AI时代的判断力 · 第39篇
一个漂亮结论可能在分析开始前就已经错了：重复行、缺失值、单位混用、筛选范围或样本偏差都会改变结果。复核AI分析时，先追数据从哪里来，再看它算了什么。
沿着数据走五站
- 来源：谁收集、为何收集、覆盖什么时间和人群？
- 清理：删除、补值、合并和重编码做了什么？
- 口径：每一列的单位、定义和分母是什么？
- 计算：公式、过滤条件和分组能否独立重现？
- 解释：结论是描述、相关还是因果？是否超出样本？
用三个“控制总数”抓错误
| 控制 | 例子 |
|---|---|
| 行数 | 导入前后、去重前后是否符合预期 |
| 合计 | 分组之和是否等于总体，金额是否对账 |
| 已知样本 | 手工计算几行，结果是否与AI一致 |
要求AI交付的不应只有结论，还应包括数据字典、清理记录、可执行公式或代码，以及无法判断的事项。没有可重现路径的分析，只是一段听起来有根据的叙述。
参考资料
了解 Geoffrey Chen 的更多信息
订阅后即可通过电子邮件收到最新文章。