TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

数据滥用:七个误导性分析和隐私滥用的例子

数据滥用,要么是从可靠数据里得出误导性的结论,要么是把个人数据用在收集目的之外。七个带可复算数字的例子,每个配一条规则,外加发布前的检查清单。

卢卡斯·海斯 发布于 2026 年 11 月 21 日 9 分钟阅读 数据分析
示例数据:注册数增长了 6%。纵轴从 980 起时第二根柱子看起来是前一根的四倍;从零起,看到的才是实际情况。示例数据

数据滥用,要么是从可靠的数据里得出误导性的结论,比如截断的坐标轴或挑选的时间窗,要么是把个人数据用在收集目的之外。前者导致错误的决定;后者伤害人,并可能违反 GDPR 等法律。下面是七个带数字、可复算的例子,每个配一条预防规则,以及发布前要过一遍的检查清单。

读完你会知道

  • 柱子从零开始;纵轴从 980 起画的 6% 增长看起来像 4 倍
  • 总体可能在每个分组内都反转:伯克利 1973 年总体是 44.5% 对 30.3%,按统一的申请人构成则是 38.8% 对 42.9%
  • 每个个人数据字段都要对应明确的用途;新的用途是一项新决定

什么算数据滥用?

数据滥用有两类,修法不同。

  1. 滥用分析。 数据没问题,但由它得出的结论有问题:截断的坐标轴、挑选的时间窗、把相关读成因果。后果是做出错误的决定。
  2. 滥用数据本身。 为一个目的收集的个人数据被用在另一个目的上,或收集的数据超出了目的所需。受伤害的是数据里的人,在一些地区,这还构成违法。

第二类,欧盟的 GDPR 有明确规定。第 5 条第 1 款(b)项要求个人数据为「特定、明确、合法的目的」而收集,并且不得以与这些目的不相容的方式进一步处理;第 1 款(c)项要求数据对这些目的而言「充分、相关,并限于必要范围」。下面的七个例子取自两类。每个例子先用数字展示错误(除非另有说明,均为示例数据),再给出防止它的规则。同一问题在认知层面的部分,见偏差类型;不同工具的数字对不上,见数据差异。

例 1:截断的坐标轴让 6% 看起来像 300%

示例数据:上个月注册 1,000 个,这个月 1,060 个,增长 6%。把柱状图的纵轴从 980 开始画,两根柱子分别高 20 个单位和 80 个单位。第二根看起来是前一根的四倍。

画法上月本月眼睛读到的
纵轴从 980 起高 20 个单位高 80 个单位增长 4 倍
纵轴从 0 起高 1,000 个单位高 1,060 个单位增长 6%

规则: 柱子用长度编码数值,所以柱状图要从零开始。如果值得关注的变化很小,就用折线图(由位置而不是长度承载数值),并在旁边用百分比标出变化。双纵轴图同样要小心:重新缩放其中一条轴,两条毫不相关的线也会看起来同步变化。

app.tapcub.com

同样的数据,两种图:上月与本月的注册数

1,000 → 1,060
上月,纵轴从 980 起80 中的 20
本月,纵轴从 980 起80 中的 80
上月,纵轴从 0 起1,000
本月,纵轴从 0 起1,060
示例数据
示例数据:注册数增长了 6%。纵轴从 980 起时第二根柱子看起来是前一根的四倍;从零起,看到的才是实际情况。

例 2:总体说一回事,每个分组都说相反的事

这就是辛普森悖论,最著名的数据是 1973 年加州大学伯克利分校的研究生录取,由 Bickel、Hammel 和 O'Connell(1975)分析。总体上,男性的录取率明显高于女性。下表是六个最大的系,数据按已发表的结果列出:

系男性申请人数男性录取率女性申请人数女性录取率
A82562%10882%
B56063%2568%
C32537%59334%
D41733%37535%
E19128%39324%
F3736%3417%

