28 | 那些数据不能告诉你的事儿：尽信"数"不如无"数"

适用范围：产品经理（各阶段）、数据分析师、需要做数据驱动决策的团队负责人。适用于数据误读识别、确认偏误对抗、数据边界认知、直觉判断等场景。

更新摘要（v2 · 2026-08 更新）：

• 结构化升级为 6 节骨架（导言 / 核心方法论 / 关键流程 / 工具与实战 / 常见误区 / 进阶延展）
• 保留数据的骗局、不预设期望、数据不是唯一驱动力、数据不是终点四大主题

1. 导言

在前面的文章里，我们设计了两个场景，并围绕着它们介绍了：如何建立日常数据阅读的习惯和方法，以及如何利用数据辅助你的决策。记得在这个部分的分享之初我们就提到过，对于产品经理来说，数据能力怎么强调都不过分，数据是我们最为忠实的伙伴，可是到了数据能力的最后，我想换个角度，跟大家分享一下关于数据的一些误区和陷阱。

核心摘要：数据是产品决策最忠实的伙伴，但忠实不等于万能。本文从"数据的骗局"（默认值污染、相关≠因果）、"不预设期望"（确认偏误）、"数据不是唯一驱动力"（KPI 动物、Goodhart 法则）、"数据不是终点"（直觉价值、划时代产品）四个角度，阐述数据的边界。尽信"数"不如无"数"——数据是决策的辅助，而非替代系统性思考的唯一依据。

2. 核心方法论

2.1 数据的骗局

首先来给大家讲一个故事，这个来自我看过的一篇文章。前些年微博出了一个分析用户的星座构成，其中发现 12 星座里，摩羯座的比例特别高，然后就有人就根据这个星座特点，分析说这个星座的人占比高是因为星座的性格是比较闷骚，只喜欢在隐蔽性好的社交平台上袒露心声等等，很用心做了一番长篇大论。网友们也七嘴八舌地围绕这个观点进行讨论。后来，在这个分析的底下，终于有一个人发现：微博用户注册默认的生日是 1 月 1 日，这就意味很多用户选择了默认注册，也就导致了做用户分析的时候，摩羯座的用户占比特别高。

这也说句关于星座的题外话，其实星座也是一个跟人的心理和数据相关的话题，有个心理学的效应叫做"巴纳姆效应"，讲的内容就是：人通常会很容易相信一个笼统的、一般性的人格描述，即使这种描述十分泛泛，甚至会把这些描述当做对自己的描述。那么我们回过头来在看刚才的故事，在默认设置之下，其实所有的分析都没有任何的道理。

这就是一个典型的数据误读的现象，所以当我们获取到一批数据的时候，先别忙着下结论。我们先去筛一下，把一些不靠谱的数据清洗出去。就像刚才的例子一样，对于一个用户量大的平台来说，用户的年龄段和用户的性别都有可能出现不平衡，但是用户的生日不应该出现很大的不平衡。看见这个数据的第一反应就应该是这个数据出现了问题，而直接不是从这样的数据出发，去做长篇大论的分析。

另外还想提醒大家的一点是：不要把相关性当作因果性。如果两件事同时发生了，我们自然是觉得两件事是有联系的，但是，其实它们在逻辑上可能完全没有关系。关于这个观点，图灵好像出了一本书，就叫《别拿相关当因果》，大家可以阅读一下。

在产品的运营里，我们经常会把两个共同出现的波动联系起来，让它们互为因果。举个例子，比如说我们都认为用苹果手机用户的付费能力更强，那么，是不是因为他使用了苹果手机，他的付费能力就更强了呢。这其实可能不是因和果的关系。也许是因为用户的付费能力强，所以才会去买苹果手机，并且这部分用户的付费能力强，有一些新的 Android 手机出现，他们也会去买 Android 的手机。所以在这种情况下，我们如果只去关注 iOS 的场景，而忽略了一部分付费能力强的用户使用的是 Android 手机，可能就会错过一部分用户的运营。

我再举一个真实的案例，某个公司做的一款 App 到了付款页面，用户总是喜欢后退一下，再重新进来付款，这个比例非常高，并且他们发现，用户后退了一下，之后再回来的付款概率会高一些。所以负责的同学就觉得付款与"后退"这个动作直接相关了，于是就把"后退"的功能做得特别抢眼，后来发现，用户有后退的动作，其实是因为优惠券的数字不会自动刷新，所以用户不得已只能后退一下刷新。这其实是功能上的一个错误，却导致了看似互为因果的结论。

我们还是要找到实际的因果，去找它背后的原因是什么，我们要把所有的数据都当作现象，而不要把数据当做因，如果说，除非有非常明确的指示，或者非常明确的线索告诉你这个数据就是因，它才有可能会是因。

