大数据时代的数据分析陷阱

cmit

据说大数据时代寻找各类数据的相关性可以发现很多被忽略的问题
例如××的销售和客户的××有关等等，然后在各方面做工作，就可以获取利益
但数据分析得到的结果一定是把人引上正路的吗？

有人做了大量数据分析，得出一个结论
冰淇淋的销量和犯罪率有明显的正相关
冰淇淋销售的越多，犯罪率也就高
因此给出了建议，冰淇淋里面可能有某种物质，
会促使人犯罪……

这个数据分析结果应该是没有问题的
甚至不用很多的数据依靠常识都能想得到
结论确实是有问题的

但谁能保证每个分析都恰好有合适的常识在支撑着
避免各种错误呢

oliven

首先要确保样本选取的代表性，其次就是数据来源的可靠性，还要保证分析方法的正确性，在这些基础上结果的解释也要比较谨慎，滥用统计只会导致错误的决策。

同样的数据分析，可能在不同的超市或区域会有不同的分析结果，并不能代表全部情况，更不能由此将解释结论推及到全世界。

scdymy

数据是死的，人是活的
数据是表相，他所代表的意义，不是数据本身可以展示的

starrynight

在我看来，冰淇淋销售量增加，说明气温高，气温高人的脾气相对急躁，实际上可能是气温高造成的犯罪率上升。
统计里面很多数据都是相关的，但是不是因果关系就要仔细分析了，用数字说话，但不等于不用大脑。

cmit

引用第3楼starrynight于2014-02-10 10:04发表的 :
在我看来，冰淇淋销售量增加，说明气温高，气温高人的脾气相对急躁，实际上可能是气温高造成的犯罪率上升。
统计里面很多数据都是相关的，但是不是因果关系就要仔细分析了，用数字说话，但不等于不用大脑。

确实如此