全文共3606字 ， 预计学习时长10分钟
文章插图
图源：medium
数据分析师、机器学习/人工智能工程师、统计学家 ， 这样的头衔是不是听起来很高大上？但小心别被骗了！高薪诱惑之下 ， 不少数据骗子也隐藏在其中 ， 这些骗子毁了遵纪守法的数据专业人士的好名声 。
数据骗子非常善于在众目睽睽之下隐藏自己 ， 你甚至可能都没有意识到他们的存在 ， 他们有可能就藏身于你的公司当中、不过还好 ， 如果你知道该找些什么线索 ， 那么他们是很容易识别的 。 第一点线索就是 ， 他们无法理解分析学和统计学是两个截然不同的学科 。
不同的学科
统计学家接受的训练是推断数据之外的内容 ， 而分析师接受的训练是探究数据集中的内容 。 换句话说 ， 分析师根据数据中包含的内容得出结论 ， 而统计学家根据未包含于数据中的内容得出结论 。 分析师帮助你提出好问题（假设生成） ， 而统计学家帮助你获得理想答案（假设测试） 。
还有一些神奇的“混血” ， 会拥有两种身份……但他们不会同时扮演这两种角色 。 为什么呢？数据科学的一条核心原则是 ， 如果要处理不确定性 ， 则不能使用相同的数据点进行假设生成和假设测试 。 数据有限时 ， 不确定性会迫使你在统计学和分析学之间做出选择 。
没有统计学 ， 就无法知道自己刚刚产生的观点是否站得住脚 。 没有分析学 ， 就只能在摸索中前进 ， 几乎无法掌握未知的未知 。
这是一个艰难的选择！是睁开双眼接受灵感（分析学） ， 发誓放弃知道新发现是否能站住脚的满足感 ， 还是冒着冷汗祈祷自己选择要问的（在没有任何数据的情况下 ， 一个人在杂物室里冥思苦想出来的）问题值得自己即将得到的严密答案（统计学）？
“兜售”后见之明的小贩
骗子摆脱这种困境的方式是对其视而不见 ， 发现一片薯片长得像猫王 ， 然后假装对这一事实感到惊讶 。 （统计假设测试的逻辑可以归结为：我们的数据是否让我们惊讶到改变自己的想法 。 如果我们已经见过这些数据 ， 我们又怎么会对它们感到惊讶呢？）
文章插图
在你看来 ， 图片中的云朵和薯片长得像兔子还是像猫王呢？亦或是像某一位总统？
骗子发现一个模式并从中得到启发 ， 然后以相同的模式测试相同的数据 ， 为的是用一到两个合理的p值生成可验证其理论的结果 ， 他们这样做实际上是在欺骗你（可能也是在欺骗他们自己） 。 这样的p值没有任何意义 ， 除非在查看数据之前对假设作出承诺 。
骗子模仿分析师和统计学家的一举一动 ， 却并不明白其中缘由 ， 这为整个数据科学领域带来了不好的声誉 。
真正的统计学家总是谨慎行事
由于统计学家在严密的推理方面享有近乎神秘的声誉 ， “万金油”在数据科学领域的出现频率创下了历史新高 。 这种骗术不易被人发觉 ， 尤其是在那些毫无防备的受害者认为这正关系到方程和数据的时候 。 数据集就是数据集 ， 对吗？错 ， 要看你如何使用数据集 。
这些骗子身上都带有冒牌货的标志 ， 你只需要一个线索就可以识破他们的真面目：骗子只有后见之明——用数学重新发现他们已经知道的存在于数据中的现象 ， 而统计学家提供的是具有先见之明的测试 。
与骗子不同 ， 优秀的分析师是思想开放的典范 ， 总是将鼓舞人心的见解与提醒相结合 ， 提醒人们观察到的某种现象可能有多种不同的解释 ， 而优秀的统计学家则会谨慎地做出决定 。
分析师带来灵感
分析师不必负责一切 ， 他们要根据数据中包含的内容得出结论 。 如果他们想对没见过的事物提出观点 ， 那他们担任的就是另一种工作了 。 他们应该摘下分析师的“帽子” ， 带上“统计学家”的头盔 。 毕竟 ， 无论你的正式职位是什么 ， 都没有这样一条规则说你不能投身两种行业 。 只要你想 ， 就可以这么做 ， 只是不要把它们弄混了 。
文章插图
骗子怎样测试假设
擅长统计并不意味着擅长分析 ， 反之亦然 。 如果有人跟你说的与之相反 ， 请自行思考 。 如果这个人告诉你 ， 你可以对你研究过的数据进行统计推断 ， 请再次问问自己 。 他很有可能是个骗子 。
【数据骗子无处不在，教你拆穿所谓“万金油”】