数据分析会骗人吗？会，而且是花样翻新地骗

邹昕，互联网数据分析

会。

先定义“骗人”：给人提供错误的结果或给人带来误导。

数据来源、分析过程、人的因素都可能带来骗人的效果，比如上过一些基本的统计课的人可能第一节课上就会听到一句话，垃圾进垃圾出（garbage in, garbage out），通常来说形容的是数据来源质量不高，那么从数据中也很难得到有效的信号。从垃圾堆里找信号，很有可能就会把人带进坑里。

这里主要讲讲分析过程中可能遇到的情况，导致有意或者无意带来了“骗”人的后果。

1. 数据可视化骗人

俗话说一图值千言，数据可视化在数据分析中占有举足轻重的地位，而数据可视化也是“骗人”的重灾区。

1.1 更改的坐标轴

有时候是有意的（比如说需要强调自己的某一个看法），有时候是无意的（比如说 Excel 会自动调整）。

以下图为例，乍一看这球员 2013 年跟 2012 年投球速度差得也太多了，掉了一半多不止，这一年发生了什么惊天动地的事情。再仔细看，无非是从 77.5 降到了 75.3，差别小得很。当然做这张图的人还是有点节操的，虽然纵坐标轴弄得很奇葩，但至少把数据标出来了，字体也不算太小。

图片来源：https://blog.heapanalytics.com/wp-content/uploads/2014/04/misleading1_baseball.jpg

这一类的例子数不胜数，包括答主实际工作中也曾无意犯过这样的错误。

再来一波例子：

GDP 趋势图：

胜率对比：

图处来源：A Quick Guide to Spotting Graphics That Lie

1.2 累积分布图

看历年数据趋势的时候，很多时候是既可以看每年的单独分布，也可以看累积分布的，比如说销量、利润等等。有时候碰上今年的销量或者利润不如去年，如果看逐年销量或者利润，则很容易看到下降的趋势。若改成累积分布图，下降的趋势就很容易被抹去了。

比如说 iPhone 2016 年预计销量要比 2015 年低，像下图这样看每一年的话，一眼就看出来销量下降了。

图片来源：The end of the iPhone's amazing eight-year run

反之如果改成累积分布图呢，是不是好看多了？

1.3 颠倒黑白

虽然说同样的数据可以有不同的解读，可以有不同风格的分析方法，然而有一些基本的套路还是要遵守的，比如说饼图（pie chart）用百分比的时候加起来总和为 100%，纵轴往上为正，往下为负。

但是，偏偏有些人就喜欢玩新花样，比如说下面这张图，讲的是美国佛罗里达州通过城堡法之后的命案数。乍一看一个巨大的下降啊，再仔细看左边纵坐标的标识，0 居然在最上面，越往下居然是越大？简直就是坑爹嘛。

图片来源：http://www.businessinsider.com/gun-deaths-in-florida-increased-with-stand-your-ground-2014-2

除了这些数据可视化很容易带来骗人的效果以外，有时候一些简单的数据一不留神也会让人掉进坑里，比如说知乎上最近这个问题：

为什么我国人才流失如此严重？ - 社会 - 知乎

现排名第一的解读一针见血：因为算错了。

为什么我国人才流失如此严重？ - etesian 的回答 - 知乎

我在另外一个回答里提到了一些数据分析过程中常犯的错误，如果实际生活、工作中不小心犯一这些错误的话，也会带来“骗人”的效果。

数据分析中会常犯哪些错误，如何解决？ - 邹昕的回答 - 知乎

其中错把相关性当因果性在工作中比较容易避免，但是在实际生活中中招的机会就大多了，甚至连名校的学者都可能中招。2013 年，一项来自普林斯顿的研究通过对比 'MySpace' 关键词搜索量和 MySpace 的发展趋势的相关性，再联系以 'Facebook' 为关键词的搜索趋势，最后得出结论到 2015 - 2017 年之间，Facebook 将会失去至少 8 亿用户【1】。于是 Facebook 的数据科学家 Mike Develin 利用论文里的方法展开反击，半开玩笑半认真的得出结论，到 2021 年，普林斯顿将会一个学生都没有了。而更为恐怖的是，利用相同的研究方法，到 2060 年，地球的空气将不复存在【2】。原文链接附在本回答最后，考虑到需要翻墙，大致把思路在这里列一下。

首先来看 HPY 三个学校的 Page Likes （类似于页面订阅）的历史趋势。