历史数据先回答覆盖了什么
神圣计划相关资料出现一张历史表时,先不要急着找最高值。应先看它从何时开始、到何时结束,每行代表一个事件、一次观察还是一个时间段。同样叫“最近记录”,可能覆盖十分钟,也可能覆盖一个月。对象和时间尺度不同,统计数字就不能直接比较。
还要确定列表有没有分页、折叠和筛选。屏幕上显示的二十行不一定是全部数据,导出文件也可能只包含当前条件。记录采集方式与可见范围,能避免把页面显示数量误当成历史总量。没有明确起止范围时,只能说明这是当前取得的记录片段。
纳入规则会改变统计对象
统计前写清哪些行算有效记录。重复项、撤回项、测试项和缺失项如何处理,都需要明确规则。先看结果再决定删除哪几行,会使样本偏向想要的结论。合理做法是在计算前确定条件,并保留被排除记录及排除原因。
例如同一事件在两个来源各出现一次,若研究对象是事件总数,应考虑按事件标识去重;若研究对象是来源覆盖率,两条来源记录可能都需要保留。这不是哪个计算方法天生正确,而是问题不同。统计目标应先于去重动作。
用十二条示例核对分母
假设一份示例表包含十二条有效记录,其中甲五条、乙四条、丙三条。甲的占比为五除以十二,约百分之四十一点六七。如果只选出前六条,而其中甲有四条,占比就变成约百分之六十六点六七。两个数都可能算对,但描述的是不同样本。
因此报告不能只写“甲占比较高”,还应说明使用全部十二条,还是前六条片段。示例数字仅用于演示口径变化,不对应任何实际产品表现,也不说明以后同一类别出现的概率。把统计量与样本标签写在一起,更容易被重新计算。
缺失与未知要留在清单里
若原本应取得十五个观察点,但只得到十二条,就需要记录另三项为何缺失。没有取得不等于结果为零,也不等于这些项目不存在。可以分别列出预期数量、实际取得数量和有效数量,让覆盖程度保持可见。
遇到后来补回的数据,应注明补录时间,并重新计算受影响的统计。旧报告保留原口径和版本,新的报告说明增加了什么。这样同一日期的数字发生变化时,有路径可追查,而不会被误解为随意修改历史。
给每次统计附一张口径卡片
口径卡片可包含问题、时间范围、时区、对象、来源、有效规则、去重键和缺失处理。再写上原始文件名称与计算日期,必要时保留筛选条件。读者拿到卡片后,应能知道哪些行进入了分母,哪些项目没有进入。
结论用“在本次取得并按上述规则处理的记录中”限定范围即可,不需要堆叠空泛提醒。若资料本身缺少来源,当前工作仍可完成格式整理和算术复核,但可信性结论应保留。清楚的数据边界,比一个没有出处的漂亮占比更有价值。