大資料時代，資料分析成為最重要的事情。但是，如何正確地進行資料分析？如何才能不被隱藏的資料欺騙？以道御術，方為正途。本文整理歸納自百度資料分析專家，百度技術學院（BIT）講師，百萬美金大獎獲得者畢然老師的 《大資料分析的道與術》 ，幫你認清資料分析的常規錯誤！
1. 錯把關聯當因果
夏天雪糕銷量越好，游泳溺水的事件也越多，是不是雪糕中某種成分對人影響的後果呢？簡單的思考後就會發現，是因為氣溫越高，雪糕銷量會越高，同時溫度越高，去河裡游泳的孩子就越多，溺水事件也就越多，雪糕銷量和溺水是關聯關係，而並非因果關係。
上面的例子很簡單，也很容易被識破，但在實際的資料分析中，關聯和因果並不是那麼容易區分。再舉一例：
某廣告公司分析人員發現：每月廣告投入越高的使用者，越不容易流失，而廣告投入低的使用者群則很容易流失，從而得出結論：“高投入會降低客戶流失率，建議銷售引導客戶提高首月廣告投入，從而降低新客流失率”。而實際情況是，新客戶初期的投入常常都比較少，看廣告有了效果之後，才會逐步擴大廣告投放預算，投入高的客戶流失率低是因為認可廣告投放效果，而不是因為花的錢多。
關聯性很容易判斷，如何判斷是否是因果關係呢？因果符合下面的特徵：
- 兩個事件是關聯的，就是說總是同時出現
- 原因在前，結果在後
- 原因消除的話，結果也消除
因果關係需要設計相對嚴謹的對照來證明，更多的時候需要靠經驗來判斷，這時候更注意要謹慎下結論。
2. 不匹配的比較
例：美國與西班牙戰爭爆發後，不少美國人不願意參軍，坦誠是因為怕死，針對這種情況，美國軍方做了一份統計報告來勸說大家參軍：“可靠資料統計，美國海軍的死亡率是 0.9%，而同期紐約市民的死亡率是 1.6%”，潛臺詞非常明顯，如果懼怕死亡更應該參軍，因為在軍營中比呆在紐約更安全。
這個例子乍看起來很有道理，如果你仔細琢磨，就會發現其中的陰謀：比較的物件不一樣！如果仔細查閱，就會發現，美國海軍死亡名單基本都是健康的青年小夥，而紐約市民的死亡名單大多是老弱病殘，這兩份資料放在一起顯然不合適。
在做資料比較的時候，需要選取合適的比較物件，以便更準確地認知和發現結論，在資料分析中，一般選取的比較物件有以下幾類：
- 自身歷史 與歷史同期相比，比如去年同期或上個季度。
- 同行競品
- 合理預期 與之前產品發展的預期相比，比如：A 產品的研發，比預期收入提高 10%
- 同質對照組 A/B Test 結果的對比
3. 基於個案的認知
每當勸說朋友戒菸時，朋友總會拿出這個段子：
不抽菸不喝酒，63歲–林彪
不抽菸只喝酒，73歲–周恩來
只抽菸不喝酒，83歲–毛澤東
既抽菸又喝酒，93歲–鄧小平
吃喝嫖賭樣樣有，103歲–張學良
沒有任何壞習慣，一生做好事–23歲，雷鋒
無論抽不抽菸，一個人都可能在各個年齡下死亡，從巨集觀的統計上分析，抽菸的人的壽命平均比不抽菸的人小 5 歲，而上面舉出的個例，則無法說明問題。
4. 精挑細選的資料維度
例：一所藝術院校，男生校服只有褲子款式，而女生有褲子和裙子兩種款式，經統計得知 75% 的女生選擇裙子，25% 的女生選擇褲子，今天你進入校園，遠遠看到一個穿褲子的同學，他是男生的概率更高，還是女生的概率更高？
憑感覺得到的答案是男生概率高，因為所有的男生都穿褲子款式，而只有 25% 的女生選擇褲子款式。這個例子中忽略了一個重要的資料：男生和女生的人數。
如果告訴你，該學校共 1000 人， 900 人是女生，100 人是男生，結果是什麼？
女生選褲子的有 900*25% = 225 人
男生選褲子的有 100 人
很顯然，這種情況下，這個人是女性的概率更高。在普通人看來，往往會有男女各佔一半的經驗誤解。所以，在一些情況下，隱藏了部分資料就是說謊。
5. 過多腦補的推理
在一個冬日的晚上，產品流量出現下跌，經過一番分析，得出原因：天氣太冷，網民因為手冷而不願意上網，提前上床睡覺，所以流量下跌。
在一個冬日的晚上，產品流量出現上漲，經過一番分析，得出原因：天氣太冷，網民不願意出門，只好在家窩著上網，所以流量上漲。
該案例背後的資訊是：一個結果可能有多個原因可以解釋，“大忽悠”往往引導人們只去相信其中的一個，整個推理過程沒有對應的細節資料輔助。
6. 先入為主的偏見
先別往下看，這幅圖的內容是什麼？
你可能覺得這幅圖太過模糊和抽象，一時也看不出是什麼，如果告訴你說，這是一隻斑點狗，很多人就會恍然大悟，覺得確實是一隻斑點狗。這裡隱藏了一個重要的心理學理念：
你腦子裡想的是什麼，你就會去尋找什麼，你將會得到你期盼的結果
—— 勃朗寧
該理念有個通俗的說法是“人們只會看見他們願意看見的事情”。
在資料分析中，雖然很難不帶任何“先入為主”的觀點，但依然要追求追求客觀分析的態度，也要適時根據資料去觀察和反思，不斷修正自己的觀點。