按申请人数加权,这六个系录取了 2,691 名男性中的 44.5%、1,835 名女性中的 30.3%,女性低 14 个百分点。然而六个系中有四个系女性的录取率更高。原因在于大家申请了哪里:多数女性申请了录取率低的系(C 到 F),多数男性申请了录取率高的系(A 和 B)。给两个群体套用同样的申请人构成,即每个系都按其申请总人数计权,录取率就变成男性 38.8%、女性 42.9%,方向反转。

规则: 引用两个群体之间的差距之前,先按最可能的主要驱动因素(这里是系)拆分,看方向在每个分组内是否依然成立。两个数都可能是诚实的,所以要先判断哪种比较回答的是你要问的问题。

例子出了什么问题规则
截断的坐标轴6% 的增长被画成 4 倍柱子从零开始
辛普森悖论总体在各分组内反转按最大的驱动因素拆分
挑选的时间窗九个窗口里报告最突出的一个看数据之前固定时间窗
相关当因果比较的是自选分组匹配或留出对照
极小样本3 对 2 个注册被说成好 50%展示计数和区间
偏态数据的均值均值 114.53 美元,中位数 30 美元报告中位数
改变用途的个人数据发收据的邮箱被用于广告排序每个字段一行用途

发布任何数字之前,先过一遍七项检查清单。

例 3:挑一个能讲出故事的时间窗

示例数据:12 周的每周转化率(%):2.1、2.4、2.0、2.6、3.1、2.2、2.0、1.9、2.3、2.2、2.5、2.1。12 周平均是 2.28%。把每个 4 周区间都找一遍,表现突出的是第 2 到 5 周:2.53%,「比平均高 11%」。而最近四周的平均是 2.28%,没有任何变化。

规则: 看数据之前先固定时间窗和比较对象。比较要同类对同类(同样长度、同样季节),并在任何被突出的区间旁边展示完整序列。试了九个时间窗再报告数字漂亮的那个,结果是挑出来的,不是发现的。

例 4:把相关当成因果

示例数据:500 位试用了新功能的用户里,300 位在 30 天后仍活跃(60%);4,500 位没试用的用户里有 1,350 位(30%)。标题是「这个功能让留存翻倍」。但愿意试新功能的通常是积极的用户,他们本来就会留下;功能本身可能几乎没起作用。

规则: 自选分组之间的差距衡量的是谁做了选择,而不是这个选择带来了什么。要比较有同等机会试用的人(留出对照,或用先前活跃度相近的匹配组),并把原始差距当作上限。

例 5:从极小的样本算出百分比

示例数据:页面 A 的 50 位访客中有 3 位注册(6%),页面 B 的 50 位中有 2 位(4%)。「页面 A 的转化率高 50%。」再多一个注册,结论就翻转了。95% 的 Wilson 区间,A 是 2.1% 到 16.2%,B 是 1.1% 到 13.5%,几乎完全重叠。

规则: 引用比率时把计数写在旁边,任何不到几百位访客的分组都要给出区间,或说明样本很小。见误差范围和统计功效。

例 6:没有任何客户符合的平均数

示例数据:15 笔订单,金额分别是 18、20、22、24、25、26、28、30、35、40、45、50、60、95 和 1,200 美元。均值是 114.53 美元,中位数是 30 美元。一笔大宗订单把均值拉到中位数的近四倍,15 位客户里有 14 位的花费低于均值。

规则: 对订单金额这类偏态数据,报告中位数和离散程度(比如第 25 到第 75 百分位),并说明去掉了多少个异常值、为什么去掉。这里中间一半订单的金额在 24.50 到 47.50 美元之间,比 114.53 美元的均值更能描述一位典型客户。

例 7:把个人数据用在人们没同意的目的上

一家商店为了发收据而收集了邮箱地址。后来,市场团队把同一份名单上传去投放广告,分析团队又把它和行为数据关联起来,按预测消费额给人排序。没有谁偷了什么,数据依然被滥用了:目的变了。按 GDPR 第 5 条第 1 款(b)项,进一步使用必须与最初目的相容;而按预测特征给人排序属于「画像」,第 4 条第 4 款把它定义为用于评估偏好、行为或位置等个人方面的自动化处理。

