<button id="mgycy"></button>
  • <tbody id="mgycy"><pre id="mgycy"></pre></tbody>
  • <th id="mgycy"></th>
  • <th id="mgycy"></th>
    <th id="mgycy"></th>
    <span id="mgycy"></span>

    <tbody id="mgycy"></tbody>
    <tbody id="mgycy"></tbody>
    1. 設為首頁 | 收藏本站

      咨詢電話:151 1798 8098   服務郵箱:service@zxway.cn    投訴建議:vincent@zxway.cn 

      您當前位置: 首頁 > 新聞頻道 > 大數據是怎樣給你洗腦的?
      大數據是怎樣給你洗腦的?
      發布人:zxway發布時間:2018/7/20 5:56:00

      正文開始之前,請大家先看一個案例:

      一家公司希望了解自家產品的用戶畫像,于是他們在產品包裝上印上自家小程序的二維碼,然后想辦法促使用戶去掃碼(比如掃碼查真偽、掃碼學習食用方法等)。一旦用戶掃描二維碼,公司就能從后臺了解他們的基本信息,比如下圖就是對用戶年齡分布的統計結果:


      (PS,出于保密需要,這里暫且放一張P過的圖來示意)

      現在請問:哪個年齡段的人才是該產品的典型用戶?

      ▌對于這個問題,我一共聽到過三種答案。

      第一種認為是30—39歲。如果你問他為什么,很顯然,因為那部分柱子最高...

      第二種認為是25—29歲。因為雖然它高度只是第二,但它的年齡跨度只有5歲,僅僅是30—39歲跨度的一半。

      第三種則認為18—29歲都是,道理跟第二條類似,不再多解釋。

      那么,究竟哪種答案才更加正確呢?

      我估計大部分人都會選第二種或者第三種吧?

      最開始我也是這樣解讀的,認為該產品的典型用戶就是“年輕人”。(若按照國家統計局的標準,也就是15—34歲的人)

      不過說實話,這個結論還真挺讓我驚訝。因為若根據我的常識來判斷的話,它的典型用戶應該是年紀稍大點的中年人才對。

      該產品屬于健康食品,主打“排毒”“減肥”“降三高”“治便秘”“抗酸”的功效(你先別笑它賣點太多不夠聚焦,又不是走電視廣告的路子),而這些功能屬性,除“減肥”以外,我相信不少人都會跟我一樣——若用常識來判斷,它們應該更偏向中年人。

      然而,數據結果卻與常識判斷相互矛盾...這時候,你到底該相信數據還是相信常識呢?

      這是我最近在一個項目中遇到的一個問題,這個問題也的確讓我糾結了一段時間。因為一方面有人說“數據是不會撒謊的”,而另一方面又有人說“做調研,常識才更加重要”...

      不過,當我想起以前看到過的一段故事之后,問題就變得相對明朗了。

      — 1 —

      二戰的故事

      在二戰期間,盟軍的戰斗機在戰斗中損失慘重,于是盟軍總部秘密召集了一批物理學家、數學家來專門研究“如何減少空軍被擊落的概率”。

      當時軍方統計了所有返航飛機的中彈位置,發現機翼部分中彈比較密集,而機身和機尾的中彈比較稀疏,因此當時普遍的建議便是:應加強機翼部分的防護。

      然而,統計學家沃德卻提出了一個完全相反的觀點,他認為應加強機身和機尾部分。

      沃德教授說:“所有的樣本都是成功返航的飛機,也就是可能正是因為機翼遭到攻擊,機身和機尾沒有遭到密集的攻擊,所以才使得這些飛機能夠成功返航?!?/span>

      后來又經過一系列有力的論證后,軍方果真采用了他的建議。事后也證明這的確是無比正確的決策,有效降低了空軍被擊落的概率。


      這個故事講的就是所謂的「幸存者偏差」(Survivorship bias)

      幸存者偏差是指:當取得資訊的渠道僅來自于幸存者時,此資訊可能會存在與實際情況不同的偏差。(因為死人不會說話)

      那它跟之前用戶畫像的例子有什么關系呢?

      關系很大。

      雖然數據是不會撒謊的,但它只能展示出有數據(幸存者)的那部分信息,而無法展示沒有數據(陣亡者)的那部分信息,它是片面的。

      翻譯到之前那個案例:如果僅憑掃過碼的用戶數據來判斷產品的用戶特征,其實是忽略了那些使用了產品但沒有掃碼的用戶的數據。畢竟,不是所有用了產品的人都一定會掃碼。

      ▌而這里有很多可能的因素會影響結果,比如:

      1)不同年齡段的人擁有不同的掃碼習慣——可能年輕人更愿意掃碼,而中、老年人大部分都沒有掃碼習慣。

      2)掃碼的人不一定是產品的用戶——也許是年輕人買了該產品送給長輩,然后自己去掃了碼。

      3)說服人們掃碼的文案也會有影響——假如你說“掃碼享優惠”,那最終掃碼的可能就更偏向于那些“精打細算”的用戶,而不是所有用戶。

      ▌總之,永遠不可能得到完整的數據樣本。

      因此,回到文章最開始的問題——哪個年齡段的人才是該產品的典型用戶?

