数据分析与统计陷阱

数据分析的基本方法在于统计。基本的内容一方面在于设计统计指标体系，反映业务本质，及业务各环节间关系。同时，要反省指标结果是否可信，体系建设是否合理。
进一步发现数据中的规律，从而确定业务模型。建模之后的优化，决策（机器学习等方法的后续运用）才能有效展开。

做好数据分析的关键在于去了解一线业务，跟进一线情况，切忌理所当然的“数据空想”。只有熟悉业务，才可能对数据中内涵的价值予以判断，并提供建议。核心的活动是基于业务理解的思考与对数据的推断。

使用常规统计指标的指标体系建设，全在对业务的合理描述，各种度量的选择，要结合经验灵活搭配，不多赘述。

在数据分析中，统计指标会有很多陷阱，需要注意提防。常见的统计陷阱有：

• 对相关系数的误解
  即相关性不等同于因果性。
• 平均数的误导
  要结合数据分布，来判断平均数是否能反映总体的一般状况。注意“被平均”的现象。
• 图形的误导
  绘图师，表轴的粒度大小，对图形的结果缩放有影响。选择适当的轴度量对于直观展示数据情况很重要。
• 缺少比较或不匹配
  很多问题如果确实了对照组，就毫无意义。尤其对与评估策略效果的问题，选定恰当合理的对比项目是必要的。
• 抽样带来的偏性，使数据缺乏真实性
  抽样方法的不恰当对样本造成了怎样的偏性？这些偏性对结论有什么影响？
  在统计理论中，试验设计是重要的部分。
• 样本不充分
  样本需足以反映总体。
• 混淆的推断
  最普通的表现是把看上去非常相似，但完全不同的事物混淆在一起，得到了似是而非的结论。
• 辛普森悖论
  一种常见的统计矛盾，在某条件下的两组数据，分别讨论时，均满足某种性质，但合并数据厚，则导致相反的性质。