3. 关键流程

3.1 不要去预设你的期望

我们在做产品数据分析的时候，往往会很容易陷入一种潜在的状态里。这就是：当我们有了一个特别有倾向性的立场和期望的时候，我们的潜意识里就会去误读数据，用以支撑自己的结论。

这种感觉就像你到了一个岛上，你发现这个岛上没人穿鞋。如果你的预设是：不想在这个岛上卖鞋。你就会分析说，这个岛上没人穿鞋，所以鞋子在这个岛上没有市场；但是你到这个岛上的预设是：我就是要在这个岛上卖鞋。你一看没人没穿鞋，就会觉得：哇，商机很大，这些人都没穿鞋，给他们穿上。

在这种条件下得出的结论，与你预设的立场和出发点都会有很大的关系。有些时候，我们可能会没有意识到自己已经有期望了，而这个期望又悄悄地在我们的脑中存在，并去推着我们找到了一个结论，继而去找数据分析的路径。

在这里提醒大家一句，我们不要有了结论，再回去找数据支撑，一定要是你把自己清空，不要设立场。如果你觉得不行的话，我可以分享给你一个很好用的办法。就是再去用同样的数据去推导：结论的反面是不是也可以成立。如果你发现逻辑上也能走通的话，那就意味着，你这两条逻辑可能都是有问题的。

"你是因为看见而相信，还是因为相信而看见。"这句话因为阿里的加持，而被广为流传。虽然在长期的战略上，我们需要更为推崇"相信"的力量，但当面对数据时，请务必在真正的"看见"后，再去相信，这样才会让我们更为冷静地去做产品上的决策。

3.2 数据不是唯一驱动力

虽然我们做产品总是在说"数据驱动"，但是数据并不应该成为你的唯一驱动，如果说我们纯粹被一些数字驱动的话，我们就很容易变成一些 KPI 动物。

比如我们做了公众号写了一篇文章没有人看，也许会很失落，第二天，可能就在标题上用了一些小技巧，结果就发现看的人变多了，数据也变得很好看。我们就会发现：原来我在标题里耸人听闻或者追热点，看的人会更多，阅读量也就高了。但是，这样做会适得其反，它影响你对内容的方式和方向，最终你会发现自己一直在迎合用户和市场的品味。你既没有把价值传递出来，也没有创造出你的价值，即便你什么内容都没有，可能只是一个夸张的标题，你就可能获得一个很高的阅读量。这是一个很不好的现象，不但会让自己没什么价值，浪费了用户的时间，并且，这样也会把行业的生态搞得十分脏乱差。

4. 工具与实战

4.1 数据不是终点

最后想跟大家分享的是：不要把数据分析当成终点，不要把数据分析当成我们的依靠，所谓尽信"数"，不如无"数"。真正驱动我们做事情的，还是产品的目标和用户的价值。数据只是帮助我们去做决策、去选择方向的一个辅助而已，而不能代替系统性的思考。

并且，数据能够带给我们更多的是对过去的理解。它没有办法对未来有一个特别明确的指示。当然，很多时候我们需要根据过去的经验来作判断，但是，有时候一些划时代的产品，或者一些真正能够影响行业的产品，是很难从过去的经验中分析和演化而来的，它需要的是变革和精华。就像之前说过的，不论你怎么去分析和判断，在最后，还是要给自己的直觉一点机会。

很多时候我们有自己信仰的方向，有自己对于整个行业发展的判断。坚持去做，然后等待这个行业到达你所判断的时间点，这是一件非常有意思、非常酷的事情。

4.2 实战要点

5. 常见误区

6. 进阶延展

6.1 总结

今天我们分享了数据能力的最后一篇。稍微有点发散，我们围绕着数据误读和一些数据使用误区，谈到了数据不擅长和并不能做到一些事情，希望大家在做自己产品设计和规划的过程中，对数据能有一个理性的认识。

数据是我们去推动产品发展的一个必要的手段，但不要把数据当作唯一的手段。更不要把它当做我们做产品的目标。正如标题所言——尽信"数"不如无"数"：这不是否定数据的价值，而是强调数据驱动决策的前提是对数据边界的清醒认知。只有当决策者既善用数据的力量，又敬畏数据的边界，才能在不确定的世界中做出真正可靠的判断。

6.2 延伸阅读

• 《别拿相关当因果》—— 图灵，相关性与因果性的辨析
• 前文《数据的边界：当数据无法回答的问题》—— 数据误读、Goodhart 法则、AI 伦理的系统阐述
• 《Thinking, Fast and Slow》— Daniel Kahneman —— 认知偏差与直觉判断