增长模型下的数据体系运用（3）：认清误区，避免过度“数据”

之所以选择数据这个专题作为第一篇，是因为我深信数据是基础的基础，是谈一切方法论的依据和根基所在。尽管相信数据是必须的，但我们也常常掉在数据的“坑”里。下面列举一些在工作中我曾遇到过的数据使用上的问题和错误，供大家参考。

一、为了数据而数据

您是否有过这样的体会，面对着海量的报表数据，一阵眼晕，顿觉无处着眼，每个字节似乎都在“跳动”，仿佛身处迷雾之中？反正我有，并且常常有（今日头条改名“字节跳动”，我脑海中浮出来的居然是这样的报表）。

报表上海量的数据往往“看上去好像有用”，或者某一次被用到过，就上了周报、月报。随着时间的推移，数据越堆越多，渐渐成为一片汪洋大海。这事实上也许没什么帮助。

首先，这会消耗数据团队的人力或技术资源来生成这些数据，消耗读者的大量时间精力来阅读这样的数据，然后往往并没有相应的产出。

其次，更糟糕的是，这样的“汪洋大海”会使真正值得被注意的数据彻底淹没，并得不到关注。数据太多了，大家往往干脆都不看，不是吗？

数据是拿来用的，不用的就是无用数据。建议如下：

1. 根据会实际执行的具体动作而定制数据需求。

2. 定期回顾数据报表，哪些很久没有被使用了，可以定期清理去除。当然，存档性的基础数据越全越好，但也应尽量减少数据冗余，以减低数据一致性风险。

二、幸存者偏差

统计学家亚布拉罕.沃德在二战中受聘于美军一个研究小组，从归航的幸存战机机身上残留的弹痕，倒推出被击落的战机的“致命部位”，找到战机的薄弱环节。下图是他的统计图：

数据统计不会骗人，该图表明：应该在机翼和座舱前后加强防护能力。

然而，这结论真的对吗？请思考一分钟。

如前所述，以上的统计，主要是针对返航维修的战斗机所做的统计。而二战时期的战斗机，发动机和螺旋桨基本都在飞机的机头部位，我们应该可以想到，一旦飞机的心脏-机头被击中，根本没机会返航，直接成了残骸，而残骸往往也很难定位被击中部位。统计图中机头没有红点，很容易错误地结论机头不需要额外加强，而这样的错误，代价是惨重的。

这就是“幸存者偏差”。该现象指的是只能看到经过某种筛选而产生的结果，而没有意识到筛选的过程，因此忽略了被筛选掉的关键信息。

实际的工作中我们也常遇到此类问题，例如：侧重局部数据分析，而统计局部选取不甚合理，与整体状况有较大差异，从而得出错误结论。或者，某品类转化较好，就结论其更符合消费者需求，而其实只是该品类获得了大部分资源。

三、过度反应于数据小幅波动

有时对环比做统计，看到流量增减了3%，就花很多时间去做分析，却得不出有价值结论。

这世界唯一永恒不变的就是变化。要对数据波动合理性有一个判断，超出什么幅度才代表可能会引起业务后果的异常状况（可以参考统计学相关知识），设立合适的警戒阈值，只有超出了上下限才触发一次分析。这样可以有效节省数据团队资源，也可以让自己专注于正确的事情。

建立数据波动警戒阈值时，建议考虑如下两点：

1. 充分参考历史数据情况，观察每一次引发数据波动的值得关注的“事件”带来对波动幅度，用统计学对方法确定警戒阈值。

2. 充分考虑正常时令因素或社会因素引起的波动，把这个波动带进去作为正常状态的基线，基线基础上进一步的超阈值波动才值得进行分析。

四、忽略趋势性数据

与上面提到的“过度反应”情况相反，有时小幅的数据持续性变化（同向的增减），可能在揭示着背后的某些必然性因素。如果观察到趋势性现象（连续5个或7个同向点，基于数据对应的事情本身有多关键），哪怕幅度微小，也应当引起重视，触发分析。详细参见本系列第一篇文章相关内容。

五、数据扭曲

很多时候数据受到多种未被统计到的因素影响而产生偏差。例如，下图是某互联网公司分析订单与用户自然流失关系的折线图。

从上图不难看出，大致在4～6单之间流失率出现拐点，因品类而略有不同。于是，我们不难结论——第5单是留存的魔法数字。也就是说，如果用户下到第5单，留存会进入相对稳定的状态。于是，运营团队据此立项，通过每单补贴，或设定任务目标激励，推动用户从新客一路转化到5单。

大家先思考一下，这样做有什么问题？