我们到厂里调研数据的时候，经常会问：这个数据有吗？如果对方说有，就以为万事大吉了。然而，如果我们从事数据分析工作，就会发现：许多令人“眼前一亮”的分析结果往往是假象，严重影响分析工作的效果，甚至会误导后续的工作。数据中有很多的坑，做数据分析的人必须关注到。我简单地罗列几条，欢迎大家补充。

1、认识数据误差。不要以为仪表的精度高，误差就可以忽略不计。如果数据采集于一个工作点附近，数据显示出来的波动，很大的比例可能来自数据采集过程的各种干扰，过程参数本身的变化可能是次要的。

2、数据采集条件。采集数据准确是有条件的。比如，红外的方式测量温度时，需要知道对象的黑度系数。测量对象发生变化时黑度系数可能会跟着变。这意味着，即便真是的温度不变，测量结果却可能会变。

3、数据代表性。数据往往代表对象或者过程的属性。但测量点不同，结果就不一样。所以，测量位置的参数稳定不代表整个过程稳定，测量位置的参数合格并不意味着整个对象的参数合格。

4、属性标准。有些物质属性测量很复杂，测量的数值与定义方法、测量过程关联度很高。例如，对于材料力学性能，试验制作过程不同、取样方法不同、测量的设备和环境不同，都会引起显著的差异。同一个属性名称，还可能会有不同的标准。比如，屈服强度就有多种标准。

5、数据对应问题。如果对象（主要是产品）是移动的（如在流水线上）、测量点是固定的，则测量结果和对象的对应就可能成为一个问题，有时候还非常严重。如果要通过数据研究因果关系，则时间的对应也是非常重要的。

6、采样频度问题。生产现场中的很多数据来自于仪表系统。采集数据的初衷可能是用来控制生产过程的。随着人们对数据价值的认识加深，会把数据传出来、用做监控、质量分析等。一般来说，控制系统的数据采样频度较高，但这个频度不等于传送、存储的频度。有时候，数据是批量传送的，而传送的间隔比采集间隔要长得多。有些数据的采集频度可能非常慢，你拿到的数据是很久之前采到的。

7、数据含义。数据在不同的场景下，可能代表不同的含义。最典型的就是：在正常和不正常情况下，同一个数据代表的意义可能是不一样的。比如，某个场景下，温度=400意味着温度测量失效了。

数据分析工作有点像探案推理，需要从蛛丝马迹中找到问题的根源，并尽量避免被数据误导。所以，我经常提醒自己：数据是测量的结果——其实是说：不要想当然地认为数据就是对象的属性，而是要把测量过程本身考虑进来。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。