1702627430
1702627431
南丁格尔以统计结果为依据，向军方领导以及政治家施压，“如果不想因为战争让更多士兵和人民失去生命，就必须保证在战场上配备干净整洁的医院”。也许这就是“统计”的力量之一。
1702627432
1702627433
但是，统计学从南丁格尔的时代到现在已经飞速发展了100多年。南丁格尔的统计结果，虽然大致上能够证明死亡原因，可是对于配备干净整洁的医院后是否能够减少战死者的数量，以及配备医院花费的成本能够拯救多少生命等问题，却与之前提到的那两个例子一样，无法做出回答。
1702627434
1702627435
要想回答这些问题，就必须使用20世纪先进的现代统计学方法。
1702627436
1702627437
利用大数据技术将所有的数据进行单纯统计，只不过是将最新技术应用在两个世纪前的方法而已。这种行为无异于拿最新型的智能手机当作锤子砸核桃。
1702627438
1702627439
看穿一切数字的统计学 [:1702626737]
1702627440
09 单纯收集数据会得出“禁食米饭”的荒谬结论
1702627441
1702627442
1702627443
1702627444
促销活动中漏洞百出的图表
1702627445
1702627446
上一节中提到，对于统计分析中的3个问题，即
1702627447
1702627448
问题1 做出何种改变能够增加利益？
1702627449
1702627450
问题2 是否能够做出这种改变？
1702627451
1702627452
问题3 如果能够做出这种改变，那么带来的利益是否大于所消耗的成本？
1702627453
1702627454
必须全部回答。
1702627455
1702627456
当然根据情况的不同，仅凭统计分析的结果可能无法回答全部的3个问题，对于通过数据无论如何都难以做出判断的部分，就只能凭借经验和直觉了。
1702627457
1702627458
与无法完全搞清楚的统计分析相比，从一开始就凭借经验和直觉来作决定反而更好。
1702627459
1702627460
比如说，我以前遇到过一位市场营销员，他给我看了一份如图3–3所示的“促销活动调查表”。
1702627461
1702627462
1702627463
1702627464
1702627465
图3–3 “漏洞百出”的图表
1702627466
1702627467
这位市场营销员根据图表的结果，认为回答“看到过”和“好像看到过”这个答案的人数共占46%，由此可见活动获得了近半数的超高认知率。可喜可贺。促销活动非常成功。可实际上，我和我身边的人对于这项活动一无所知。
1702627468
1702627469
值得庆贺的并不是他负责的这项促销活动的成果，而是他的统计能力。
1702627470
1702627471
面对这幅漏洞百出的图，我一时间不知道该从何说起，这幅图最大的问题在于，这个数据的来源是以购买了促销商品的顾客为对象进行调查。不管是通过网络还是去实体店，凡是购买了这款商品的人，可能是通过带有促销广告的弹出页面、海报或者传单等，总之是处于容易见到宣传的环境之中。
1702627472
1702627473
用具有很高倾向性的数据来证明促销活动的认知率很高，对于这种情况，我究竟应该说什么好呢。
1702627474
1702627475
没被彻底理解就开始应用的指标
1702627476
1702627477
不过，就算这个促销活动的认知率是从全日本随机抽样调查得到的正确数据，也同样没有逃出之前提到过的“3个问题”。不管促销活动的内容被多少人所知，如果不能与实际的购买行为联系起来的话就毫无意义。
1702627478
1702627479
这不只局限于认知率，像“总观看人数”“活动网站访问数”、“好感度”等在促销活动中经常被提到的指标，对实际的销量究竟有多大的影响呢。这些指标往往没被彻底理解就开始被应用。