1700433437
表7-2 赛季中棒球的平均击球率
1700433438
1700433439
1700433440
1700433441
1700433442
答案是……这也许会让你感到惊讶：我们不知道谁拥有最好的总体平均击球率！因为在表7.2中没有足够的信息推测出所有5个赛季中谁的平均击球率更高。
1700433443
1700433444
这怎么可能？如果我们知道在每个赛季中，乔和汤姆有相同数量的击球数，那么答案就像看起来的那样简单，乔将是赢家。但是假如他们的击球数不同呢？在乔和汤姆都有各自最好的平均击球率的赛季，假如乔受伤了几个月，只有很少的击球数，结果又如何呢？类似地，如果汤姆受伤，在本赛季中有最低的击球率，因此乔有更多的击球数，结果又如何呢？即使汤姆每个赛季的击球率都较低，整体上他也可以有比乔更高的击球率！这可能不常见，但这完全有可能出现。
1700433445
1700433446
永远不要走捷径
1700433447
1700433448
当你只知道故事的一部分，你得到的结论可能是完全错误的。所以永远不要采取简单的分析就认定结果是确实可信的，还坚持没必要进行任何形式的统计显著性测试。因此，要始终确保你拥有所需的全部数据，在得出结论之前，还要对这些数据做各种测试。
1700433449
1700433450
不知道击球数，就不可能确定总体上谁做得更好。看一下表7-3的示例，汤姆是如何在5年的整体评估中成为赢家的。在这项总体评估中，基于t检验，汤姆和乔在击球平均数方面的区别没有足够的统计显著性。所以，我们发现实际上是汤姆赢了乔，而表面上看起来是乔击败了汤姆。请注意，这个结论并不是那么简单的，虽然汤姆赢了，但是他的领先优势并不显著。这些分析都与统计学相关，因此分析所得结论的差别也更加细微。
1700433451
1700433452
表7-3 平均击球率的总体比较
1700433453
1700433454
1700433455
1700433456
1700433457
*汤姆获胜，但领先的幅度并不显著。从统计学的角度看，汤姆和乔的成绩是相关联的。
1700433458
1700433459
大多数人会看表格7-2的数据，却不愿费心去深入思考这个问题，他们只能得到表面上显而易见的答案：乔有一个更好的整体平均击球率。请不要这么做，一定要确保你做了测试和验证。
1700433460
1700433461
最后一点和统计显著性相关的是，当人们通过统计试验，确定自己的结论有95％或99％的准确性时，大多数人会感到非常惬意，时刻谨记的是，你是正确的概率是95％，但仍然有5％的概率你会出错。这意味着，你每重复执行20次，都会出现1次错误。
1700433462
1700433463
要确保结论的准确性水平与相应决策的风险程度挂钩。例如，假设企业会因为这个错误的决定而彻底破产，那么95％的准确性水平可能是不够的，也许99.9％或更高的准确性才是你的目标。
1700433464
1700433465
假如大量重复，至少出现1次错误的概率就会变大。你必须准备好分析这些错误并从中进行学习。或者，你需要把统计显著性设置的非常非常高来保持非常非常低的风险。对新药的临床试验来说，准确性门槛就非常高，因为一个糟糕药品的影响非常巨大，甚至包括死亡。而一个公司决定在剩下时间里应该把图像A还是图像B放在某个网页的顶部，这个统计显著性的门槛就非常低了。
1700433466
1700433467
驾驭大数据 [:1700430629]
1700433468
7.6.2 业务重要程度
1700433469
1700433470
我们讲过了统计显著性的含义，以及获取完整数据并进行正确测试的必要性，因为没有人可以100％地肯定决定是正确的。这不是分析工作的结束，最后一步是评估统计显著性发现的业务重要程度。
1700433471
1700433472
让我们假设统计建立在分析的基础上。这里还有一项同等重要甚至更加重要的工作，即提出正确的问题。这项统计分析的结果很好，但是这对于业务来说重要吗？业务人员是如何利用对统计分析结果并采取相应措施的呢？我们发现了一个影响因素，但是它造成了足够大的、有意义的影响吗？
1700433473
1700433474
请务必将分析结果放到业务环境下进行最终的验证分析。可能你有99％的信心，将某次促销方案的客户响应率至少提升10％，这很棒！但是如果这个促销方案的成本是原来方案的2倍怎么办？在这种情况下，取得额外10％的响应率不能够弥补额外的成本支出。在这个场景下，回报率的高低并不重要，至少从业务的角度来说是如此。
1700433475
1700433476
从一个更宏观的角度来看待统计显著性。哪些成本与前面提到的业务建议相关？在一段时间内这个建议可以带来多少收入？这个方案是否与公司的长远战略保持一致？是否有足够的人员和时间来实施这项方案？统计显著性是非常重要的，但只有与业务关注点结合起来，它才会变得有价值。
1700433477
1700433478
一个出色的分析能带来价值，而不是干扰
1700433479
1700433480
理解统计显著性和业务重要程度的差异与关联是非常重要的，尤其是在这个数据泛滥的时代。分析专家们会从海量数据中发现有趣信息。当数字反常时，他们会说：“哇，真奇妙！”但不要忘记去确定它的业务重要程度。分析工作的一个组成部分就是确认分析的发现是否成立，以及是否具有业务相关性与可行性。否则，这项分析没有任何价值。
1700433481
1700433482
驾驭大数据 [:1700430630]
1700433483
7.7 样本VS全体
1700433484
1700433485
通常来说，抽取样本进行分析是惯例，关键在于能否获得足够多的样本数据来分析手头这个问题。当有大量数据时，获取足够的样本并不难。今天的系统都具有足够的可扩展性，直接针对全体数据进行分析也是可行的，抽取10％的样本顾客进行分析便不再是必需的，因为我们可以直接分析全体客户。在某些领域，比如临床试验，目前大多还是小样本数据，这一直是个问题，而这些领域是一些特例。然而，大多数情况下，抽样仍然是分析计划的重要组成部分，因此必须确保抽样的正确性。
1700433486