位置:首页 > 解决方案 > 成功案例
成功案例
数据分析中的6个常规错误
发布时间:2017-01-04 点击:1274

文章来源:中国统计网

1. 错把关联当因果

夏天雪糕销量越好,游泳溺水的事件也越多,是不是雪糕中某种成分对人影响的后果呢?简单的思考后就会发现,是因为气温越高,雪糕销量会越高,同时温度越高,去河里游泳的孩子就越多,溺水事件也就越多,雪糕销量和溺水是关联关系,而并非因果关系。

上面的例子很简单,也很容易被识破,但在实际的数据分析中,关联和因果并不是那么容易区分。再举一例:

某广告公司分析人员发现:每月广告投入越高的用户,越不容易流失,而广告投入低的用户群则很容易流失,从而得出结论:“高投入会降低客户流失率,建议销售引导客户提高首月广告投入,从而降低新客流失率”。而实际情况是,新客户初期的投入常常都比较少,看广告有了效果之后,才会逐步扩大广告投放预算,投入高的客户流失率低是因为认可广告投放效果,而不是因为花的钱多。

关联性很容易判断,如何判断是否是因果关系呢?因果符合下面的特征:

1.两个事件是关联的,就是说总是同时出现

2.原因在前,结果在后

3.原因消除的话,结果也消除

因果关系需要设计相对严谨的对照来证明,更多的时候需要靠经验来判断,这时候更注意要谨慎下结论。

2. 不匹配的比较

例:美国与西班牙战争爆发后,不少美国人不愿意参军,坦诚是因为怕死,针对这种情况,美国军方做了一份统计报告来劝说大家参军:“可靠数据统计,美国海军的死亡率是 0.9%,而同期纽约市民的死亡率是 1.6%”,潜台词非常明显,如果惧怕死亡更应该参军,因为在军营中比呆在纽约更安全。

这个例子乍看起来很有道理,如果你仔细琢磨,就会发现其中的阴谋:比较的对象不一样!如果仔细查阅,就会发现,美国海军死亡名单基本都是健康的青年小伙,而纽约市民的死亡名单大多是老弱病残,这两份数据放在一起显然不合适。

在做数据比较的时候,需要选取合适的比较对象,以便更准确地认知和发现结论,在数据分析中,一般选取的比较对象有以下几类:

自身历史与历史同期相比,比如去年同期或上个季度。同行竞品合理预期与之前产品发展的预期相比,比如:A 产品的研发,比预期收入提高 10%同质对照组A/B Test 结果的对比。

3. 基于个案的认知

每当劝说朋友戒烟时,朋友总会拿出这个段子:

不抽烟不喝酒,63--林彪

不抽烟只喝酒,73--周恩来

只抽烟不喝酒,83--毛泽东

既抽烟又喝酒,93--邓小平

吃喝嫖赌样样有,103--张学良

没有任何坏习惯,一生做好事--23岁,雷锋

无论抽不抽烟,一个人都可能在各个年龄下死亡,从宏观的统计上分析,抽烟的人的寿命平均比不抽烟的人小 5 岁,而上面举出的个例,则无法说明

行业资讯
028-86283109
李经理
 发送短信