数据也会说谎 常见的数据造假三种形态

数据也会说谎：常见的数据造假三种形态

日常生活工作中，处处都会与数据打交道，但你知道数据是会“说谎”的，即你看到的数据结果并不是事实。本文介绍一些常见的说谎场景以及如何避免。

一、图表欺骗

图表通常用来增强需要文字和数据的说服力，通过可视化的图表更容易让受众接受信息。但图表有时候会表现的不是数据的本质:

1.图表拉伸

如果没有特殊用途，通常图表的长(横轴)与高(纵轴)的比例为1:1到1:2之间，如果在这个范围之外，数据现实的结果会过于异常。比如:

2.坐标轴特殊处理

在很多场合下，如果两列数据的取值范围差异性过大，通常在显示时会取对数，这时原来柱状图间的巨大差异会被故意缩小。通常，严谨的分析师在讲解之前会进行告知。比如:?

3.数据标准化

数据标准化也是一个让数据落在相同区间内常用的方法，常用Z标准化或0-1标准化，如果不提前告知，可能会误以为两列数据取值异常接近，不符合实际业务场景，比如:

隐秘层次:★★☆☆☆

破解方法:询问分析师的图表各个含义，了解基本图表查看常识。

二、数据处理欺骗

数据处理中的欺骗方法通常包括抽样方法欺骗、样本量不同、异常值处理欺骗等。

1.抽样方法欺骗

整体样本的维度，粒度和取数逻辑相同的情况下，不用的样本抽样规则会使数据看来更符合或不符合“预期”。比如在做用户挽回中，假如做的两次活动的抽样样本分别是最近6个月未购物和最近6个月未购物但有登陆行为的用户，不用做什么测试，基本上可以确定后者的挽回效果更佳。要识破这个“骗局”只需要询问数据取样方法即可，需要细到具体的SQL逻辑。

2.样本量不同

严格来说样本量不同并不一定是故意欺骗，实践中确实存在这种情况。(遇到这种情况可以用欠抽样和过抽样进行样本平衡)样本量不同分为两种情况:

样本量数量不同。比如要做效果差异对比，第一步是做效果比对，假如两个数据样本量分别是几千和几万的级别，可比性就很小。尤其是对于样本分布不均的情况下，数据结果可信度低。

样本主体不同。这是非常严重的数据引导错误，通常存在于为了达到某种结果而故意选择对结果有利的样本。比如做品类推广，一部分用户推广渠道为广告，另一部分是CPS可以遇见相同费用下后者的效果必然更好。

相同样本不同的客观环境。比如做站内用户体验分析，除了用随机A/B测试以外，其他所有测试方法都没有完全相同的客观环境，因此即使选的是相同样本，不同时间由于用户，网站本身等影响，可信度较低。

3.异常值处理欺骗

通常面对样本时需要做整体数据观察，以确认样本数量、均值、极值、方差、标准差以及数据范围等。其中的极值很可能是异常值，此时如何处理异常值会直接影响数据结果。比如某天的销售数据中，可能存在异常下单或行单，导致品类销售额和转化率异常高。如果忽视该情况，结论就是利好的，但实际并非如此。通常我们会把异常值拿出来，单独做文字说明，甚至会说明没有异常值下的真实情况。

隐秘层次:★★★☆☆

破解方法:在跟数据分析师沟通中，多询问他们在数据选取规则，处理方法上的方法，如果他们吞吞吐吐或答不上来，那很有可能是故意为之。同时，业务人员也要增强基本数据意识，不能被这种不可见的底层错误欺骗。?

三、 意识上的欺骗

这种欺骗是等级最高也是最严重的欺骗和错误，通常存在于数据分析师在做数据之前就已经下结论，分析过程中只选取有利于证明其论断的方法和材料，因此会在从数据选择，处理，数据表现等各个方面进行事实上的扭曲，是严重的误导行为！数据分析师需要有中立的立场，客观的态度，任何有立场的分析师的结论都会失之偏颇。

隐秘层次:★★★★★

破解方法:在跟该分析师沟通中，查看其是否有明显立场或态度，如果有，那么该警惕；然后通过上面的方法逐一验证。

综上，当你遇到以下数据情形，就需要警惕数据的真实性了:

