看数据前，先收下这7条统计常识

看一份数据报告，最容易犯的错是直接读结论，跳过口径。举个常见的例子：某城市公布平均通勤时间35分钟。这个数可能来自地铁刷卡样本，也可能来自手机信令，两者覆盖的人群不一样。地铁样本天然排除了开车和骑车的人，算出来的均值会偏低。拿到一个数，先问三件事：谁被统计了、统计的是哪个时间段、缺失值怎么处理。这三问答不上来，后面的走势和预测都悬。

均值是最常被误用的统计量。假设一个5人小组，月收入分别是4000、4500、5000、5500、41000元。均值算出来是12000元，但组里4个人都没到这条线。那个41000的极端值把整体拉高了。这时候中位数更贴近多数人的感受，它是5000元。看收入、房价、阅读时长这类右偏分布的数据，中位数往往比均值更有解释力。报告里只给均值不给中位数，值得多留个心眼。

百分比要盯基数。某地去年新增企业100家，今年新增150家，增幅50%，听起来不错。但去年基数只有100，今年多出的50家可能来自一次集中的注册便利化改革。另一个城市从10000家增到10500家，增幅5%，绝对增量却是500家。只看百分比，会高估小基数的变化，低估大基数的体量。做观察时，把百分比和绝对数并排放在一起看，很多虚高的走势会立刻现形。

相关不等于因果，这句话被说滥了，但具体场景里还是容易忘。有数据说，冰淇淋销量和溺水人数同步上升，两者确实相关，但推不出冰淇淋导致溺水。共同原因是气温升高。再比如，某公司发现加班时长和项目产出正相关，就鼓励加班。真实情况可能是：只有重要项目才会安排加班，项目本身资源多、关注度高，产出自然高。判断因果，得看有没有随机对照，或者至少控制住主要混杂变量。没有这层设计，相关只能当线索，不能当结论。

抽样方式决定数据能代表谁。1936年美国大选，一家杂志用电话和汽车登记名单做调查，样本量很大，却预测错了。原因是当时装电话、有汽车的人偏富裕，和全体选民结构差得远。今天做用户调研也一样：只发线上问卷，会漏掉不常上网的群体；只统计App内行为，会忽略卸载用户。样本量再大，也补不上覆盖偏差。看到一份调查，先看它从哪里抽人，比看它抽了多少人更关键。

看走势时，注意时间窗口的选择。同一组月度数据，取最近3个月，可能显示连续下滑；取最近12个月，可能只是正常波动。比如某品类销量，7月环比降8%，但同比只降1%，放在三年周期里几乎是一条平线。把窗口拉长，能过滤掉短期噪声；把窗口缩短，能更快捕捉拐点。两种做法没有绝对对错，取决于你想回答什么问题。怕的是只选对自己观点有利的那个窗口，那就不是观察，是挑选。

做预测时，留出误差范围比给一个点估计更有用。说下季度销量会到10万件，不如说落在9万到11万件之间的概率较高。预测依赖历史走势，但历史不会简单重复。政策调整、竞争对手动作、季节因素都会让实际值偏离。一个实用的习惯是：每次预测后记录实际值，算算自己平均偏了多少。偏得多了，就回去检查假设。预测的价值不在于一次说准，而在于持续校准。

最后一条：分清描述和推断。描述是「本月订单量环比下降5%」，推断是「因为用户流失了」。前者是数据里能直接读到的，后者需要额外证据。写观察笔记时，把这两类句子分开写，读者才知道哪些是事实，哪些是解释。数据、走势、预测三件事，前两件尽量靠近事实，第三件明确标注假设。这样做出来的图表笔记，不一定好看，但经得起回头看。