哈喽大家好，我是可乐

周日参加了知乎的一个线下活动——快闪课堂
主题：数据会说谎吗？
主讲人：程毅南

为了避免遗忘，所以将内容整理并附带我自己的理解，和大家分享。

主要分享了如何收集到真实的用户数据并用好这些数据。

我们为什么需要数据

我们为什么需要数据，因为要决策，更准确地说，要科学、准确地决策，并解决实际问题。

什么是科学地搜集数据

世界客观存在，但需要人去发现和认知

在这个大数据时代，每时每刻都在产生大量的数据，如何从这么多数据里发现有效数据并进行科学地决策，是我们重点关注的问题。

数据是连接客观世界和主观认知的桥梁，但修桥是个技术活

数据客观地存在，人们对数据的解读各有千秋，就像一千个人的心中有一千个哈姆雷特一样，不同的人对同一份数据可能都会有不同的说法，后面会举例。

搜集数据有什么难处

获取数据不难，但是获取真实、有效的数据，确实没那么简单。比如：

人的想法和感受很难丈量

一个简单的情侣交流问题，就可以知道人的想法和感受是很难丈量的，请看下面例子：

小茗同学：我爱你
可乐：你有多爱我

为什么我爱你很难回答，因为

爱的程度无法用工具测量
用得分或数字表达，都极易失真，缺乏信度
爱的状态本身就不稳定，但是测量时的状态却很重要
爱的感受可以对比参照（前女友，你妈），但…
你可以用优美的情话来比喻，但这考验的就是语文能力，缺乏效度。

测量不准有什么问题

造成决策失误
举三个测量不准导致决策失误的栗子

感情被骗

比如上面的我爱你的案例，对小茗同学是否爱可乐这件事情如果测量不准，很可能导致可乐遭受严重的情感诈骗事件。

美国大选民调翻车

2016年特朗普当选，是美国民调的滑铁卢，2020年差点又翻车。

对开放二胎的决策

开放二胎后，人口增量显著低于预期，中国适龄人群的生育意愿到底怎样，依然是一个有挑战的问题。

对世界产生认知偏差

测量准确到底有多难

举3个比较难以获取真实数据的例子

美国大选民调

对于美国大选的预测，大家一直以来都津津乐道，2016年，民调预测希拉里会赢得大选，结果我们都知道却是特朗普上台，今年虽然整体上民调显示拜登的支持率较高，但在一些摇摆州的预测上还是打了脸。

所以把数据测量准确这件事情还是很难的。当然对于民调这种问题，结果不准确更多地可能还是取样的偏差？

如何了解某种难以启齿的行为的***率

如家庭暴力、偷窃、出轨等难以启齿的行为，如何了解它们的***率？

实际报案的、被警察抓获的、被他人发现的来这只是一小部分人，或者你可以说是幸存者偏差，到底有多少人有过类似的行为？

我们可能会想到通过以下方式来获取：

网络问卷调查。成本低，也无法核实用户身份，但也因此用户也就可以随意说谎
入户调查、街头拦访。也会撒谎，或者不好意思坦白
在居民家安装监控，排查所有转账数据。类似我们的数据埋点，可能效果好，但不现实。

这里程老师提供了另外一种获取思路：

抽一张牌，但不告诉我抽到的是什么？

问被访者：是否打过自己的伴侣
如果抽到黑桃，则可以随心回答
如果抽到除黑桃外的其他3种花色，则只能回答是

最后，将回答是的比例减去75%，再除以25%，即是较为真实的家暴行为***率。

因为这里，回答“是”，变成了大概率事件，且这种方法保持了面对面调查却仍然匿名的方式，结果就较为真实一些。

调查用户对微博产品的体验和感受

一个真实的案例，说是微博对用户的满意度问卷投放数个小时后，评分突然大幅下降，发生什么事儿了？

结果发现是饭圈水军，“我们给新浪微博打差评，让腾讯微博复活，给新浪点颜色看看”

这个案例可以帮助我们思考一个问题：

意想不到的数据出现，是有效还是无效？

如何做好测量

前面提到收集数据有那么多的困难，那么该如何科学有效地收集数据？

避免伪装

人是爱面子的，会伪装

调整问法，让他更自然地表达

比起直接问你支持谁，还不如问，你的邻居支持谁？

巧妙设计，让他明白真实答案没有后果

比如，刚刚提到的抽牌匿名法

官方身份，反正你们都知道，说谎没有意义

比如知乎问你最喜欢看哪些问题？普罗大众肯定觉得，你应该都知道的吧，不然每天给我推送的是啥？

避免从众

人性是容易服从、容易引导的，要避免从众压力

《是，首相》中奸臣做民调就体现了这一点。就“是否支持恢复兵役”的民调是可控制的。在下面一系列“是”的回答后，人们有很大的可能支持恢复兵役。

但换一种问法也是可以的

因此不同的问卷调查方法，可能会得到不同的结果，要避免给人从众的压力。

避免复杂

人性是懒惰的，调查请不要太麻烦

动辄几十道问卷调查题目真的很让人头疼。

包容

人性是千奇百怪的，要尽可能包容你所见到的现象

如何用好数据

幸存者偏差想必大家已经听过无数次了，不太了解的童鞋可以在这篇文章中看看。

数据分析中会常犯哪些错误，如何解决？

简单来说幸存者偏差就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。这个案例告诉我们用好数据多么的重要

一个问题

有什么方法能测量感情的健康程度

如何测量感情的健康程度？用下面的指标来衡量吗？

礼物个数
约会次数
陪伴时长
吵架次数
打架次数

还是那句话，不同的人心中有不同的评判标准，感情是特指男女还是包括父母亲情？什么是健康程度？感觉又回到了文章一开头收集数据有什么难处的问题，人的想法和感受本身就很难丈量，我们可以通过构建不同的用户画像来具体问题具体分析，主要目的是哪些指标能够帮助我们做决策。

所以大家也可以评论区聊聊，有什么方法能测量感情的健康程度

数据会说谎的真实例子有哪些