拆穿數據胡扯

瞭解數據，拆穿胡扯【看書的速度得快一點，看完了後面前面的忘得差不多了，還好有讀書筆記】 可能是因爲是數據人吧，本書個人覺得寫得令我看得很爽的幾個章節有： 第5章-數字與胡扯：如何通過數據處理來傳達錯誤信息 第6章-選擇偏倚：導致選擇性偏見出現的原因 第7章-數據可視化：通過圖片的方式更容易誘導讀者 第10章-辨別胡扯：6種實用的方法辨別胡扯 個人認爲，數據和歷史一樣，是任人打扮的小姑娘。 有了一份數據，每個人都能夠從自己的角度出發，從利於自己的角度解釋。 辨別明顯有邏輯謬誤的陳述較容易，但是當對方既給你提供了數字，又給你提供了圖表，然後top-down地給出了看似很合理的結論，我們就很難辨析了。 尤其是在移動互聯網一鍵轉發、線上匿名便捷手段加持下，胡扯、虛假、謬誤則更是以爆發性的速度肆意傳播。 畢竟，作者這麼說： 驅動社交媒體內容的算法就是胡扯。他們不關心自己傳遞的信息，只是想引起我們的注意。只要是能吸引我們注意力的信息，他們都願意告訴我們。 能夠在現在做到多思考、少轉發，已屬難得。 本書令我印象最深刻的一句話： 如果某件事看起來太好或太壞而不像是真的，那麼它很可能不是真的。 特別是在做數據的時候，發現環比漲了或者跌了30%的時候，就要細拆維度看看是不是自己弄錯了。 然後作者提供的六大鑒別數據胡扯的方法，值得我們常用常新，個人認爲在生活中的各個場景都能用上。 且可以通過主動提問的方式，增加主動性，帶動思考。 1、質疑信息來源 WHO：說話的這個人是誰？ HOW：他是怎麼得到消息的？ WHY：他爲什麼要說這個？ 2、小心不公平的比較 兩者可比嗎？ 用於衡量兩者大小關係的指標是怎樣量化的？ 3、本書經典名句：如果好得/壞得不像是真的，那麼極有可能就是假的。 數據好在/差在哪裏？ 4、從數量級考慮 用費米估計法，我會估算結果是多少？ 5、避免證真偏差 爲什麼他得到的結論和我平時的認知如此一致，而我爲什麼連想都不想就點頭了？ 6、考慮多個假設 還有其他可能性嗎？ 別人可以不嚴謹，但是做數據的一定要嚴謹。 回到本文，看看那些經典句子。 1、你在學校學到的東西對你（將來的生活）幾乎毫無用處，但它有一個好處：只要你認真學習，方法得當，那麼在別人胡說八道的時候你會有所察覺。我認爲，這即使不是教育的唯一目的，也是它的一個主要目的。 2、原因主要分爲概率原因（A是B發生可能性增加的原因）、充分原因（A發生，則B肯定發生）和必要原因（如果A沒有發生，則B不會發生）。 3、古德哈特定律：指標變成目標後，就不再是一個好的指標。 4、選擇偏倚，或者交作選擇性偏見，也是我在看到本書標題後想到的第一個胡扯，產生的幾個原因舉例 1). 主動選擇效應。 e.g. 因爲能賺一筆錢所以才換保險公司，呈現出來就是換了保險公司的人大部分都賺了錢。 2). 觀察選擇效應。 e.g. 等公交車，你更有可能在較長的公交車間隔期出現，所以你經常需要等待很長的時間。 3). 伯克森悖論：即使兩個變量沒有關聯，但由於特定的抽樣方法或者數據處理侷限，導致呈現出一定的相關關係。 e.g. 帥哥都是渣男，好人卻不怎麼帥。 4). 數據刪失：由於部分數據不滿足條件被刪除，導致樣本不再具有隨機性。 e.g. 學說唱、嘻哈音樂的人，平均死亡年齡只有古典音樂的1/2。因爲前者存在的歷史比較短，大部分還在世的人沒有被統計進去。 5、如果用能力不足解釋得通，就絕不要認爲對方存有惡意或不誠實；如果用可以理解的錯誤解釋得通，就絕不要認爲對方能力不足。 6、比例油墨原理：用陰影區域表示一個數值時，陰影區域的大小（面積）應該與對應的數值成比例。 7、避免證真偏差。證真偏差是指人們往往會注意、相信和分享與我們已有信念相一致的信息。如果某個言論與我們相信的東西相一致，我們更傾向於接受它，而不太可能懷疑它的真實性。

