- 科技報導
文章專區
2021-02-18我剛工作就出醜，只因不懂統計學
470 期
Author 作者
Han
從一件糗事說起
話說，當年我剛畢業開始工作的時候，總覺得作為一名軟體工程師，只要做好程式設計工作就萬事大吉了。可是，我工作出的第一個大醜，卻不是因為程式設計技術不行，而是不懂統計學鬧出的笑話。下面，我就把這個故事分享給你。
那時，我剛剛畢業。進入矽谷工作兩個月後，我人生中第一個重大專案終於完成了。這天傍晚下班前，我們決定向全球發布這個新功能。新功能上線後，效果真的非常不錯，我們可以清晰地看到各項指標瘋狂上漲，短短幾個小時，就已經達到了我們對這個季度的業務預期。於是，我就開心得早早回家慶祝了。
第二天早上到公司，我發現，我們團隊辦公桌旁邊牆上掛的數據大螢幕居然壞了—因為數據太好，讓顯示系統崩潰了。我暗自笑笑，悠閒地去吃了個全套英式早餐，之後，優雅地邊喝茶邊發了內部捷報—新產品上線，12 小時打破歷史紀錄。
然後，就是各種人故意路過我的辦公桌，給我打招呼恭喜。畢竟，一個剛到職的畢業生，能在兩個月內能取得這樣的成績十分難得。很快，到下班時間了，當我即將歡快地唱起《難忘今宵》並闔上電腦離開的時候，突然，產品經理給我發訊息—「又是祝賀的消息吧？」我想，「哎，年少成名真的好煩。」——可我定睛一看，這是一個新建的工作群組，群組名稱是「事故調查」，我一下就懵了。
打開群聊一看：「Han，你的產品，出事了。」我的第一個反應就是：啥？不對，不可能，我不信！因為，我可是監測了一天回測數據，全都正常啊！我當然不可能就這樣接受這個消息，畢竟，捷報我都發了，現在有問題，真的是啪啪打臉啊！
但是，事實果然如此：客服部門收到大量用戶投訴，一大部分用戶的App 無法正常使用了。透過事故運行紀錄分析，確實是因為我寫的那部分程式碼出了問題。我只能緊急地把新產品下線，灰溜溜地低下了頭。這時，我再看同事的目光，隱隱覺得他們的眼神裡流露著嘲笑和諷刺。
哎，工作以後第一次炫耀，就這麼失敗了，以出醜告終。
出了事，就要調查原因。可是，我自己搞了好幾天都沒什麼進展。因為真的是，所有傳回來的數據都表示，用戶沒有任何異常呀！這幾乎是一個悖論：數據顯示沒問題，但是用戶就是會投訴有問題。肯定是哪裡出錯了。
直到有一天我去公司的咖啡廳，和同事Tommy 閒聊。他問起我的近況，我就說了這件事。之後，Tommy語重心長地跟我說：「Han，你聽說過倖存者偏差（survivorship bias）嗎？」
倖存者偏差
Tommy跟我說，在第二次世界大戰的時候，英國空軍為了減少傷亡，分析了所有飛回來的戰鬥機的中彈統計，如下圖所示。
（原始圖片來源：維基百科Survivorship bias條目，作者：McGeddon）
人們發現，安全回來的戰鬥機，都是機翼上彈痕多，而機頭和機身的彈痕分布都不明顯。因此，大家普遍都覺得，為了加固飛機，應該重點關注機翼位置。這時，一個統計學教授亞伯拉罕．沃爾德（Abraham Wald）卻說，不對，最應該加強的部分，不應該是有很多彈痕的地方，而應該是機頭和機身。因為一旦機頭和機身中彈，整個飛機會損壞嚴重而被擊落，根本就沒有機會飛回來。
聽完之後，我靈光乍現，趕緊回去重新調查我的事故。最終發現，原來，只有對於那些沒問題的用戶，產品數據才會被成功傳回來，系統才有記錄。而對於那些App有問題的用戶，因為App會直接閃退，相關的數據回傳程式碼不會運行，因此我們後台根本沒有得到任何回傳數據！其實，它們就是那些被提前擊落的戰機啊！所以，這才造成了後端檢測數據一切正常的假象。
「倖存者偏差」是一個典型的統計學「統計偏差」概念，也是一個可以在生活中廣泛應用的原理，也可以被理解成「沉默的大多數」理論。其實質就是，在進行統計分析的時候，人們忽略了樣本的隨機性和全面性而造成了錯誤。因為人們只對部分人做了分析，從而得出了錯誤的結論。而在真實生活和工作中，往往就是因為一部分人沒有發聲，或者不能發聲，從而讓倖存者偏差更容易產生，我們一定要多多注意。
例如「讀書無用論」經常充斥在我們耳邊。經常有人會說「讀書有什麼用，你看誰誰誰，連小學都沒畢業，不還是成功了。」其實，絕大部分失敗者因為並沒有被媒體報導，而自己又沒有能力發聲被公眾注意，就等於被迫選擇了沉默，最終大眾並沒有辦法知道。如果能夠得到完整數據，並且計算確切的比例，我們可以發現，那些獲得高學歷的人，其實成功的機率更大。
還有，「飛機太不安全了，一天天總出事故」也是錯的。飛機是目前人類發明的最安全的交通工具，只不過是因為大部分空難都會被報導，讓你知道了，所以你覺得飛機出事的機率很高。而其他的如汽車等交通工具的事故，大多數並沒有被報導，因此就有了誤解。
另外，身邊還會經常出現這種現象：一部電影在影評網站上得分很差，可是周圍朋友對其評價還不錯。其實這同上面說的是一樣的道理。因為覺得電影「還能看得過去」的人，並不會在影評網站發表評論，反而是那些覺得電影很差的人，會怒氣沖沖地到網站上打上很低的分數。
再比如，「愛笑的女生運氣都不會差」，其實，運氣差的話根本笑不出來。還有，「為什麼爸媽不挑食」，因為他們在買菜的時候，都已經挑過了。
應用實戰
倖存者偏差在互聯網工作中應用非常廣泛。那麼怎麼避免倖存者偏差呢？首先，你的腦海中要時刻記著這個概念，千萬不要輕易地掉進統計偏差的陷阱。如果你是一位設計師或者產品經理，經常在產品後台收到用戶對一些功能提出的改進建議。那麼，你要不要立刻就聽他們的呢？其實，那些對產品滿意的用戶，都已經選擇了沉默。這時，你就要看看，這些「沉默的」人，是不是大多數了。你只需看看實際的整體用戶數據，計算一下，到底有多少比例的用戶在抱怨，你很快就會有答案。 再比如，你是一名新媒體小編，經營著一個臉書粉絲專頁。有時候，對於閱讀量還不錯的文章，卻發現收到了一些負面評價。這時，你可能會有點失望。我在寫我的原創公眾號「涵的硅谷成長筆記」時，一開始也常會有這個困擾。但後來我發現，文章閱讀量高，本來就已經說明有很多人認可你的觀點並且轉發了，那些寥寥無幾的負面評價，真的只是少數，不能代表全部讀者的行為。你應該讓自己的目光，多多注意到那些喜愛你的人身上。
在我們涉及那些要對「很多人」進行統計分析的時候，想想統計的樣本是不是「完全」且沒有「偏差」，是不是有某些樣本不能或者很難進入統計。只有做到這樣，我們才能有效避免偏差對工作帶來的影響。
除了倖存者偏差，下面再介紹其他三個常見的統計偏差案例。
其他常見統計偏差案例
回憶偏差（recall bias）
它是指人們對於自己過去的評價，會因當前狀況的不同而產生變化。
例如兩個當年英語成績都是100分的孩子，多年以後，一個出國留學了，另一個在國內發展。他們對自己小的時候的英語能力評判，往往是不一致的。那個出國留學的孩子，很可能印象中自己的英語從小就很好；而另一個在國內發展的孩子，很可能認為自己從小英語就不好。可事實是兩個人小時候英語分數都很高。
查爾斯．惠倫（Charles Wheelan）在他的書《聰明學統計的13又1/2堂課》（Naked statistics）中，介紹了一個很著名的實驗。1993年，一名哈佛大學的研究者進行了一項實驗。有兩組婦女，一組患有乳腺癌，而另一組健康。通過調查發現，患有乳腺癌的婦女，相比健康婦女，在她們年輕時有顯著的高脂肪飲食習慣。
但是，這其實並不是一項醫療研究，而是統計偏差實驗。
