算法越差。結(jié)果，發(fā)現(xiàn)在很多情況下，第一個(gè)個(gè)數(shù)高的算法，第二個(gè)個(gè)數(shù)也高。于是，使用單一指標(biāo)也許不能很好的刻畫(huà)一個(gè)算法。改進(jìn)方法是：使用更多的指標(biāo)來(lái)進(jìn)行刻畫(huà)，具體問(wèn)題具體分析，尋找背后的原因。

8、當(dāng)年Firefox用戶(hù)與Mac用戶(hù)對(duì)支付寶重要與否，單從瀏覽器數(shù)據(jù)統(tǒng)計(jì)看，F(xiàn)irefox訪問(wèn)支付寶的比例太低了。不過(guò)因?yàn)橹Ц秾毑恢С諪irefox，所以，這個(gè)比例不能用作判斷的依據(jù)。Mac用戶(hù)也是一樣。再說(shuō)一個(gè)，支付寶當(dāng)年代繳水電煤的項(xiàng)目改版之后，發(fā)現(xiàn)繳費(fèi)用戶(hù)立刻暴增，產(chǎn)品人員欣喜若狂，后來(lái)白鴉同學(xué)分析一下，哦，原來(lái)那幾天是每個(gè)月水電煤繳費(fèi)高峰期，周期性的抽風(fēng)。其實(shí)呢，分析一下我國(guó)有關(guān)部門(mén)發(fā)布的數(shù)據(jù)，你會(huì)發(fā)現(xiàn)那都是一些說(shuō)謊的數(shù)據(jù)。

9、二戰(zhàn)時(shí)英國(guó)皇家空軍邀請(qǐng)美國(guó)的統(tǒng)計(jì)學(xué)家分析德國(guó)地面炮火擊中聯(lián)軍轟炸機(jī)的資料，并且從專(zhuān)業(yè)的角度，建議機(jī)體裝甲應(yīng)該如何加強(qiáng)，才能降低被炮火擊落的機(jī)會(huì)。但依照當(dāng)時(shí)的航空技術(shù)，機(jī)體裝甲只能局部加強(qiáng)，否則機(jī)體過(guò)重，會(huì)導(dǎo)致起飛困難及操控遲鈍。 統(tǒng)計(jì)學(xué)家將聯(lián)軍轟炸機(jī)的彈著點(diǎn)資料，描繪成兩張比較表，研究發(fā)現(xiàn)，機(jī)翼是最容易被擊中的部位， 而飛行員的座艙與機(jī)尾，則是最少被擊中的部位。作戰(zhàn)指揮官由此認(rèn)為，應(yīng)該加強(qiáng)機(jī)翼的防護(hù)，因?yàn)榉治霰砻?，那里”密密麻麻都是彈孔，最容易被擊中”。但是統(tǒng)計(jì)學(xué)家卻有不同觀點(diǎn)，他建議加強(qiáng)座艙與機(jī)尾部位的裝甲，那兒最少發(fā)現(xiàn)彈孔—–因?yàn)樗慕y(tǒng)計(jì)樣本是聯(lián)軍返航的受損飛機(jī)，說(shuō)明大多數(shù)被擊中飛行員座艙和尾部發(fā)動(dòng)機(jī)的飛機(jī)，根本沒(méi)法返航就墜毀了。

所以如LS幾位所答，不是數(shù)據(jù)說(shuō)謊，而是沒(méi)注意到沉默的數(shù)據(jù)（缺少了的樣本），需要分析者有足夠廣的視角和邏輯，才能從數(shù)據(jù)里挖掘出足夠正確的東西。

10、改版了款wap產(chǎn)品，沒(méi)做任何推廣前提下，發(fā)現(xiàn)流量飆升，尤其匿名用戶(hù)漲了3倍。因?yàn)楫a(chǎn)品本身用戶(hù)基數(shù)低，所以流量翻了兩三倍也算正常。當(dāng)時(shí)估計(jì)是SNS的口碑傳播導(dǎo)致的。但最后還是覺(jué)得不對(duì)勁，查了一下，發(fā)現(xiàn)是搜索引擎在抓頁(yè)面，因?yàn)楦陌媪?，所以它們要重新抓一次?？諝g喜一場(chǎng)。數(shù)字還是那個(gè)數(shù)字，但背后它到底對(duì)應(yīng)了什么內(nèi)容，常常被忽略了。

11、我們會(huì)在游戲中對(duì)很多內(nèi)容或操作做數(shù)據(jù)監(jiān)控，然后通過(guò)分析數(shù)據(jù)的提高還是降低，去判斷用戶(hù)對(duì)該內(nèi)容的喜歡程度。但是單獨(dú)看數(shù)據(jù)的提高和降低是沒(méi)有意義的。例如，我們發(fā)現(xiàn)某項(xiàng)物品最近銷(xiāo)售數(shù)據(jù)在下滑，我們可能就會(huì)下結(jié)論：這個(gè)物品受歡迎程度在下降。但這個(gè)結(jié)論是不準(zhǔn)確的，必須結(jié)合著其他的數(shù)據(jù)一塊看，例如DAU。如果DAU在下降，那么該物品的銷(xiāo)售隨之下降是正常的，如果結(jié)合著比例來(lái)看，有可能會(huì)發(fā)現(xiàn)雖然銷(xiāo)售數(shù)據(jù)在下降，但是比例數(shù)據(jù)（即銷(xiāo)售數(shù)/DAU）是在上升的。這樣會(huì)明白，其實(shí)該物品的受歡迎程度并沒(méi)有下降了，而是DAU下降了。而在DAU下降的同時(shí)，銷(xiāo)售比例在上升，其實(shí)該物品的受歡迎程度反倒是提高了。

因此，其實(shí)不是數(shù)據(jù)在說(shuō)謊，而是很多數(shù)據(jù)需要辯證的來(lái)看。

12、前不久不有這么一段兒:說(shuō)是美國(guó)著名調(diào)查機(jī)構(gòu)PEW在“胸圍與幸福指數(shù)”調(diào)查中對(duì)500對(duì)30—40歲的夫妻調(diào)查結(jié)果顯示：女性胸圍A杯的離婚率為37%，胸圍B杯的離婚率為16.3%，胸圍C杯的離婚率為4%，而胸圍達(dá)D杯的女性離婚率1%都不到。這個(gè)典型的抽取樣本數(shù)量不等的情況下的出的所謂結(jié)論可信度大打折扣。有個(gè)簡(jiǎn)單的方法看看滑稽在什么地方。有沒(méi)有注意到，里面木有E杯和F杯的數(shù)據(jù)，why。。。因?yàn)椋锤揪蜎](méi)有E和F，自然沒(méi)有結(jié)論，要么E和F數(shù)量很小，得出的結(jié)論完全可能出現(xiàn)100%離婚的結(jié)論，這樣的結(jié)論和前面的推到就不符合所以隱藏了。

感謝知乎小伙伴們的無(wú)私奉獻(xiàn)，原文鏈接>>>