在我們的工作、生活中，經常能接觸到各種各樣的資料、調查結果，這些資料和結果都是正确的嗎？哪些資料有誤導性？哪些資料有限定條件？哪些資料不可以比較？本次分享告訴大家如何解讀資料，如何看透資料的真相！
【案例一】樣本的代表性
1936年《青年文摘》對美國總統大選的結果進行預測，結果失敗，問題出在調查方法上（調查對象是其讀者，調查方法為電話調查）。1936年有能力購買電話和訂閱雜志的人并不能代表所有的選民，至少在經濟上，他們是一個極其特殊的群體，是有偏的，事實後來證明他們有許多人是共和黨的選民。但是如果調查選擇的樣本是代表性的，能代表全部選民那麼調查就能得到準确的預測結果。
l 蓋洛普為什麼預測美國大選的結果很準确？他們采用抽樣調查方法，在全國各州按比例選擇調查對象對總體有很強的代表性 。
【案例二】樣本量是否足夠？
我們來調查“喜歡大番茄的人多還是小番茄的人多”，究竟調查10個人、20個人還是100個人得出的結論是準确的呢？我們選擇多少個人作為調查對象，即需要多少個樣本量的決定因素有很多，總體的大小，總體内部的變異程度等等。總體的大小很容易了解，調查全市市民和調查一個班級哪個需要的樣本量大呢？顯然是前者。至于總體内部的變異程度，舉個例子，如果總體隻有100個人且這100個人差異不大，或許十幾個樣本就已經足夠了，但是如果這100個人每個人差異性都很大呢？是不是要選取更多的樣本才能更真實反映100個人的情況呢？
舉一個用研的例子：對于整個淘寶網買家的調研，基本上我們要保障1500的樣本量，而對于某一類目賣家的調研可能幾百就足夠了（比如機票等類目賣家較少）。
ps：抽樣經驗：1500以上的樣本量基本就能很好地代表總體，無論總體有多大。
【案例三】敏感、隐私話題
對于一些敏感、隐私的話題，被調查者對于你的提問可能不會反映最真實的情況。如果采納這些不真實的資訊，會使得調查結果不準确，比如圖中詢問“您更喜歡閱讀哪本雜志？”，可能有很多人明明更喜歡閱讀《東周刊》卻選擇《鳳凰周刊》，原因在于擔心選擇前者可能會被大家認為是一個喜歡偷窺隐私的人。是以對于敏感隐私的話題，不必面對面調查，可以采用集體填答問卷的形式或者電話調查的方式，并且說明我們的保密原則，結果就會好很多。另外有些隐私話題不用直接詢問，可以從不同角度确認這些資訊，例如詢問“每月您的消費支出水準”，我們可以通過詢問“購買哪些品牌的衣服”“經常去哪兒就餐”等問題從側面收集資料。
【案例四】平均數的陷阱
假設你是某個小型制造企業的3個合夥人之一，到了月底給企業的90個職工發了99000元，你和合夥人每人共獲得5500元的工資，最後還餘下21000元作為利潤可供你們3個合夥人平分。你會選擇哪一種表述公示呢？ 肯定是後者，因為顯得收入配置設定更公平，但其實每個人拿到的錢還是和前者一樣。是以需要特别注意這些平均數背後的真相。
l 國家統計局釋出《2009年國民經濟和社會發展統計公報》，其中稱“70個大中城市房屋銷售價格上漲1.5％”，數字公布之後，引起了代表委員和社會輿論的廣泛質疑。從數字看起來房價上漲很少，但為何與我們的感受不一緻，主要原因還是在于平均數，這一數字對房屋種類、地區、地段、樓層、朝向、時點等因素而差異較大的樣本進行綜合平均統計，過度消除了價格變化。
l 統計局公布1月cpi數字，因為春節假期央行再度加息，市場曾預期1月cpi必将再創新高，甚至有望接近6%數字，可實際數字4.9%卻讓人頗為意外。原因就是統計局cpi統計的新權重：居住類、醫療保健類、娛樂教育文化類價格權重上升，食品類權重下降。而食品類價格卻是百姓感受最明顯的一個名額，是以平均時權重差異也使得我們感受與數字之間産生差異。
【案例五】一樣的資料，不一樣的圖形