拆穿胡扯數據-在數據驅動的世界裏保持批判思維的藝術 社會學家尼爾·波茲曼名言：在任何時候，你必須與之抗爭的胡扯主要源於你自己。 所以，我們辨別真想的時候，首先要做的就是避免“證真偏差”，我們願意關注相信和分享與我們已有信念一致的信息，是啊，爲什麼要對你“知道”的事情進行覈查呢？但正是因爲我們以爲我們知道了，從而失去了探索的動力，堆積了錯誤，從而繼續在自己認知的牢籠裏，看不見這個世界的真實，重塑基礎思維的重要和困難大概也都源於此吧。 本書的作者提出了五六個識別虛假信息錯誤結論的方法，非常有價值，我用自己的理解和案例嘗試複述。 1，質疑信息來源，這是衆人皆知的，但是不容易做到，我們經常嘲笑老年人，開口就是“你王大娘說了”，其實我們在嘈雜的網絡裏看到信息，可能不過是另外一個“李大爺”的意見。當然作者討論的困難還遠遠不止於此，即便是科技類專業期刊，也經常充滿胡扯的論文，但是普通人只要避免一個原則，就可以大大減少錯誤的決策：向你傳遞該信息的人，是否在向你兜售某種理念或者物品，而這種兜售和他自身利益有直接相關。你當然知道不能盲目聽從一個汽車銷售員的信息或者商品導購的信息，但即便知道，還有很多更高層次的兜售，而且技巧之強大，往往會讓你情不自禁購買或者投票。隨時記得問三個問題：這個消息是誰告訴我的，他是怎麼知道的，他們想向我兜售什麼？ 2，小心不公平的比較，我們必須小心的看待比較的數據範圍，定義，性質，比如今年十一和2022年的同比，和2019年黃金週的比較，這裏面涉及很多的維度，拋開社會管制因素不說，今年是8天，之前是7天，差了1天就相差了14%的幅度，拿絕對數據總量出來對比顯然是不公平的。再比如大家關心通脹時往往對比CPI，但是中美CPI指數的各種權重設計是有很大偏差的，比如美國租房是很大權重，而中國豬肉一項大物價就會影響cpi，這樣簡單的對比想得出精細的結論，就不公平。而往往願意不公平對比的人，經常是有了結論再去找證據，就好比箭射到靶子上再去畫圓一樣，看起來很完美，實際很虛假。 3，如果好得或者糟糕得不像真大的，那大概率就不是真的。但目前的網絡世界只有極端言論才能吸引大家的眼球，所以很多新聞，尤其是自媒體新聞，在沒有確認對方專業度和道德意願之前，是真的沒有必要閱讀。最簡單的例子，如果你對彩票的時候發現自己中了頭等大獎，那麼你看錯一位數的概率會遠遠遠遠高於你真的中了大獎，世界往往是樸實簡單的。 4，從數量級考慮，作者舉了美國一個議員的例子，推測海平面的上升可能是落入海洋的岩石造成的，但是地球上的海洋都是相連的，哪怕高達100米的多佛白崖及沿岸1000米的陸地全部沉入大海，那麼海平面大約上升3%頭髮直徑的高度，普通人如果看到一個觀點就形成自己的結論之前，真的要從數量級考慮一下，不幸的是我們的大腦並不善於處理太大或者太小的數據，更不善於處理冪級增長的數據。 5，考慮多個假設，比如x導致了y，那麼我們可以想想如果沒有x，y發生的概率有多大，比如發生了一個事件企業股票下跌1%，那麼沒有發生這個事件股票下跌1%的頻次高嗎？如果大盤下跌了2%而個股只下跌了1%，那麼這個事件是不是正面的利好呢？這就是芒格推崇的“反過來想”，小事怎麼決策都可以，大事情一定要多考慮幾個假設，反過來想，把各種影響因素想的充分一點，並且真的區分是不是有因果關係，是不是大的影響權重。 哲學家哈里·法蘭克福對謊言和胡扯做了區分，謊言是爲了使人們遠離真相，而胡扯則是對真相漠不關心。而一個世紀前傳奇記者就指出：如果一個社會缺乏識別謊言的手段，就無自由可言。

