數(shù)據(jù)是有角度的，你的角度對不對？

數(shù)據(jù)是人類的發(fā)明。人類定義了他們想要測量的現(xiàn)象，設(shè)計系統(tǒng)收集數(shù)據(jù)，在分析之前進(jìn)行清理和預(yù)處理，最后選擇如何解釋結(jié)果。即使使用相同的數(shù)據(jù)集，兩個人也可以得出截然不同的結(jié)論。這是因為數(shù)據(jù)本身并不是“地面真實”——能夠反應(yīng)客觀現(xiàn)實的、可觀察的、可證明的數(shù)據(jù)。

你如何概念化一個現(xiàn)象，確定要測量什么，并決定如何測量，將影響你收集的數(shù)據(jù)。你利用AI解決問題的能力很大程度上取決于你如何表述你的問題，以及你是否能建立無歧義的“地面真實”。如果你的標(biāo)準(zhǔn)本身是錯誤的，那么結(jié)果不僅是錯誤的，而且可能對你的業(yè)務(wù)有害。

除非你直接參與定義和監(jiān)視原始的數(shù)據(jù)收集目標(biāo)、工具和策略，否則你可能無法掌握那些能幫你發(fā)現(xiàn)錯誤處理、解釋和使用這些數(shù)據(jù)的關(guān)鍵知識。大多數(shù)被我們成為“數(shù)據(jù)”的東西可能是些僅僅是用來支持某種議程的測量、與事實無關(guān)的信息集合、或者來自看起來合理、但是帶有偏見的收集工作。

下面是一個關(guān)于九個常見統(tǒng)計錯誤的速成班，每個管理者都應(yīng)該熟悉：

1、不明確的目標(biāo)

未能確定收集數(shù)據(jù)的原因，意味著你將錯過闡明假設(shè)和確定收集內(nèi)容的機會。結(jié)果是你可能會收集錯誤的數(shù)據(jù)或不完整的數(shù)據(jù)。

大數(shù)據(jù)的一個共同趨勢是企業(yè)收集大量信息而不了解他們?yōu)槭裁葱枰约八麄內(nèi)绾问褂盟?。收集龐大而混亂的數(shù)據(jù)量只會阻礙你未來的分析，因為你將不得不通過更多的垃圾來尋找你真正想要的東西。

2、定義錯誤

假設(shè)你想知道你的客戶上個季度花了多少錢在你的服務(wù)上。即使是這樣一個簡單的目標(biāo)也需要在你得到你想要的信息之前定義一些假設(shè)。

首先，你如何定義“顧客”？取決于你的目標(biāo)，你可能不想把每個人都放到一個桶里。您可能希望通過購買行為細(xì)分客戶，以便相應(yīng)地調(diào)整營銷動作或產(chǎn)品特性。如果是這樣的話，那么你需要確保你包含了關(guān)于客戶的有用信息，例如人口信息或支出歷史。

還有一些戰(zhàn)術(shù)上的考慮，比如你如何定義宿舍。你會使用財政季度或日歷季度嗎？許多組織的財政年度與日歷年不符。財政年度也在國際上有所不同，澳大利亞的財政年度從7月1日開始，印度的財政年度從4月1日開始。你還需要制定一個策略來解釋回報或交換。如果顧客在第一季度買了你的產(chǎn)品，但又把它退回去了呢？如果他們對你提出了質(zhì)量投訴并得到退款怎么辦？你把這個事件歸到哪個季度？所以定義不是那么簡單。你將需要討論你的期望，并設(shè)置適當(dāng)?shù)膮?shù)，以收集你真正想要的信息。

3、捕獲錯誤

一旦確定了希望收集的數(shù)據(jù)類型，就需要設(shè)計一種機制來捕獲它。這里的錯誤可能導(dǎo)致捕獲不正確的或偶然的、有偏見的數(shù)據(jù)。例如，如果你想測試產(chǎn)品A是否比B產(chǎn)品更吸引人，但你總是在你的網(wǎng)站上顯示產(chǎn)品A，那么用戶可能不會頻繁地看到或購買B產(chǎn)品，從而導(dǎo)致你得出錯誤的結(jié)論。

4、測量誤差

當(dāng)你捕獲數(shù)據(jù)的軟件或硬件出錯時，或無法捕獲可用數(shù)據(jù)或產(chǎn)生虛假數(shù)據(jù)時，就會出現(xiàn)測量錯誤。例如，使用日志與服務(wù)器不同步，則可能丟失移動應(yīng)用程序上的用戶行為信息。同樣，如果你使用像麥克風(fēng)這樣的硬件傳感器，你的錄音可能會捕捉到背景噪音或其他電信號的干擾。

5、加工誤差

許多企業(yè)擁有幾十年前的數(shù)據(jù)，原來能夠解釋數(shù)據(jù)決策的團(tuán)隊早已不在了。他們的許多假設(shè)和問題很可能沒有文檔化，這將取決于你推斷，這可能是一項艱巨的任務(wù)。

你的團(tuán)隊可能會做出與原始數(shù)據(jù)收集過程中不同的假設(shè)，并得出截然不同的結(jié)果。常見的錯誤包括缺少一個特定的過濾器，使用不同的會計標(biāo)準(zhǔn)，并簡單地犯方法錯誤。

6、覆蓋誤差

覆蓋誤差指，目標(biāo)受訪者都沒有足夠的機會參與數(shù)據(jù)調(diào)查的情況。例如，如果你正在收集老年人的數(shù)據(jù)，但只提供網(wǎng)站調(diào)查，那么你可能會錯過許多答卷人。

你的營銷團(tuán)隊可能有興趣預(yù)測所有移動智能手機用戶的行為與未來的產(chǎn)品的關(guān)系。然而，如果您只提供iOS應(yīng)用程序而不是Android應(yīng)用程序，iOS用戶數(shù)據(jù)將使你對Android用戶的行為有有限的了解。

7、抽樣誤差

當(dāng)你分析一個較小的樣本時，就會發(fā)生抽樣誤差。當(dāng)數(shù)據(jù)只存在于某個群體中時，這是不可避免的。結(jié)論：你得出的代表性樣本可能不適用于整體。

8、推理錯誤

當(dāng)統(tǒng)計和機器學(xué)習(xí)模型從已有數(shù)據(jù)中做出不準(zhǔn)確的判斷后，它們之后的推理結(jié)果也可能是錯誤的。如果你有一個非常干凈的“地面真實”數(shù)據(jù)庫，那么就可以用它去檢測數(shù)據(jù)模型得出的推理是否正確，但實際上，大多數(shù)數(shù)據(jù)庫是充滿噪音的，所以你通常很難確定AI推論的錯誤點在哪里。

9、未知錯誤

現(xiàn)實是難以捉摸的，你不能總是輕易地建立事實。在許多情況下，比如使用數(shù)字產(chǎn)品，你可以捕獲大量用戶在平臺上的行為數(shù)據(jù)，而不是他們對這些行為的動機。你可能知道一個用戶點擊了一個廣告，但你不知道他們對它有多惱火。除了已知的許多類型的錯誤之外，還有一些未知，它們在以數(shù)據(jù)代表的現(xiàn)實和現(xiàn)實本身之間留下了一個缺口。

沒有數(shù)據(jù)科學(xué)或機器學(xué)習(xí)背景的管理人員通常會犯這九大錯誤，但許多更微妙的問題也會阻礙AI系統(tǒng)的性能。

原文來自：9 common mistakes executives make with data

譯者：孟小白，36氪作者

譯文地址：http://36kr.com/p/5120078.html

題圖來自 Pixabay，基于 CC0 協(xié)議