数据报告从来不注明数据出处，数据时间，数据取样规则，数据取得方法等。现在市场上很多报告都属于这一类。

数据报告在做市场调研中说明全样本共1000，其中北京可能只有100，基于这100个样本出来的结论显然不可信。事实上很多市场研究报告就是这样出来的。

数据报告中存在明显的观点，对于事物的分析只讲其优势或劣势，不全面也不客观。现在很多互联网分析师就是属于这类，大家注意辨别。

以上是小编为大家分享的关于数据也会说谎 常见的数据造假三种形态的相关内容，更多信息可以关注环球青藤分享更多干货

论文数据造假怎么查

1、此外，还可以使用一些机器学习算法来检测数据的真实性，比如异常检测算法、聚类分析算法等。最后，科学家还可以通过一些实验来验证数据的真实性。

2、论文数据造假能看出来。毕业论文核查的是你的论文与数据库中其他论文文字重复的比例，通常不会审查数据的真实性。

3、在浏览器中输入查重系统网址(http：//scj.021hy.net/)，进入论文查重首页后，在首页下方选择合适的论文查重系统。在查重界面输入论文题目和论文作者，并将待检测论文上传至查重系统中，点击提交检测按钮。

4、自然科学基金委论文造假通过知网查重可发现。

5、第二数据、结构及其逻辑是否合理：真论文和假论文最大的区别在于，真的研究其结果具有不确定性，而假的论文，都是先设定好一个结果再去写，这样就会造成一种现象，假论文中的整体结构往往会很完美。

6、本科毕业论文问卷数据伪造会有发现的风险，属于学术不端行为，详细介绍如下：学术数据伪造：在造假的基础上得出的研究数据，无论有多合理多缜密，都免不了被发现的命运。几率多大，看运气了。

1、用t检验以进行参数显著性假设检验正误。用以判别影响变量的因素是都是显著的直线回归用以得到两个变量之间的线性关系多元线性回归用来分析一个变量与多个变量之间的关系，它是直线回归的扩展。

2、取值没有随机误差：这个假定几乎是不能满足的，测量误差的存在会降低预测的精度，影响误差的方差，负相关系数以及单个回归系数的估计。

3、会。数据回归分析的目的和意义是将一系列影响因素和结果进行一个拟合，拟合出一个方程，然后通过将这个方程应用到其他同类事件中，可以进行预测。

4、简单线性回归模型的基本假定：①零均值假定；②同方差假定；③无自相关假定；④随机扰动项与解释变量不相关假定；⑤正态性假定。

1、打开软件，在欢迎界面NewTable&Graph选框中选择Column→Enterandploterrorvaluesalreadycalculatedelsewhere→Mean，SD，N→Create，创建并进入数据表。

2、打开Stata10软件，点击左上角的“File”选项，然后选择“import”。点击“import”选项后，选择“Excelspreadsheet”选项。在新弹出的“importExcel”界面中，点击右上角的“browser”选项，加载面板数据。

3、reg只提供回归分析，在出的结果里每个变量后面都有P值，P=0代表显著，P=0.01以下是1%显著水平显著，0.05是5%，0.1是10%，如要要T值可以ttestA之类的。

4、stata看显著不显著主要看P值。reg只提供回归分析，在出的结果里每个变量后面都有P值，即P|t｜那一列，P=0代表显著，另外取决于你定的显著性水平，如显著性水平设为5%，则P值小于0.05的变量都是显著的。

检测方法：观察股票的交易量是否与其价格波动相符合。如果成交量突然增加或减少，但价格没有相应波动，就可能存在造假。分析该股票的成交额和成交笔数是否相符合。

打开软件，在欢迎界面NewTable&Graph选框中选择Column→Enterandploterrorvaluesalreadycalculatedelsewhere→Mean，SD，N→Create，创建并进入数据表。

只要是假的就肯定会存在蜘丝马迹，要认真查肯定还是可以查出来的。比如说收款记录，虽然在数据库里面修改的，从软件系统的角度来说，是已经查不出来问题了，但还是有实物票据、台帐可查。所以还是一句话，假的肯定真不了。

如果审稿人对数据真实性有怀疑，会要求作者提供原始数据。有些期刊投稿的时候就需要作者提供原始数据。有的审稿人会按照你的理论在弄一遍，被查出来，就是学术造假了，根据学位论文作假行为处理办法进行严肃处理。

第一：如果你能够确定数据导出的时间，然后看看文件后来的修改时间，如果后来修改过文件，那就有可能是修改结果。第二：数据在仪器里面造假是比较困难的，你可以通过仪器再次导出查验一番。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com