幸存者偏差算是我们比较常见的一种逻辑偏差了，但不少人对在数据分析上的使用还是了解不多。这篇文章，我们来看看作者给我们分享的经验。

上周，公司推出了新的APP应用。随后，运营团队正在筹划一项会员活动，需要找出在周末进行推广的最佳时间段。于是，他们求助于我们的数据分析团队。

分析师应届生A同学仔细地研究了最近几天用户对各时段push通知点击的响应情况，寻找出最佳的推送时间。他凭借统计分析，得出上午的8-9点、中午的12-1点以及晚上的7-8点推送活动，效果将会最好。这个结论自信满满的给到运营团队。

然而，事实出乎所有人意料。运营同学在周末推出活动后，发现用户的活动参与度远低于预期。他们疑惑地联系A同学，质疑他给的推送时间是否有误。A同学莫名其妙，疑惑为何他的数据分析结果在周末会出现如此大的偏差。

其实A同学这里犯得错位其实就是幸运者偏差问题。在周一到周五工作日，一般8-9点在上班路上高峰期，12-13中午饭时间，这些时间点也是上班族玩手机的高峰时段。在此期间推送通常会有较高的转化率。但是周六日休息在家，则情况完全不同。这也造成了A同学得出了错误的结论。

其实出现这个问题的原因是幸存者偏差。工作日的时段，比如早高峰的8-9点、午餐时间的12-1点，这些上班族玩手机的时间段，是收到push通知的人群主要集中的时间段，因此在这些时间点推送活动会有较高的转化率。但是，周末这两天人们主要是待在家里，这导致了之前的数据分析在这两天里并不精准。

首先，关于幸存者偏差——也称为生存者偏差。大部分人可能只看到了“业务量最大的公司”、“最富有的人”等明星级成功者，忽略了那些未被关注的大多数。以流行的梗“老婆都是别人的好”为例，调查数据显示，在问卷调查中，有超过50%的被调查者认为别人的伴侣总是在自己的伴侣之上，而这就是一个重要的幸运者偏差表现。因为他们只看到或关注了别人展示出的美好表面，而遗忘了自家的真实、个性和魅力。

其二，社会观念的误导——这是由于接受了未经检验的，社会普遍接受的观点，使我们的理解偏离了实际的数据表明。如“读书无用论”即是一例。比如，有些人会以比尔·盖茨等富豪为例，试图证明读书无用。然而根据统计，对千万人群的大规模抽样显示，接受过高等教育的人群平均年收入高于未受过高等教育的人群35%以上。这是一个误解的社会观念的反例。

综上所述，正确的数据分析需要避免幸运者偏差和社会观念的误导。这就需要我们密切关注各类信息，尤其对于那些看似无足轻重的背景信息。只有基于全面、真实的数据，我们的分析结果才能反映出最接近事实的一面。