那些讓你遍體鱗傷的數據陷阱
做產品，基本繞不開各種數據和統計分析。從需求調研，到上線迭代，工作彙報，宣傳推廣各環節都需要和數據打交道。在這些數據背後都隱藏著各種陷阱，一不小心就會趟坑了，當然如果有一雙善於發現的眼睛可能會化險為夷，甚至化為己用。
有些數據陷阱是致命的存在，舉個具體的例子來說明下。
1941 年，第二次世界大戰中，空軍是最重要的兵種之一，盟軍的戰機在多次空戰中損失嚴重，無數次被納粹炮火擊落，盟軍總部秘密邀請了一些物理學家、數學家以及統計學家組成了一個小組，專門研究 “如何減少空軍被擊落概率” 的問題
針對此問題 聯盟高層和統計學家沃德給出2個截然不同的答案
當時軍方的高層統計了所有返回的飛機的中彈情況——發現飛機的機翼部分中彈較為密集，而機身和機尾部分則中彈較為稀疏，於是當時的盟軍高層的建議是：加強機翼部分的防護
沃德教授提出了完全相反的觀點——加強機身和機尾部分的防護。
那麼這位統計學家是如何得出這一看似不夠符合常識的結論的呢？沃德教授的基本出發點基於三個事實是：
統計的樣本只是平安返回的戰機。
被多次擊中機翼的飛機，似乎還是能夠安全返航。
而在機身機尾的位置，很少發現彈孔的原因並非真的不會中彈，而是一旦中彈，其安全返航的機率極小，即返回的飛機是倖存者，那些被忽視了的非倖存者才是關鍵，他們已經墜機了！
我記得第一次接觸這個案例時那種敬仰之心，油然而起！
數據採集
1 倖存者品偏差理論
就是典型的數據採集陷阱之一。比如在某一系列視頻追蹤分析，1-5集觀看播放量一直比較穩定，當時當第6集時，用戶量大幅下滑。這時候分析原因發現，不是第6集內容出現問題，而是第6集開始VIP會員限權觀看了。大量的普通會員無法觀看，導致播放量降低了。
2 沉默群體
那些你沒注意就流失的客戶
現在做數據採集時，很大程度中在增加做定性分析而減少定量分析，定性是指對群體中特徵明顯的少數經典個體做調研，反推群體的部分特性。這是有效一種方式，但是需要明確這種方式存在缺陷。 定量研究除非有大數據的基礎，否則現在不太容易開展。尤其一些普世性的產品，用戶群體都是億量級別，做定量研究成本太高。
所以在做分析時一定要關注那些沉默群體。比如在研究商品下單支付轉化率時，一定要關注哪些沒有下單隻瀏覽就流失用戶群體，而不是隻看下單用戶和支付用戶群體。否則以分析結果導向去調整產品，會損帶無法預估的損失。
3 數據真實性
不論是第三方的平臺還是自己的問卷調研，常常會為了個人虛榮（收入虛高）、道德、政治正確等原因得到不準確的反饋信息。這也是一個不太好避免的數據陷阱。尤其是在調研獲取階段，必須直面數據真實性問題，如果只是對現有產品做調優，那麼數據是可靠的，只不過需要清洗而已。比較已經生成的數據是不會說謊的，比如頭條中用戶的閱讀行為數據。
視覺圖表
主要從圖形界面上給人誤導，尤其是趨勢走勢和數據統計2種。請仔細查看下面幾張圖對比。
折線圖 操作縱座標和橫座標的比例,讓你打開眼界。 縱座標，由10間隔改為100間隔。
這2張圖帶給人的視覺印象是有很大區別的，當你看到某些趨勢圖不可思議時請關注下縱座標，有貓膩等你發現。
餅圖 淡化部分數據，突出目標數據。如圖
你會關注 47%
你會關注 24% 是什麼內容
上面2種圖示對比 是不是打開了一個思維上的潘多拉魔盒?!
描述誤導
- 比例描述
有2種陷阱形式，一種是全國平均工資形式，叫做被平均。一個100W薪資和99個5000元的薪資，平均薪資為14950。普羅大眾的薪資直接被翻了3倍，開不開心？從地區統計彙報中就沒有低收入人群。這就是彙報作弊神器啊，
所以在查詢國家統計數據資料時一定要謹慎，或者查找下數據計算方式，以便獲取數據的內在內容。還有一種比較神奇，那就是綜合百分比和實際效果不一致。
如 A 商品 訂單轉化率 35%；B 商品 訂單轉化率 42%
表面上看B商品的轉化率高於A。但是實際上A 投入轉化成本為0，而B投入轉化成本為大約2000萬人民幣，真實自然轉化率基本在15%左右。
這種撇開關鍵因素對比指標也是常見的數據誤導。
- 主體模糊
如百分比，他不會反應分子分母各是什麼，這就導致可以在這裡做手腳。例如“質量提高了100%”，質量是什麼？相比什麼提高了100%？解釋權歸我所有。也有“降價50%之後再減20%”，看起來減了70%，實際上減了60%。
還有一些統計字段如果不瞭解很容易被誤導，比如電商裡常用的GMV(商品交易總額),一看數據好幾十億元。再看具體含義（成交金額包括:付款金額和未付款)，真實有效的支付訂單額遠遠小於GMV的數據，數據好看而已。
還有一些用詞上的陷阱，其實不能算是陷阱，個人認為只可以說是用詞錯誤或者認知不對，比如翻N番，就表示2的N次方，謹慎使用。
一定要記住： 相關不等於因果
相關只是兩者在數理上有相關性，但是不能代表因果關係。二者有強烈相關性的東西的因果關係是複雜的，可能互為因果，也可能其中一方是因另一方是果。也就是說數據相關不能直接定性因果關係，一定需要新分析，再假設推定關係。
分享，關注是對我最大的支持