相关的错误是收集超出问题所需的数据。如果你只想知道表单有没有被提交,就不需要知道人们在里面填了什么。

规则: 对收集的每个字段,用一行写明用途。新的用途不在清单上,就把它当作一项新决定,法律要求时重新告知或取得同意。只收集能回答问题的最少数据。

发布数字之前的检查清单

  1. 坐标轴和刻度。 柱子是否从零开始?并排的图刻度是否相同?
  2. 基数和时间窗。 分母写明了吗?时间窗是在看数据之前固定的吗?
  3. 拆分。 差距在最大的子分组(系、渠道、设备)内是否依然成立?
  4. 样本。 是否展示了计数?有没有哪个分组小到需要区间?
  5. 因果。 分组是人们自己选的吗?如果是,就标为关联。
  6. 平均数。 分布是否偏态?展示中位数。
  7. 用途。 每个个人数据字段是否都对应明确的用途和保留期?

在 TapCub 里同时防住这两类问题

以例子里的注册漏斗为例。你想要诚实的数字,也想让数据足迹尽量小。

  1. 展示计数。 在 全端分析 › 行为分析 › 行为分析 里,漏斗会列出每一步的进入人数、转化人数和比率。像小样本的例子那样,引用比率时把计数一起写上。
  2. 让时间窗保持诚实。 读结果之前先设定日期范围,并用 配置 › 日期标注 标出上线,让序列里的变化有解释,而不是被挑出来。
  3. 让机器人不进基数。 网站统计 › 机器人 单独统计爬虫,所以它们不会抬高访客数、也不会拉低转化率。
  4. 先拆分再比较。 给同一个漏斗套用一个分群(全端分析 › 用户 › 分群与标签),检查差距在每个分组内是否依然成立。
  5. 限制收集的内容。 配置 › 合规中心 设置采集档位、保留期和数据主体请求;表单跟踪开启后只记录表单的 id、name 和 action,不记录人们填写的内容。配置 › 设置 › 公开分享 让你选择开放哪些模块,可选密码和天数限制;访客列表和会话不能公开分享。

TapCub 不会告诉你一个比较是否有因果关系;这个判断仍然在你和上面的清单手里。

常见问题

什么是数据滥用?

数据滥用要么是从可靠的数据里得出误导性的结论(截断的坐标轴、挑选的时间窗、把相关读成因果),要么是把个人数据用在收集目的之外。前者导致错误的决定;后者伤害人,并可能违反 GDPR 等法律。

误导性的数据分析有哪些例子?

把柱状图的纵轴从 980 开始,让 6% 的增长看起来大四倍;每个分组都相反时还拿总体来比较(1973 年伯克利);从九个可能的时间窗里报告数字漂亮的那个;订单中位数是 30 美元时却引用 114.53 美元的均值。

把客户数据用于新目的算滥用吗?

可能算。按 GDPR 第 5 条第 1 款(b)项,为特定目的收集的个人数据不得以不相容的方式进一步处理。发收据的邮箱被拿去投放广告和排序,就是典型情形。新用途开始之前,先检查相容性,或重新取得同意。

怎样避免滥用数据?

看数据之前先固定时间窗和比较对象,柱状图从零开始,小分组展示计数和区间,大的差距按最大的驱动因素拆分,每个个人数据字段都对应明确的用途。发布之前对照检查清单复查。

资料来源

归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

卢卡斯·海斯

数据工程师

聚焦事件设计、数据质量与采集流程,分享可验证的实施方法,帮助团队建立可靠的分析基础。

用计数和干净的基数做报告

漏斗给出进入和转化人数,机器人不进访客数,上线有标注,隐私控制都在一个项目里。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie