图灵汇官网

在开始改写之前，我们先来看一个实际案例：

一家公司希望了解其产品的用户画像，因此在产品包装上印上了自家小程序的二维码，并通过多种方式鼓励用户扫码（例如验证真伪、学习使用方法等）。一旦用户扫描二维码，公司便可以从后台获取他们的基本信息，例如下图所示是对用户年龄分布的统计结果。

现在问题来了：哪一年龄段的人群是该产品的典型用户？

关于这个问题，我听到了三种不同的答案。

第一种观点认为是30至39岁，理由是该年龄段的柱状图最高。

第二种观点认为是25至29岁，因为尽管其高度次于30至39岁，但年龄跨度仅为前者的一半，更具代表性。

第三种观点则认为18至29岁的用户都是典型用户，原因与第二种观点类似。

那么，究竟哪种答案更准确呢？

大多数人的选择可能是第二种或第三种。起初我也认同这样的看法，认为产品的目标用户是“年轻人”，即15至34岁的人群。

然而，这个结论令我感到惊讶。因为根据常识判断，产品的典型用户应该是年纪较大的中年人。该产品属于健康食品，主打“排毒”“减肥”“降三高”“治便秘”“抗酸”等功能，除了“减肥”外，其余功能更符合中年人的需求。

数据结果却与常识相悖，这时我们应该相信数据还是常识？

这是我在一个项目中遇到的问题，确实让我困惑了一段时间。一方面有人认为“数据不会撒谎”，另一方面又有人说“调研时常识更重要”。

直到我回忆起一个二战的故事，才让问题变得清晰起来。

二战的故事

在二战期间，盟军战斗机遭受重大损失，于是盟军总部召集了物理学家和数学家来研究如何减少损失。他们统计了所有成功返航飞机的中弹位置，发现机翼部分中弹较为密集，而机身和机尾的中弹较少。因此，普遍建议加强机翼部分的防护。

然而，统计学家沃德提出相反观点，他认为应该加强机身和机尾部分。他解释说，所有样本都是成功返航的飞机，正是因为机翼受到攻击，机身和机尾未受密集攻击，才使这些飞机得以返航。军方采纳了他的建议，结果证明这一决策非常正确。

这个故事说明了“幸存者偏差”的概念：数据仅反映幸存者的特征，而非整体情况。

幸存者偏差与用户画像

回到用户画像的例子，如果我们只依靠扫描过二维码的用户数据来判断产品用户特征，实际上忽略了那些使用了产品但未扫码的用户的数据。毕竟，并非所有用户都会扫码。

影响结果的因素有很多，比如不同年龄段的用户有不同的扫码习惯，扫码的用户未必是产品的真实用户，等等。因此，无法仅凭现有数据得出准确结论。

洞穴之喻

柏拉图在《理想国》中讲述了一个著名的比喻——“洞穴之喻”。设想有一个深洞，囚徒们只能看到洞壁上的影子，误以为影子是真实世界。数据就像洞壁上的影子，即便数据再精确，也无法全面反映真实世界。

相比之下，常识能从更多角度分析事物。大脑可以将看似无关的事物联系在一起，而这是数据难以实现的。

例如，迈克·亚当斯的研究发现，学生在考试前会编造“奶奶去世”的借口。这种现象用常识更容易解释，而用数据则显得复杂。

数据的局限性

数据真正的价值在于正确的解读。即使数据真实，如果解读不当，也可能导致错误结论。例如，胡润百富榜中的低学历富豪比例高，但并不能简单推断学历与收入无关。还需要考虑更多维度的数据，如年龄、行业等。

总结

本文并非否定数据的价值，而是强调要全面了解数据和信息。多了解一点，犯错的几率就会小一点。真正的科学发展需要认识到自己的不足，并不断探索。

数据虽有局限，但结合常识，可以帮助我们更好地理解现实。