数据|是如何坑人的？

编辑导语：随着大数据时代的不断升级，数据在我们的生活工作中显得尤为重要，其实在很早之前人类就用数据来进行记录，随着社会的发展，网络时代更需要数据的记录以及支撑。本篇文章中作者从三方面详细的讲述了关于数据的“坑”，一起来看一下吧。

文章插图
开篇直接看案例：现有两个广告素材A和B，要测一下它们谁更能吸引用户转化，评比的指标是转化率。（转化率=转化数/曝光数）
为保证实验公平，它们都设置了相同的预算额度，并且都在中午12点开始投放，然后到了晚上12点同时关闭。
这样跑了半天，两组广告也都基本花完了预算，结果发现：

A一共曝光6500次，转化了70个用户，转化率是1.077%；
B一共曝光6200次，也转化70个用户，转化率是1.129%；

看到结果后，广告投放师小李就认为：B素材的转化率更高。
这时，营销总监老王却说：到目前为止，我更愿意相信A要高一些。
小李一脸懵逼，问：为啥啊？
老王嘬了一口星巴克，解释道：即使是相同的广告，在不同的时段也会有不同的转化率。一般来说，下午的转化率是低于晚上的，因为大部分人白天都有事情，不太容易被转化，而到了晚上，大家都有空了，所以更容易被转化。
小李又问：你说的对，但跟这次投放实验有啥关系呢？
老王继续说：我刚从后台看了素材的来量情况——A素材下午转化50个，曝光5000次，晚上转化20个，曝光1500次；B素材下午转化20个，曝光2200次，晚上转化50个，曝光4000次。
其实不管是下午还是晚上，A的转化率都是更高的。而你之所以认为B更高，主要是因为B在晚上才跑出了量——它捏的“软柿子”比较多，你就误以为它更厉害…

文章插图
看到这里，可能你还有点懵：是啊，如果拆开来看，确实A更高，但合并看总数的话，又是B更高…
那这到底该怎么看呢？
一、坑1：辛普森悖论上文的现象，就是典型的“辛普森悖论”(Simpson’s Paradox)——在某个条件下的两组数据，分别讨论时都会满足某种性质，可一旦合并考虑，却可能导致相反的结论。
这也是在其他领域的工作中经常会遇到，并且经常会坑人的一个现象。
几乎每一家公司，上司都会让下属把业务层面的各种数据进行汇总，然后呈报给自己，并自以为了解了“总体”的情况。
不过，谷歌的一位数据大牛曾说过：“汇总的数据往往就是一坨屎，没有任何意义。”
为什么这样说？
抛开专业的数学分析，如果用最通俗的语言来解释，我认为就是：20头猪就是20头猪，50颗树就是50颗树，但如果你硬要把它们加起来（20+50=70），这个70是毫无意义的——它能代表什么呢？什么都代表不了。

文章插图
汇总的数据，除了象征性的汇报工作，往往并无其他意义。为什么说是“象征性”的？
因为如果汇报工作是为了指导决策，那很可能就把人带进了坑里。
就像上文广告素材的案例，如果营销总监想偷懒，只看最后的结果，那他很可能就误判了广告素材的优劣。更严重的，甚至会导致后续投放的素材都沿着“坏素材”的方向去优化。
还好他有一定数据分析的基础，避免了这个坑。
所以在真实的情况中，如果一定要就此盖棺定论，确实是A要高一些。（当然更科学的做法是继续实验，并通过加大预算/严控时段，来减少偶然性，以及不同性质的数据占比的差距）