一、它到底是什么

要识别它，先问三个问题：这批数据是怎么来的？谁被算进来了？谁在门口被挡掉了？三个问题里任何一个答不清楚，结论就要打问号。

还有一个要点：筛选可能发生在你看数据之前很久。一个企业只能看到来面试的人，看不到从没投过简历的人；一个平台只能看到留下来的用户，看不到早就走掉的用户。你手上的是「活下来的」「愿意开口的」那一部分，而不是全体。

二、为什么它管用 / 为什么人会这样

人只能对自己接触到的信息做判断，接触不到的部分在脑子里几乎等于不存在。这在认知上叫可得性：你能想起来的，被你当成更常见的。看不到的样本根本不会进入你的回忆，于是你默认「我看到的差不多就是全部」。

还有一个推力是收集成本。要拿到全体数据，往往要花大力气；手边现成的那批数据不要钱。人自然倾向用便宜的、看得见的，替代该有的、全的。

反过来说，这地方有个反直觉的坑：越是认真、越愿意花时间把手头那批数据整理得清清楚楚的人，反而越容易陷得深，因为他把「整理得很仔细」误当成了「样本很完整」。认真用错了地方，比随便看一眼还危险，因为他会更有信心地把偏掉的结论讲给别人听。

三、什么时候会碰到它 / 该用它

• 你手上有一批数据，但说不清它是怎么被收集进来的。
• 一个结论听起来很有道理，可你从没见过反面的例子。
• 你在总结「成功的做法」，却从没研究过用同样做法却失败的人。
• 某个渠道、某个时间段、某群人的声音特别响，盖过了其他人。
• 你要把一个从小样本得出的判断，推广到更大的范围。

四、什么时候它不管用

当你手里的观察就是全部、而且是穷尽的，比如一次全量普查，筛选无从发生，这个视角就派不上用场。当你的目标只是描述被选中的那批人，而不是推广到整体，也不必上纲上线。还有一种误用：把任何结论都扣上「有偏差」的帽子，用怀疑把讨论拖死，既不指认具体偏在哪，也不提出怎么补，这不是分析，是打太极。

五、例子

六、最容易走偏的地方

• 把看得见当成全体：随手可得的那部分，最容易冒充「全部」。
• 以为样本大就放心：一万个有偏的样本，还是偏的。
• 只研究成功者：向成功者学习，却漏掉同样努力而失败的大多数。
• 用「有偏差」当万能挡箭牌：指出偏差，得说出偏在哪、怎么补，否则只是拒绝思考。
• 忘了自己的观察位置：你站在哪里，决定了你能看到谁。

七、怎么把它用起来

• 拿到任何一批数据，先写下它是怎么进来的，判断做对的标准是你至少能说出一条被排除在外的对象，说不出来就说明你还没看懂它。
• 主动去找反面样本，专门研究失败者和退出者，判断做对的标准是你能举出几个和结论相反的具体例子，而不是一个也想不起来。
• 问一句「换个时间段、换个渠道、换群人来问，结论还成立吗」，判断做对的标准是你真的去验了一次，而不是只在心里假设一下。
• 把结论的适用范围写窄一点，明确它只对哪类人、在什么条件下成立，判断做对的标准是这句话里出现了具体的限定词。
• 面对一个特别响的声音，先查它是不是样本里数量最多的那类人，判断做对的标准是你分得清「声音大」和「人更多」。
• 在结论旁边写一小段「我看不到什么」，判断做对的标准是这段话点出了至少一个真实的盲区。

八、它和「幸存者偏差」不一样

幸存者偏差是选择性偏差里最典型的一种，专指只看活下来的、留下来的对象。选择性偏差范围更广，筛选的原因可以是时间、渠道、地点、门槛，不一定是「死活」。差在判据上：幸存者偏差的筛选发生在「最后还在不在」，选择性偏差的筛选发生在「一开始谁被放进来了」。

它和「确认偏差」也不一样。确认偏差是你先有了一个看法，于是专门去找支持它的信息、避开反对的信息，偏在「你怎么挑证据」。选择性偏差是样本在到达你手里之前就已被筛过，偏在「你手上有什么」。一个是主动挑选，一个是被动接收，差在判据上就是：证据是你自己选的，还是你根本就没见过。

九、常问的几个问题

样本小就一定不可靠吗？

不一定。关键看它是怎么被选出来的。随机抽的小样本，可能比一个很大的方便样本更可靠。

怎么知道自己正在被筛选？

问一句「换一群人来问，答案会不会不一样」。会不一样，就说明你看到的不是全体。

所有数据都有偏差，那还能用吗？

能。先用它得到线索，再用别的来源去交叉验证，别让它单独决定结论。

相关

幸存者偏差、确认偏差、可得性启发