如何像数据科学家一样思考

正文

请到「今天看啥」查看全文

4. 关注正确的指标

• 谨防虚荣指标。

首先，活跃用户本身并没有带来多大信息。我宁愿说“活跃用户中增加了 5% 的妈妈用户”而不是说“ 活跃用户 增加了 10000 人”。这就是虚荣指标，因为活跃用户总是会增加的。我更愿意关注那些活跃的用户百分比，从而了解产品的情况。

• 试着找出与商业目标相关的衡量标准。

例如，一个月的平均销售量或用户数量。

5. 统计数据也可能说谎

对每件事都要持怀疑态度。过去，统计数据在广告、工作和其他许多营销场合时常常会作假。有时为了获得业绩、升职，人们愿意做任何事情。

比如，你真的相信高露洁声称的有 80% 的牙医推荐他们的牙膏吗?

这些数据一开始看起来还不错。 事实证明， 在采访牙医的时，他们会推荐好几个，而不仅仅是一个品牌。因此，其他品牌也可能像高露洁一样受欢迎。

另一个例子，99% 的正确率并没什么用。如果让我构建一个癌症预测模型，我可以在一行代码中给你一个 99% 准确的模型。怎么做?只要每一个都预测“没有癌症”即可。 因为癌症还是一种较为罕见的疾病，这么看来 我的正确率可能会高于 99% 。即便如此我也一无所获。

6. 理解概率的原理

1913 年夏天的某天，在摩纳哥的一家赌场，赌客们惊讶地目睹了赌盘的筛子连续 26 次都落在黑色区域。因为落在红色和黑色区域的概率正好对半，所以他们就确信总要轮到红色了。赌场在这天赚翻了。这就是 一个 赌徒谬论的完美例子，也就是蒙特卡罗谬论。

这同样也发生在现实生活中。人们倾向于避免连续相同的答案。有时为了得到看似更公平或更有可能的决策而牺牲判断的准确性。

例如，如果一个招生负责人已经通过了三份简历，那么下一份简历很可能被拒绝，即使该生能力出众。

7. 相关性不等于因果关系

数据科学家需要看清事物的本质。 仅仅因为两个变量相继发生改变并不一定意味着两者是因果关系。

过去有过这样的例子，比如: 通过消防局的数据，你似乎可以就此推断，随着更多的消防员到达火灾现场，造成的损失就越大。

请到「今天看啥」查看全文