研究者早在多年前，就已經對兩組婦女的所有人進行了飲食習慣的記錄。而那時，她們均身體健康，而且她們的飲食習慣其實都很清淡。但是，多年以後，當一部分婦女遺憾地患病以後，她們對早年的自身行為居然有了偏差。她們會把當前身體患病的一部分原因，歸結於年輕時吃飯過於油膩。可見，患病不僅改變了這些婦女的現在、未來，甚至還改變了她們腦海中對於過去的記憶。
健康者偏差（healthy user bias）
它是指選擇的實驗受試者本身的行為，對實驗結果影響更大。
來看一個著名的「紫色睡衣」實驗。
有這樣一個統計結果：98%的哈佛畢業生，在他們小時候都穿過紫色睡衣。而在麻省監獄的犯人，只有3%的人在小時候穿過紫色睡衣。於是，人們得出結論：小時候穿紫色睡衣對個人發展十分重要，國家因此強制要求所有人在小時候穿紫色睡衣。
這科學嗎？顯然不。
紫色睡衣不重要，讓孩子穿上這些睡衣的父母和家庭才重要——他們往往是經濟條件和教育資源更好的家庭。正如《紐約時報》（The New York Times）健康專欄作家蓋瑞．陶布斯（Gary Taubes）解釋的那樣：「簡單地說，按醫囑服藥或吃他們認為有益健康的食物的人，跟那些不這樣做的人，有著根本上的不同。」
發表機會偏差（publication bias）
媒體界流傳一句話：「好事不出門，壞事傳千里」。
通常，一個公司或者名人的負面新聞，一定比正面消息傳播得更廣泛。因為人們喜歡八卦，更有人「唯恐天下不亂」。久而久之，為了流量，很多媒體就會偏向於發表負面內容，而對那些正向的或常規的新聞報導視而不見。
這樣，就造成了資訊傳播本身的偏誤。例如，你是一名科學家，做了一項統計調查，最終發現：小時候去網咖，對青少年近視其實沒有太大影響。那這篇報導就很有可能無法刊登，因為和「網咖對青少年有害」這樣的普遍負面認知不符。如果你切換幾個取樣對象，其實容易改變統計結論，變成「去網咖，會有很大機率造成青少年近視」就好了，再配上一個「網咖，正摧毀中國億萬青少年」的標題，那麼這篇報導的閱讀量一定會超過10萬。
所以，因為發表偏差，公眾日常接受的很多報導，尤其是負面報導，幾乎都不能代表某個個體或者企業的全部真實資訊，我們應當盡量保持理智和客觀的態度對待公關事件。
互聯網行業競爭激烈，重視盈利模式的科學性與可行性，永遠都那麼多采多姿、煙硝瀰漫。不管是蓬勃
發展的順風期，還是調整重組的逆風期，總有很多可愛的人物與有趣的案例讓人津津樂道。
作者Han從矽谷一流企業的實習生做起，後來成為獨當一面的頂尖軟體工程師。多年的實戰經驗讓他領
悟——互聯網企業面對的市場挑戰，任何其他類型的企業都要面對；互聯網從業者所需的涵養素質，任
何其他類型的職位都要具備。然而，有很多知識，在互聯網行業非常重要，但在學校從來不教。
《矽谷思維》從五個思維模式介紹矽谷的領先祕訣，拆解網路科技企業產品與營運，用平易近人的筆觸
描繪矽谷的成功地圖，用豐富有趣的案例講解內涵深奧的概念方法。
．產品思維：從人的本質心態出發，打造方向正確的產品
．數據思維：正確地對待數據資源，從而利用數據帶出產品的優化
．創業思維：理解矽谷創業氛圍，在失敗、週期、目標等概念中找到感覺
．增長思維：突破界限、解放頭腦，用更博大的胸懷迎接明天
．成長思維：自我激勵、完美溝通、提升效率、合理休息，為成長蓄力
網路時代，不論你從事哪一行、位於哪個職場位置，充足的知識儲備和溝通技巧已是入門基礎，更高的
格局和眼光，才是進階的必要條件。幸好，格局和眼光是可以培養的。
本書用一種對待用戶的心態對待每一位讀者，深入淺出理解互聯網邏輯背後的內容，不僅是科技產業人
士可以借鑑的思路，也為各行各業的你我，提供源源不絕的營養和動力！
書 名∣《矽谷思維：矽谷頂尖工程師實戰經驗總結，五大模式訓練邏輯
思考，職場技能提升＋競爭力開外掛！》
作 者｜ Han
出版社｜寶鼎出版
出版日｜ 2021 年2 月4 日