数据分析不得不知的6个名词

马太效应，来自圣经《新约·马太福音》中的一则寓言：一个国王要出门远行，临行前，交给3个仆人每人一锭银子，吩咐道:"你们去做生意，等我回来时，再来见我。"

国王回来时，第一个仆人说:"主人，你交给我的一锭银子，我已赚了10锭。"于是，国王奖励他10座城邑。

第二个仆人报告:"主人，你给我的一锭银子，我已赚了5锭。"于是，国王奖励他5座城邑。

第三仆人报告说:"主人，你给我的1锭银子，我一直包在手帕里，怕丢失，一直没有拿出来。于是，国王命令将第三个仆人的1锭银子赏给第一个仆人，说"凡有的，还要加倍给他叫他多余；没有的，连他所有的也要夺过来"。 

马太效应通常用于推荐算法中。例如头条的推荐规则，作品通过初审后进入冷启动阶段，即系统根据作品的内容推荐给可能会对作品产生兴趣的用户，根据这部分用户的行为获得基础推荐效果，比如作品获得了较多的点赞、分享或者评论，就会判定为有潜质的作品，随即会扩量推荐给更多的读者；反之则会减少推荐量。

通俗解释即为"强的越强，弱的越弱"。

虹吸效应讲的是物理现象，是指由于液态分子间存在引力与位能差能，液体会由压力大的一边流向压力小的一边。虽然水两边大气压强相同，但由于水位差，水压大的一边由于重力下流，水压小的一边由于大气压上流，直到两边的大气压力加水压相等，容器内的水面变成相同的高度，水就会停止流动。

在做渠道投放时，共有A、B、C、D四个渠道，渠道投放总体预算固定，假如增加渠道A的预算，使得渠道A的ECPM值上涨，进而导致渠道A的成本下降，那么，渠道投放人员就可能把渠道B、渠道C和渠道D的预算转移到渠道A上，久而久之，渠道A的占比就会越来越高，其他渠道占比越来越低，甚至可能会停止其他渠道的投放。

通俗解释即为"大树地下不长草"——虹吸效应就是把周边的资源吸干，导致周边没有资源可用。

幸存者偏差源于二战期间，美国哥伦比亚大学统计学沃德教授应军方要求，利用其在统计方面的专业知识来提供关于《飞机应该如何加强防护，才能降低被炮火击落的几率》的相关建议。沃德教授针对联军的轰炸机遭受攻击后返回营地的轰炸机数据，进行研究后发现：机翼是最容易被击中的位置,机尾则是最少被击中的位置。沃德教授的结论是"我们应该强化机尾的防护"，而军方指挥官认为"应该加强机翼的防护，因为这是最容易被击中的位置"。军方采用了教授的建议，并且后来证实该决策是正确的，看不见的弹痕却最致命。

在进行数据分析时，往往聚焦于"幸存下来"的群体具备的某些特质，而失败者身上的数据，甚至连展现的机会都没有。—未幸存者已无法发声。

这里的"幸存"，更合理的说法是"筛选"。

辛普森悖论是1951年英国统计学家 E.H.辛普森 提出的悖论：即在某个条件下的两组数据，在分别讨论时都会满足某种性质，可是一旦合并起来进行考虑，却可能导致相反的结论。

举个例子：100场球赛，以总胜率评价好坏。A选手专找高手挑战20场，胜1场，另外80场则找平手挑战，胜40场，总胜率41%；B选手专挑高手挑战80场，胜8场，剩下20场平手打个全胜，总胜率为28%。结果为A选手胜出。但仔细观察挑战对象，选手B明显更有实力。

在A/B测试时很容易就会跳进"辛普森悖论 "的坑。要避免"辛普森悖论"给我们带来的误区，就要对不同的分组赋予相应的权重，以一定的系数消除分组资料基数差异所造成的的影响。