      準確的答案應該是:無法僅通過該數據就得出結論。

      是的,到目前為止,我依然更偏向于相信常識——認為中年人才是它的典型用戶。(估摸著至少也是30歲以上)

      — 2 —

      洞穴之喻

      柏拉圖曾在《理想國》的第七篇中,講了一個著名的比喻——洞穴之喻(Allegory of the Cave)

      設想有個很深的洞穴,洞里有一些囚徒,他們生來就被鎖鏈束縛在洞穴之中,他們背向洞口,頭不能轉動,眼睛只能看著洞壁。

      在他們后面砌有一道矮墻,墻和洞口之間燃燒著一堆火,一些人舉著各種器物沿著墻往來走動,如同木偶戲的屏風。當人們扛著各種器具走過墻后的小道,火光便把那些器物的影像投射到面前的洞壁上。

      由于這些影像是洞中囚徒們唯一能見的事物,他們便以為這些影像就是這個世界真實的事物。


      在現實生活中,數據就像該比喻中印在壁洞上的影像——它試圖利用低維的事物,去給人們描繪一個高維的東西。如果將洞壁的影像進行數據化處理,哪怕技術再先進,收集的數據再多,都難以讓洞穴人感知到一個真實的世界,因為他們看到的世界都被“降維處理”了。

      ▌而另一方面,常識又是什么?

      不可否認的是:常識跟數據一樣,都是片面的。并且每個人的常識都不盡相同,質量參差不齊。

      不過這里想說的重點是:相比于數據,常識能從更多得多的角度去分析一個事物。

      因為人類的大腦很奇妙,它能把很多看似無關的事物聯系在一起。而這一點,是任何計算機都很難以數據的形式做到的。

      舉個最簡單的例子:人們可通過觀察“一根筷子折得斷,十根筷子折不斷”的現象,悟出一個與之毫不相關的道理——團結就是力量。而同一個現象如果交給計算機去處理,那最后的結果就肯定只能與“材料”“扭矩”和“力度”等相關...


      再比如邁克·亞當斯曾做過的一項研究,他發現:美國大學生期中考試臨近時,奶奶去世的可能性是平時的10倍,而期末考試時是平時的19倍。(數據來自各高校收到的請假郵件和推遲交論文的申請)

      若單看數據,你也許會認為學生的學術壓力會對奶奶的健康造成影響(的確有科學家對此做過研究...);但若用常識去思考,那就很簡單了——為躲避考試,學生們編造了“奶奶去世”的請假借口。

      這就是常識與數據的區別——常識是多維的,數據是單維的。

      — 3 —

      數據不騙人,但它會坑人

      數據真正的價值并不在于其統計或計算結果,而在于人們能對其做出正確的解讀。不過這很困難,尤其當你面對的是殘缺的數據。

      ▌就像我以前舉過的一個例子:

      據《2017社會大學英雄榜》顯示,國內登上胡潤百富榜的2000多位資產超二十億的富豪中,有一半的人都是低學歷。(PS,低學歷是指本科以下的學歷)

      ▌請問:從這條新聞中你能讀出什么結論?

      我想肯定有很多人會認為:學歷的高低跟收入的確沒什么關系。

      然而,這種解讀是錯的。

      正確的解讀方式是什么呢?

      應該是:中國在2016年末大約有13.8億人口,其中本科及以上的只有3800萬,本科以下則有13.42億——低學歷的人本來就比高學歷的人多得多(35倍),而它們進入榜單的人數基本相同。因此,擁有高學歷的人進入百富榜的概率,是低學歷的35倍。

      在這個例子中,所有的數據都是真實的。但如果你只看到一部分數據,而沒有看到其他數據,那就很容易被數據給坑了,得出錯誤的結論。

      當然,要想得出更加準確的結論,這里還需挖掘更多的數據。比如:

      富豪們的年齡分布。畢竟不同年齡段人群的學歷分布是不一樣的;

      所屬行業的分布。畢竟不同行業對學歷的要求與相關程度是不一樣的;

      在這些富豪中,高學歷的收入與低學歷的收入的總體對比情況...

      嗯,如果你不是專門學統計的,相信在加入這么多因素之后,一定會崩潰掉...不過你也不用慌,因為大部分情況下,你根本就沒有機會能知道這么詳盡的數據。

      包括以數據著稱的新零售。為什么大部分新零售項目仍然在虧錢?其實就是因為它們的規模還沒有達到一定的量,數據的維度依然比較單一,“算”出來的東西依然不夠精準,所以效率的提升也就很有限了。

      — 4 —

      小結

      文章讀到這里,你也許會在心里嘀咕:小云兄你寫這篇文章,是不是想告訴我們數據是沒有用的呢?如果數據的結果都不夠準確,那什么才是準確的呢?

      首先,這里并不是說數據沒有用,即使它是片面的。

      所謂的要客觀看問題,并不是指你一定要掌握了所有數據之后才能下定論,而是要在下定論之前,盡量多方面了解一些數據和信息,無論它們本身多片面。

      多了解一點,犯錯的幾率就會小一點,多看到一面,你離客觀的真相就更接近一點,這就是進步。

      千萬不要試圖一下子解決所有的問題,或者以為一下子就得到準確的答案,因為這本身就是一種錯誤的價值觀,或者說癡人說夢。(所以你也不用糾結“什么才是準確的”了,根本就不存在)

      知道自己還有不知道的,并在問題中不斷前進,這才是真正科學發展的思想。

      相反的,如果僅憑單方面數據就武斷得出結論,并且篤定得不行,那無論數據樣本有多大,你的結論和真實情況都很可能是天差地別的。

      云計算服務
      短視頻服務
      客服熱線:service@zxway.cn

      版權所有@ 2014-2039  知心偉業 

      備案號:京ICP備14046347號 知心偉業
      黄沙武士在线观看-黄沙武士高清完整在线观看深爱五月天激情色五月色人阁婷婷