数据素养（Data Literacy）的核心不是会写代码，而是具备以下四种能力：①**读取数据**（Reading Data）：能正确解读图表、报表和统计摘要；②**理解数据**（Working with Data）：理解数据的收集方式、局限性和常见偏差；③**分析数据**（Analyzing Data）：能使用基本工具（Excel、简单可视化）对数据进行初步分析；④**质疑数据**（Questioning Data）：能识别数据背后的假设和潜在误导性。这四个维度构成了”数据公民”（Data Citizen）的基本素养框架。
## 最常见的数据解读错误
**混淆相关性与因果性**：两个变量相关（同向变化）不代表一个导致另一个。冰淇淋销售额与溺水率正相关——两者的共同原因是夏季高温，而非冰淇淋导致溺水。职场中常见的错误：把”销售额在广告投放期间上升”理解为广告的直接效果，而忽视季节因素、竞争环境变化等混淆变量。**幸存者偏差**：只看到成功样本而忽视失败样本的系统性误差。”我们公司最成功的销售员都有乐观个性”——但我们没有观察到同样乐观却没有成功的销售员。**基数效应忽视**：增长率数字脱离基数时具有误导性。从1人增长到3人是”增长200%”，从1000人增长到1100人是”增长10%”——两个数字的实际意义完全不同。**P值滥用**：统计显著性（P<0.05）不等于实际显著性（效应量是否有实际意义）。 ## Excel数据分析基础技能 Excel仍然是职场最广泛使用的数据工具。核心功能：**数据透视表（Pivot Table）**：对大量数据按维度汇总分析的利器，掌握数据透视表是数据素养的第一步；**VLOOKUP/XLOOKUP**：跨表数据关联查找；**条件格式**：数据可视化的快速工具；**基本统计函数**（AVERAGE, MEDIAN, STDEV, CORREL）；**图表选择**：不同数据类型适合不同图表类型（趋势用折线图，构成比例用饼图，分布用直方图，比较用柱状图，相关性用散点图）。 参见[SQL数据查询入门](https://sunqi.org/sql-data-query-basics-zh/)；[数据可视化原则](https://sunqi.org/data-visualization-principles-zh/)；[哈佛商业评论数据素养系列](https://hbr.org/topic/data)。