為了讓沒有直接接觸資料的人也能直覺地感受到其中的一些資訊，人們發明了各種各樣漂亮的統計圖表。但是就是“客觀”的圖表裡面也存在着各種各樣的陷阱。在制作統計圖表時，一個常用的欺騙手法便是改變統計圖形的坐标尺度，進而改變了整個圖形的增長趨勢或是陡峭程度。
天平兩側的圖是用同一組數字繪制的，隻是改變了縱坐标的刻度範圍，卻使得兩幅圖看起來具有完全不同的增長趨勢。
此圖反映了某年9月27日某時的黃金價格走勢。上面兩幅圖描述的是相同時間段的黃金價格走勢，顯然，左邊的金價急升更容易讓人産生激動的心情。即使标出了橫縱軸的刻度，這兩幅圖給普通人留下的第一印象也大不一樣。
【案例六】結論的使用範圍、限定條件
對于這一則廣告，從廣告詞來看，此感冒藥效果很好，但是在這裡我們需要問兩個問題：在人的喉嚨裡會不會發揮作用？這些細菌是感冒細菌嗎？顯然如果廣告詞沒有标明結論的限定條件，我們并不能就此認為此感冒藥到底有何效果。是以我們特别要關注有些結論的限定條件，并不是所有條件下結論都成立。
正是由于結論受到很多條件的限制，我們在調查中如果要得到較為穩定的結論，則需要探究一些較為穩定的現象。使用者的行為經常在發生變化，如果我們僅僅是關注使用者的行為，可能我們要不停地去做重複的調查，但是除了行為外，其實很多使用者需求層面的東西是比較穩定的，我們的調研也會重點關注這些方面，行為會變但是需求層面的東西會比較穩定，是以我們不會僅僅設計一些很操作層面的問題，拿酒店頻道舉例，我們不會隻提問“您為什麼在查詢之後預訂我們的酒店”，我們還會詢問“您經常去哪些管道預訂酒店”“您經常住哪一類型的酒店”等等，從各個方面去看使用者最内在的需求。
【案例七】口徑不同的數字不可比較
如果告訴圖中所示資訊，你肯定會認為美國海軍的死亡率低于紐約市民。但是大家想一下：美國海軍與紐約市民的年齡結構是一緻的嗎？海軍都是青壯年而紐約市民中很一部分是死亡率極高的老年人，這兩個人群的死亡率可以比較嗎？顯然是不行的。國家統計局公布2009年上半年，中國城鎮機關在崗職工平均工資為14638元，與上年同期相比增加了1674元，增長12.9%。有網民稱，統計資料與自己的收入不符。為何數字公布與網民感受不符呢？關鍵在于納入國家統計局口徑的不是所有勞動人口，而是城鎮國有機關、集體機關和股份合作、聯營、有限責任公司、股份有限公司、外資和港澳台商投資機關的員工，不包括私營機關、個體工商戶和靈活就業人員，而往往低收入人群廣泛存在于漏掉那部分人群中。是以在看到一個統計結論時一定要仔細辨清其統計口徑。
【案例八】真的是因果關系嗎？
如果給出全班所有成員的成績，又給出是否抽煙的情況，你發現抽煙的學生成績都比較差，你是否就能得出“抽煙導緻低分”的結論呢？抽煙與低分之間可能還有性格、家庭等各方面的因素。兩個變量一起變動隻能代表他們相關但不能代表他們是因果關系。
此圖給出了兩種很容易被我們誤解為a與b之間有因果關系的情況，雖然a與b同時變動，但是他們的變動都是由z引起的，而不是本身的因果關系，這樣的情況我們需要特别注意。
總結以上八個案例，特别提示大家注意以下問題：
□ 根據抽樣得出的結論一定要采用具有代表性的樣本
□ 在樣本量足夠時誤差才會較小，結論才會可靠
□ 對敏感隐私問題需要多方驗證
□ 看到平均數時首先問問是平均了什麼？
□ 同一種資料的不同展現方式帶來的陷阱
□ 大部分結論都有其限定條件和适用範圍
□ 口徑不一緻的資料不能拿來比較
□ 兩個數字同時變化并不能用于說明因果關系
如果在看到很多資料以及結論的時候想到了以上八個問題，并且在心中回答出以下四個問題：“研究方法科學嗎？”、“表達方式有誤嗎？”、“這些數字可以比較嗎？”、“結論有限定條件嗎？”，那麼恭喜大家練成了火眼金睛，不用害怕掉入任何數字的陷阱了！
<b></b>
<b>原文釋出時間為：2013-08-6</b>
<b>本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号</b>