数据分析中会常犯哪些错误，如何解决？

这篇文章从数据分析的几个阶段，总结了14个我们可能会犯的一些错误，以及如何避免。

数据获取阶段

在数据采集/获取阶段，容易犯的错误：

NO.1 采样偏差

在数据采集的时候，如果不能获取到总体的数据，那就要采集到可以代表总体的样本，抽样就显得尤其重要，如果样本不具有代表性，那么得出的结论一定是有失偏颇的。

举个例子 ->
小红书的用户群体是年轻的女性用户为主，如果用这份数据去预测一部受众是青少年的电影票房，结果可能就不合理了。

避免的方法 ->
使样本能够充分代表总体。

NO.2 幸存者偏差

指的是只能看到经过某种筛选而产生的结果，忽略了被筛选掉的关键信息。

在二战期间，人们发现幸存的轰炸机中，机翼中弹的数量很多，而机身中弹的却很少。因此人们认为我们应该加固飞机的机翼，其实不然，就是因为机翼中弹多还能飞回来，所以机翼中弹并没有影响飞机返航；而机身中弹的少则说明了子弹打中机身对飞机的影响更大，导致飞机不能返航，在这个飞机问题中，只统计到了幸存下来的飞机，以此下结论，是不正确的。

举个例子 ->
在某产品开放日，邀请使用该产品的用户到现场给产品打分，结果用户满意度都很高，其实就是一个幸存者偏差的例子，愿意来现场打分的客户，基本上都是忠实客户了，得分自然就高。

避免的方法 ->
还是样本不具备代表性的问题，避免主观臆断，用科学的方法选择样本。

数据处理阶段

在数据处理阶段，容易犯的错误：

NO.3 不注意数据的清洗

行百里者半九十，都说做数据分析有80%的时间都是在处理数据，其实就在告诉我们数据处理是多么的重要，干净的数据源是一切工作的前提，不然一切都要从头开始。

NO.4 在原始数据上直接处理

尽量不要直接在原始数据上开始修改处理，最好拷贝一份，保留好原始数据。这样做的目的是避免后续处理时出现错误，无法返回到原始数据的情况。

举个例子 ->
在做异常值处理时，直接把异常值删除了，后面发现其实不是异常值，而是一个值得注意的小概率事件，这就麻烦了，还不如一开始就在原始数据的备份上进行操作。

避免的方法 ->
在拷贝的原始数据上处理

数据分析阶段

在数据分析阶段，容易犯的错误：

NO.5 只会工具，不会分析

各种数据分析工具Excel、SQL、Python、Power BI、Tableau运用的炉火纯青，但却没有一个分析的逻辑思维方法，没有深入地去分析现象背后的原因。通常要搞清楚分析的目的是什么，工具都是辅助。

避免的方法 ->
多学习和总结一些思维和方法，并能够成功地运用，掌握其要领。

NO.6 过于追求高级方法/工具

在分析时，崇尚所谓高级的、时尚的方法，而不从项目自身实际出发，找到适合项目的分析方法。同样，过分追求“高端”工具的使用，比如在数据量很少的情况下，非要用数据库/Python，但其实Excel就可以简单便宜地满足分析的需求。

避免的方法 ->
合适的才是最好的。

可视化阶段

在可视化阶段，容易犯的错误：

NO.7 不做图表

用文字来表达结果，肯定不如直接上图更显而易见。

避免的方法 ->
能用图表展示的结论就少用文字来描述

NO.8 误导性的图表

比不做图表更可怕的是做出具有误导性的图表。常见的比如把Y轴的刻度不从0开始计，这样得到的图形走势就显得差距非常大，给人造成一定程度上的视觉冲击，但实际上，差距并没有那么大。

举个例子 ->
下图中净利润的增长可以看到Q4增长幅度非常明显，但仔细一看可以发现，纵坐标是从13%开始的，如果把纵坐标调成0%开始，就会发现这个增长幅度其实并不明显。

纵坐标从13%开始
纵坐标从0开始

避免的方法 ->
保持客观的态度做图表，不要被心里预设的结论所左右，该是什么就是什么。

得出结论阶段

在得出结论时，容易犯的错误：

NO.9 主观臆断

完全抛弃数据，而是以自我经验或想法来给出结论。这样做数据分析就没有意义了，要保持客观的态度，不要总是“我觉得”，“我认为”，要以数据为依据。

避免的方法 ->
以数据为导向，保持一个数据人应用的科学客观的态度。

NO.10 数据偏见

在得出结论时，仅选择支持你声明的数据，丢弃不支持声明的部分。这就失去了客观性，是建立在数据上的主观臆断，一定要让数据反映出客观事实。

举个例子 ->
发现了啤酒和尿布的销量一样好，如果我只选择性地关注啤酒的销量，而忽视尿布，那就不会有购物篮分析了。

避免的方法 ->
客观，客观，还是客观的态度。

NO.11 相关性==因果性

我们经常说相关性不等于因果性，两个变量之间存在相关关系，并不意味着一个变量会影响另一个变量，也不意味着二者存在实际关系。

如果一个指标和另一个指标是一起变化的，说明它们是相关的，而如果是一个指标先变化从而导致了另一个指标的变化，才说明它们是有因果性的。

在数据分析时很容易将相关性判断为因果性，这是不对的。相关性已经很好了，但因果性更佳，很多时候，我们只能发现相关性，但应永不停止寻找因果性。因为发现相关性可以帮助我们预测未来，而发现因果性意外着可以改变未来。

NO.12 唯数据论

由数据分析得到的结果不具备可行性，完全不考虑常识和业务需求，数据脱离了业务，也是常犯的错误。

避免的方法 ->
多了解业务，多沟通，不要一味搞技术。

其他

NO.13 先预设一个结果，再倒推原因

依据经验常识先预设了一个结果，再从结果出发，为结果找原因，这
也是一种主观臆断，颠倒了数据分析的逻辑，我们应当是先分析，再结果，现在变成了先结果，再为结果找一个说辞。

避免的方法 ->
可以有假设，但假设不能等同于结论，大胆假设，小心求证。

NO.14 忽视黑天鹅事件

在发现澳大利亚的黑天鹅之前，17世纪之前的欧洲人认为天鹅都是白色的。但随着第一只黑天鹅的出现，这个不可动摇的观念崩溃了。

黑天鹅的存在寓意着不可预测的重大稀有事件，它在意料之外，却又改变着一切。人类总是过度相信经验，而不知道一只黑天鹅的出现就足以颠覆一切。

2008年美国次贷危机爆发就是一个典型的黑天鹅事件，大家用通用的风险价值模型预测投资风险，结论是美国商业银行放贷业务崩溃发生的概率只有不到1%，结果我们都知道了，这种不到1%的小概率事件居然发生了。