简介
- 作者：Noah，Basecamp数据分析师，文章涉及商业智能、 A/B测试等领域
- 时间：2015年3月6日
- 原文：Reproducible research isn't just for academia
- 翻译：梅晨斐，校验：曾樑
摘要
我在Basecamp的同事发现了一个特别能激怒我的方法。需要做的很简单，随便在Campfire上发布一条一眼看上去就很难被相信的消息。例如：全美排名前10的酒鬼平均每人每天要喝掉10瓶酒。
拥有漂亮数据可视化形态的信息越来越受到欢迎，即使里面具体的数据没有明确的来源和具体的方法论说明。自从我开始进行人口统计数据的研究开始，关于人口统计数据调查方面的数据来源就变得非常难以获取和相信。
这个领域非常好玩，但是也存在着非常多的实际问题。许多的数据，根本没有经过严格地推敲，就被写入了新闻数据报道当中。当然这个行业中也有一些公司在数据准确性方面做的非常好，例如FiveThirtyEight发布的数据就事先经过严格的审核，而且数据公开透明。但是整个行业的审核水平非常低。在没有任何方法论的条件下，采用假冒的数据生成漂亮的可视化图表并且发布出来，整个流程变得越来越容易。而且似乎没有人质疑这些数据是否是准确的。
很多年前在学术界，关于数据准确性就已经有了非常多的争论。**核心点在于：“研究数据的可靠性，需要能够被重复体现和验证。“ **自从1665年开始，人们在发布一些数据和文章之前，就开始引入同行评审的概念。但是同行评审仍然没有完全解决行业存在的问题。现在，人们仍然在逐渐寻求一些改进：训练数据，保险数据被逐渐引入。
在一些公开发表的文章和数据中找到错误，并不是一件很难的事情。真正困难的是，即使是身处这个行业的我们，有时也难免会同流合污。大部分私营企业内部的数据分析师，是从不进行同行评审的。他们发布的数据也没有足够多的用户，去替他们进行数据和方法论的检查。
我自己在进行数据分析的时候，也不能够完全做到数据和方法论完全的透明。
我在不断努力保证数据的可信度，特别是针对在Basecamp内部分享的内容。我在整个研究准备和发布的过程中，尽量保证数据和方法论的公开和透明。并且在引用一些数据的时候，尽量保证经过同行评审。虽然我的同事都非常相信我做出的结果和数据，但是我要做的是保证产出数据的准确性，从而保证准确的数据能够对我们产品的决策产生影响。做一个好的数据分析师，就是要保持透明和可被重复验证。
当然，要做到透明和可被重复验证是非常辛苦的一条道路。但是我确信这是一条正确的道路，不管是对数据分析师本身，还是对消费数据的用户而言。
网友评论