要重视基础数据

写这篇短文是顺着《不存在什么团结牢美》讲的。我昨天说过，经常有人喜欢写一些看起来耸人听闻的数据。比如什么川普在黑人男性得票增长xxx%这类。这些数据，基本也是真的，定性你也不能说不对，但是实践中就经常误导你。

举个例子，北卡根据出口民调，黑人里川子的得票率大概是12%，上届是5%，那你说是上届的240%对不对？是对的。增长140%对不对？也是对的。但是你如果只强调240%和140%，就很容易误导人。

再比如川子横扫摇摆州是事实，普选票也赢了是事实，可是普选票得票50.5%你看几个人提过？哈子是惨败不假，但是普选票也超过48%。既然你们喜欢拿数据说明问题，当然不能不提这些数据。

我的经验是：要重视基础数据。对于所谓的高阶数据，要提高警惕。

经常看NBA的都知道，在某人带领下，如今流行各种数据刷子，高阶数据非常好看，但是如果你真的看球的话，你就有种感觉，就是这个人并没有数据体现的那么强。但要你说他菜，好像又总觉得依据不足，底气不够。

类似的还有足球，比如说吧，就有人喜欢在国家队的友谊赛还有对鱼腩的正式比赛重拳出击，一场刷n个进球。你说是不是A级赛事呢也是，但是大赛碰到狠角色就不太灵，软脚虾。可你看他什么总进球数啊，进球率啊都不错。

其实这是可以解释清楚的，那就是口径问题。

高阶数据相对于基础数据，是需要加工的。举个例子，最常见的数据是EFF(Efficiency：出场效率)，计算公式如下：

EFF = (PTS + TREB + AST + STL + BLK) - (FGA - FGM) - (FTA - FTM) - TO

这数据的意思是，实际上就是把五大数据：得分、篮板、助攻、抢断、盖帽全部相加，再剪掉投篮不进和罚球不进，最后减掉失误。五大传统数据是正项数值，而投篮不进、罚球不进和失误是负项数值。

那么这个数据名义上可以体现球员的出场贡献。但是这类数据bug太多。我举个例子，你投中一球，数据+2，这意味着你如果投中1个两分球，可以瞎投两次，数据才会归0。而对职业球员来说，命中率想低于33%还是很难的。那就意味着，一旦你进了一球你就非常有动机继续多出手，因为你多出手，EFF就更高。但显然你不该出手的时候强行出手，你的表现是差，而不是数据体现的好。

但口径怎么选，是谁选，你看见高阶数据时候一般是不知道的，也不会去细想的。那么就容易被误导了。

如果再往深处想，其实这些高阶数据，本质上类似于加定语。

啥意思呢？就是你只要定语加的足够多，你永远可以是对的。

比如你身高180+一个男的，身高肯定不错，但肯定不会算很高的。那么没关系，说你在你们小区是不是高的？肯定不是，小区人多呢。那说在你们楼道是不是最高的？难说。没事，可以说和你这个年龄，且在国企上班，且没有离婚的男的是不是最高的？那就是了。比你高的要么在民企上班，要么在国企但是离婚了，好容易有个国企上班没离婚的，比你大几岁，那这么算一定就是你最高么。

这不是说高阶数据就没有用。其实很早就有所谓的数据可视化概念，迎合了很多人觉得数据太复杂太杂乱，想直接看结论，至少直接看个图表的想法。但是这些年，这个领域进展一般，最重要的问题还是：你得先自己搞清楚，才能形成方法论，然后教给别人。

但问题是，鼓捣这些的人，真的搞得清楚这玩意吗？比如民调数据的解读，你就要懂政治，懂历史，懂地理，然后还得懂数学。你光懂数据处理，懂编程，是解读不好民调数据的。可是你如果懂政治历史，并不需要复杂的高阶数据，看一些基础数据，结合你固有的知识，就足够搞清楚问题了，不需要强行雕花。

所以我觉得，此路不通，要分析问题，直接多查证，多交叉比对，用基础数据就足够搞清楚了。如果你搞不清楚，也没关系，你就看见任何高阶数据就保持警惕就对了。

（完）

404文章获取：首先是去下面的自留地、酒馆找。一般来说同日会转载。如果也没了，是去下面的独立网站找。如都没有就不必强求，下次请早。请勿点菜！和正文无关的内容不要问我怎么看，看法就是你眼瞎。

个人网站：zlsdcg.com

（即“周老师的茶馆”的拼音）。直接把“zlsdcg.com”粘贴到浏览器地址栏即可。

微博（注意加v的才是真的）：

主号：周老师的茶馆

备用号：周老师的自留地

（请直接点击上面的小程序或者把下面网址复制到系统浏览器，或者直接在微博app搜索）

https://weibo.com/zhoulaoshidechaguan