数据科学在实践中常见的数据谎言

超过80%的牙医推荐高露洁，但这并不代表高露洁是唯一的选择，因为100%的牙医也推荐佳洁士，80%推荐Oral-B，说明数据呈现非唯一性选择。

1995年避孕药恐慌事件中，第三代口服避孕药使腿部或肺部潜在致命性静脉血栓栓塞（VTE）的风险增加了近一倍，但堕胎率在警告后反而上升，说明只看相对变化是片面的，要关注绝对值变化。

伦敦凶杀案数据对比纽约，只看绝对值或相对值没有意义，需结合具体情况分析。

法官决策与算法决策的对比：算法降低25%犯罪率，减少40%拘押率，但存在类似罗宾逊和约翰逊的案例，说明法官决策受多种因素影响，统计定罪需谨慎。

条件概率的应用：例如，被测定为阳性者，真实患病概率只有50%，说明概率计算需考虑前提条件。

辛普森悖论：趋势在分组数据中存在，但合并后可能消失或反转，例如西部航空延误率，需仔细斟酌分组权重。

幸存者偏差：只用“部分幸存者”的数据研究整体数据，可能导致误导，例如降落伞好评、基金涨幅、民国小学生作文等案例。

因果关系与相关性：相关性不一定是因果关系，例如啤酒容器与消费量的相关性，需避免因果谬论。

度小满无效数据分析案例：幸存者偏差导致对未建立联系用户结论片面，需结合用户行为分析流失原因。

如何避免无效数据分析：1. 基于新发现制定策略，并测算真实预测能力和收益增益；2. 分析相同特质人群数量，评估不进行负向操作的收益与风险。