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。
数据都说了哪些谎？
1. 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。
（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。”
- 蛀牙明显增多
- 蛀牙明显减少
- 蛀牙数量无明显变化
2. 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。3. 数据的视觉欺骗性
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
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。
4. 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：- 吃冰激凌会导致人们游泳时更容易溺水
- 游泳溺水时人们喜欢用冰激凌来抢救
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）
1. 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。2. 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。3. 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。 爱盈利-运营小咖秀(www.aiyingli.com) 始终坚持研究分享移动互联网App运营推广经验、策略、全案、渠道等纯干货知识内容；是广大App运营从业者的知识启蒙、成长指导、进阶学习的集聚平台；想了解更多移动互联网干货知识，请关注微信公众号运营小咖秀（ID: yunyingshow）
【转载说明】 若上述素材出现侵权，请及时联系我们删除及进行处理：8088013@qq.com
