? 点击蓝字 毛选实战手册 关注我们
分清真象和假象——市场调研中的数据造假
出处：《百例》案例48——"分清真象和假象"
你看过一份完美的商业计划书吗？
用户增长曲线一路向右上角飞，单位经济模型全线为正，复购率、LTV、获客成本，每一项都好看得像教科书。你越看越兴奋，越看越觉得这是下一个独角兽。
然后你投了钱。
然后你发现，那些数字全是编的。
22亿，一笔一笔"造"出来的
2020年4月，瑞幸咖啡自曝财务造假22.6亿元人民币。
这不是一个粗糙的骗局。这是一场精密的"假象工程"。
瑞幸伪造了大量的零售小票。一杯咖啡卖出去没有？没有。但系统里显示卖出去了。门店交易额不够？用关联公司刷单补上。成本数字不好看？虚增采购价格来匹配虚增的收入，让毛利率看起来合理。
更可怕的是——它经过了审计。 安永会计师事务所审了两年没审出来。浑水做空报告里动用了92个全职调查员，在全部4507家门店部署了1万多个小时的门店实地监控，拍摄了超过1万小时的视频，收集了超过2.5万张小票——这才撕开了假象。
投资人看到的每一个数据点都是"真的"——系统里确实有那些记录。但这些真数据指向的是一个假事实。
教员说的"假象"，不是没有现象。是有现象，但现象指向的不是真实。
什么叫"真象"和"假象"
《百例》案例48讲"分清真象和假象"，核心观点很朴素：
表面现象有两种——真象反映本质，假象掩盖本质。
真象是冰山一角，你顺着它往下挖能找到冰山。假象也长得像冰山一角，但下面是空的——有人在水面上放了一块泡沫。
这件事在商业世界中每天都在发生。财务数据可以包装，用户数据可以刷量，满意度调查可以引导。不是所有数据都在说谎，但你必须学会区分——这个现象背后是冰山，还是泡沫。
三个红旗信号：识别调研中的"假数据"
下次你拿到一份调研报告、一份商业BP、一组运营数据，检查这三个信号：
| 红旗信号 | 本质问题 | 检测方法 |
|---|---|---|
| 数据"太干净" | 真实数据一定有噪音、有异常值、有不一致的地方。如果所有指标都完美指向同一个结论，警惕人为清洗 | 看原始数据，不看加工后的图表。要求提供异常值说明 |
| 只有结果没有过程 | 告诉你"用户增长300%"但不告诉你怎么增长的。真增长有来源可追溯，假增长只有一个总数 | 追问渠道明细：哪个渠道来的？各渠道成本多少？新增用户的次日留存分别是多少？ |
| 无法交叉验证 | 一个数字如果是真的，一定能从多个维度互相印证。如果收入涨了但银行流水没变，问题就来了 | 用不同来源的数据互相"对账"。财务数据对银行流水，用户数据对服务器日志，销售数据对仓储出库 |
浑水做空瑞幸用的就是第三条——交叉验证。 他们不看瑞幸的财报，看门店实际客流。当门店录像里的杯数和财报里的杯数对不上，假象就碎了。
这和教员的方法一脉相承。他在《反对本本主义》里强调的"调查就是解决问题"，从来不是让你只看一组数据就下结论。看了正面看反面，看了数字看现场，看了报告看源头——这才是调查。
最简单的反假象原则
回到本质。
假象之所以能骗人，是因为我们太想相信它是真的。投资人想看到增长曲线，创始人就给你画一条。领导想看到项目成功，下属就给你挑好数据。
真正的调查者，不是去找证据证明自己对的。是去找证据证明自己可能是错的。
下次做决策前，把手边的数据拿起来，问一个问题：
如果这个数据是假的，我还能从哪里验证它？
如果你找不到第二个验证来源——那这个数据，就不配成为你决策的依据。
— END —
点击公众号名片关注「毛选实战手册」
