真实的谎言(一)

数据陷阱，你中招了吗？真实的谎言（一）大数据时代下，人们更愿意用数据去说明一些问题。然而，你知道吗？这些数据也会“说谎”。这个“谎言”，并不是说数据是假的，这个数据是真实的，每一个事实也都是真的，但是在不知不觉中，你已经落入了它的陷阱，成功地被它欺骗了。让我们一起看看下面的“数据陷阱”，你有没有中招~如果你生病了，医生给了你两个治疗方案：A治疗方案的痊愈率是69%，B治疗方案的痊愈率是64%，你会选择哪一个？当然是A治疗方案。不好意思，你选错了。看一看下面这张表，你可能就明白了。虽然治疗方案B的整体痊愈率要低于治疗方案A，但是无论是病情比较轻，还是病情比较严重，痊愈率都比A要高！这是某公司的招聘数据：大家从表格上可以看到，如果只看整体的录取率，那么男性的录取率是20%，女性的录取率是18%。根据数据我们会轻易得出结论--在招聘时该公司歧视女性。但是，如果把上面的数据按照职位拆分，再来看看招聘情况呢？整体上看确实是有性别歧视的存在，但是分开各个岗位来看，女性比男性的录取率还要高！所以你看，数据是真实的，然而你却被它欺骗了！数据资料仿佛天然拥有最神奇的化妆技巧，只要略施粉黛，就会得以巧妙的伪装。数据陷阱：辛普森悖论这是统计学中一个经典的悖论--辛普森悖论。1951年，英国著名统计学家E.H.辛普森提出了一个统计学现象：在某个条件下的，分组分别讨论和整体合并讨论，会得出两个截然相反的结论。出现这种现象的原因在于：总体和部分在结构上有很大的差异性。这也是我们经常看到的单因素和多因素关系的原因。比如，你是一家集团公司的总裁，在北京和上海均有业务，你要根据市场占有率情况进行重大的战略调整。两地的市场占有率如下表。所以，你会判断上海市场的业务要优于北京市场的，对么？此时，只考虑了地区的差异，把所有的数据看成了整体，看似确实是上海市场的业务优于北京市场。但如果考虑多因素分析，根据各项业务实际占有率，你会惊奇地发现：产品M的市场占有率，北京（49.33%）高于上海（47.13%），产品N的市场占有率，北京（40.4%）也同样高于上海（40%）。例如市场占有率的案例，仔细观察北京上海的两组数据，你会发现，两个地区的业务构成比重是有所差异的。当考虑的情况太少（如把地区看作整体）就可能发生“辛普森悖论”，而多因素分析考虑了多种情况（如根据业务因素进行分组分析），就成功跳过了陷阱。★在数据分析中，多多利用大数据，进行多因素分析。若要进行相关测算，应该考虑适当的权重。分析云可以帮助企业进行多因素分析，避免企业在做决策时做出错误的判断。就如上述第二个案例，是否男女性别差异是导致了录取结果的差异呢？这种情况，需要通过相关性分析进行进一步判断，不能轻易将统计中的偶然重合当作因果关系下结论。★在分组或多因素分析时，进行相关性分析，避免将统计中的偶然重合当做因果关系。这么一看，算术变成了魔术，数字变的有了魔力。所以，我们要练就火眼金睛，不要被“真实的谎言”所蒙骗，陷入早已布好的陷阱中。数钥分析云，助力企业数字化转型升级！