起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識數(shù)據(jù)分析的坑，都在統(tǒng)計學(xué)里埋過
為什么要了解統(tǒng)計學(xué)？對于普羅大眾來說，統(tǒng)計學(xué)應(yīng)該會成為每人必備的常識，才能避免被越來越精致的數(shù)字陷阱欺騙。起碼當(dāng)你看到各種百分比和收益率，能多出一份警覺，多思考些他們的來源和計算途徑。
對于互聯(lián)網(wǎng)工作者來說，統(tǒng)計知識投射在互聯(lián)網(wǎng)上，就是數(shù)據(jù)相關(guān)的方法論。舉例來講，現(xiàn)在盛行的 A/B Test 本質(zhì)上就是控制變量法實驗中的一種。不同的是，互聯(lián)網(wǎng)獲取數(shù)據(jù)更簡單，進行對比實驗更方便。這將是一個統(tǒng)計學(xué)/數(shù)據(jù)分析的大事件。想象一下 Facebook 內(nèi)部幾千個 A/B Gate，簡直稱得上一場史無前例的大規(guī)模人口社會實驗。
這也是為什么近些年來 Growth Hacker ，Data Scientist 越來越火的原因。數(shù)據(jù)量的極易獲取，計算存儲成本的降低和分析效率的提升，使得統(tǒng)計分析的成本更低，規(guī)模更大，從而輸出價值更高。
統(tǒng)計和分析的差別
個人理解上，統(tǒng)計分析應(yīng)該是整個數(shù)據(jù)流程的不同部分。統(tǒng)計在于工具或手段，分析更偏重理念。比如回歸分析為什么叫分析不叫統(tǒng)計，就是因為其中已經(jīng)包含了部分歸因的思想。再舉個栗子，決定對一批數(shù)據(jù)取平均數(shù)還是中位數(shù)，這是統(tǒng)計，該怎么利用，是分析。
如《赤裸裸的統(tǒng)計學(xué)》中指出來的一樣，統(tǒng)計分析是：
- 總結(jié)大量的數(shù)據(jù)
- 做出正確的決定
- 回答重要的社會問題
- 認(rèn)識并改善我們?nèi)粘５男袨槟Ｐ?/li>
坑一：統(tǒng)計指標(biāo)各有利弊通過選擇合適的統(tǒng)計指標(biāo)，來精準(zhǔn)表達(dá)數(shù)據(jù)集的內(nèi)容。同時也需要防止有人利用這些指標(biāo)的優(yōu)缺點來誤導(dǎo)輿論，影響你的決策。
平均數(shù)，中位數(shù)，四分位數(shù)： 平均數(shù)對極值敏感而中位數(shù)不會。所以北京的同學(xué)們經(jīng)常會感覺自己的薪資收入拖慢了集體的后腿….但如果看中位數(shù)和四分位數(shù)，可能情況就會大不相同。
絕對值，比率值：注冊數(shù)是絕對值，注冊率是比率值。比率值出現(xiàn)異常時，需要首先關(guān)注分子和分母的情況。比如說，某天發(fā)現(xiàn)網(wǎng)站 UV 周同比上漲了 500%，有可能是上周基數(shù)太低導(dǎo)致的。如果一上來就從維度進行細(xì)分，很容易跑偏。
百分比，百分差，百分率：百分比是個常見的數(shù)據(jù)表達(dá)形式，其中貓膩也比較多。此類數(shù)字往往需要注意分母和分子的差別。以下是兩個常見例子：1，一件貨品先降價15%再漲15%價格是否一樣?2，對于百分差和百分率，稅率從3%漲到5%，可以說上漲了2個百分點，也可以說上漲了67%，給人感覺效果大不一樣。
指數(shù)型數(shù)據(jù)：即通過各項數(shù)據(jù)計算得出來的指數(shù)，優(yōu)點在于將所有信息濃縮成一個數(shù)字，簡單易懂，但容易忽略其中成分?jǐn)?shù)據(jù)的影響。美團外賣當(dāng)初有個很復(fù)雜的考核城市用戶體驗的指標(biāo)，就是個很好的例子。通過多項數(shù)據(jù)的整合，我們很好地把用戶體驗這種比較虛的東西落到了實處。不過需要注意的是，對它的過分依賴容易帶來誤導(dǎo)性的結(jié)論。
坑二：統(tǒng)計背景不夠明確首先要了解：精確和準(zhǔn)確是有本質(zhì)差別的。如在你內(nèi)急的時候我告訴你公廁在你右邊直走134.12m處，這很精確。不過實際上，廁所在左邊。準(zhǔn)確的要義是要能讓指標(biāo)貼近所描述事物。
這需要在衡量事物的指標(biāo)上達(dá)成統(tǒng)一。如在之前 20011 年時有爭論：美國制造業(yè)是否正在衰退?從總體產(chǎn)出上看，從 2000 年來看一直在增長，而制造業(yè)的就業(yè)數(shù)卻在下降。因此需要統(tǒng)一指標(biāo)來表述制造業(yè)的繁榮情況。
就像電商一樣，需要明確自己當(dāng)前關(guān)注的唯一核心指標(biāo)，如訂單數(shù)，交易額等。不同的關(guān)注會導(dǎo)致公司戰(zhàn)略上的不同。
第三確定指標(biāo)后，需要確定描述主體。同樣是房價，政府說我們今年有60%的城市，房均價比去年低!你們買房有希望了!但實際上，40%的房子都漲價了，且都集中在核心城市。P 民們照樣買不起房子..
注意時代背景：《赤裸裸的統(tǒng)計學(xué)》中舉了個很有趣的例子：如何評價歷史上票房最高的電影。好萊塢在截止2011年時，給出的票房前 5 名是：阿凡達(dá)，泰坦尼克號，蝙蝠俠前傳二，星球大戰(zhàn)四和怪物史萊克二。但歷史階段上，通脹情況是不一樣的。把通脹因素考慮進來后，這個榜單應(yīng)該更新為：亂世佳人，星球大戰(zhàn)四，音樂之聲，外星人 ET 和十誡。
利用統(tǒng)計學(xué)手段可以影響人們的解讀：截取有利時間段，混淆單位等。
坑三：統(tǒng)計指標(biāo)也有偏見在選擇樣本和進行統(tǒng)計分析時，會存在各種各樣的偏見，導(dǎo)致結(jié)果失之毫厘，謬以千里。
選擇性偏見：選擇了錯誤的樣本，得到的分析結(jié)論自然是錯的。如在第三季硅谷里，Richard 對自己的開發(fā)者朋友們發(fā)布了 Beta 版，好評如潮。但因為其上手難度太高，普通用戶根本用不了，最后注冊用戶雖有百萬之巨，但活躍用戶卻寥寥無幾。同樣的，在對電商用戶習(xí)慣做分析時，一二線城市和三四線城市的消費水平和習(xí)慣肯定有所差異，選擇單獨一種都會有失偏頗。
發(fā)表性偏見：學(xué)術(shù)研究或新聞更樂于發(fā)表肯定性結(jié)論而非否定性。一個打游戲不會引發(fā)癌癥的研究，肯定不如證明當(dāng) PM 會導(dǎo)致壽命更短的實驗更受關(guān)注。
記憶性偏見：人們會因為結(jié)果修改自己的記憶，如很多成功人士會在失敗后將原因歸咎于某個因素，并將其放大成關(guān)鍵原因。但事實上可能并非如此。
幸存者偏見：通過挑選樣本來操控數(shù)據(jù)。簡而言之，對于那些下單成功的用戶數(shù)來講，他們的注冊成功率是 100%。在日常分析中，需要時刻警惕這種偏見的變異版本。
坑四：慎重選擇統(tǒng)計實驗在研究事物的相關(guān)性時，控制變量實驗是個比較科學(xué)的做法。在現(xiàn)實生活中，一些變量很難甚至無法控制，此時便需通過各種統(tǒng)計實驗來逼近這種效果。
隨機控制實驗：隨機抽取樣本，隨機分配實驗組和對照組。這便是最理想的 A/B Test，核心在分桶策略。
自然實驗：利用已有數(shù)據(jù)營造近似的隨機實驗，如在 O2O 城市運營中，很難長期控制城市去做實驗要求的推廣活動來對比哪種更有效。合適的方法是從已有的數(shù)據(jù)中，挑選情況類似活動不同的城市來進行對比分析。
差分類差分實驗：利用時間和空間上的對比來控制變量，如美國曾經(jīng)在研究受教育年齡對壽命的影響實驗中，分析了田納西州在教育改革時間前后數(shù)據(jù)的變化，以及和相鄰州對比情況。
非連續(xù)分析實驗：選擇條件類似但結(jié)果不同的樣本，進行對比分析。如選擇一批犯罪情況類似的青少年，一組需要送去監(jiān)獄而另一組剛好免除牢獄之災(zāi)，通過對這兩組人的分析來研究坐牢對青少年后續(xù)犯罪率的影響。
《赤裸裸的統(tǒng)計學(xué)》中，還有部分關(guān)于概率，期望值和回歸分析的部分，限于篇幅所限，在這里就不多闡述了。感興趣的同學(xué)推薦詳細(xì)閱讀此書。更老的一本還有《統(tǒng)計數(shù)字會撒謊》。希望這篇分享能給大家?guī)硪稽c收獲。
作者：陳新濤 ?美團外賣首任數(shù)據(jù)產(chǎn)品經(jīng)理，如今在大數(shù)據(jù)公司 GrowingIO 任職。
本文來源于人人都是產(chǎn)品經(jīng)理合作媒體@36大數(shù)據(jù)，作者@陳新濤
Good