書名：《拆穿數據胡扯》（[美]卡爾·伯格斯特龍 [美]傑文·韋斯特） 讀者：1100011101 耗時：3h4min 記錄： 信息大爆炸時代，充斥着各種假消息，它們很大一部分來源於數據胡扯。對數據胡扯的辨別和措施如下： 一、如何辨別胡扯？ 1. 質疑信息來源 2. 小心不公平的比較 3. 如果好得或糟糕得不像是真的 4. 從數量級考慮 5. 避免證真偏差。證真偏差是指人們往往會注意、相信和分享與我們已有信念相一致的信息。 6. 考慮多個假設 二、如何辨別網上的胡扯？ 1.證實和三角互證。 2. 注意信息來源。 3. 追溯消息的最初來源。 4. 使用反向圖像搜索。 5. 注意深度換臉等合成技術。 6. 利用事實覈查組織。 7.確保你知道你在和誰打交道。比如假新聞的域名可能是abc.com.co，而非正確的abc.com。 8. 考慮網站的歷史記錄。 9. 注意真相錯覺效應。 10. 減少信息攝入。 三、如何駁斥胡扯？ 使用歸謬法 要讓人難以忘記：尋找目擊證人？ 尋找反例 使用類比 重新繪製圖表 使用零模型 當面揭穿

《拆穿數據胡扯》這本書都講了啥 《拆穿數據胡扯》是美國華盛頓大學的博格斯特隆和韋斯特寫的，中信出版社在 2022 年 3 月出的這本書。 現在這社會啊，數據到處都是，可真真假假讓人頭疼，這本書就來教咱們咋看穿那些騙人的數據瞎話。 書開頭說，把書獻給作者的妻子霍莉和希瑟。爲啥呢？因爲這倆妻子可厲害啦，當丈夫們開始瞎扯的時候，她們馬上就能指出來，一點不含糊。平常呢，又不會隨便亂批評，給足了面子。這就跟咱們對待數據信息似的，碰到胡扯的得能發現，沒毛病的咱也別亂質疑。 那啥是胡扯呢？簡單說，就是那些不管事實、不講邏輯，就爲了說服你而用些花言巧語、不靠譜統計數字和迷惑人的數據圖表的東西。 你看啊，在政治裏，有些政客爲了拉選票或者推政策，滿嘴跑火車，說些不實的話；科研裏也有，有些研究人員把沒好好驗證的新聞稿當成果發出來，這多坑人吶。這些胡扯的東西到處傳，老百姓很容易就被帶偏了，不管是對社會發展還是個人做決定都有壞影響。 爲啥會有這麼多胡扯呢？一方面，人都有私心，想賣東西賺錢或者讓別人高看自己一眼的時候，就可能瞎編。比如說銷售員爲了多賣東西，把產品功效吹上天；找工作的人想得到機會，在簡歷上造假。另一方面，現在咱們懂的知識多了，也有更多辦法去製造看似合理的瞎話。再加上互聯網太發達了，傳播東西太快太容易了，製造胡扯沒多少成本，可要是想把這些胡扯清理掉，那可太難了。 在數據裏，胡扯都咋表現呢？數據可能本身就有問題，收集數據的時候就出錯了，或者故意改數據，測量方法也可能不對，選的樣本也不科學，樣本太少或者太偏向一方了。還有啊，數字和公式也會被亂用，單獨拿個數字出來，也不說清楚背景，計算百分比的時候瞎算，用些複雜公式裝樣子。另外，別以爲兩個東西有關係就一定是因果關係，可能只是巧合或者有其他共同原因，可別被誤導了。 那咱們咋辨別這些胡扯呢？首先得看看信息是從哪來的，如果是權威機構、專業期刊或者政府部門發佈的，相對靠譜些，那些不知道哪來的網站或者個人博客發的，就得小心。還得知道統計方法都有啥毛病，要是數據是用不太靠譜的統計方法得出來的，那結論可能就不對。看數據的時候，樣本量夠不夠大，是不是隨機選的，圖表有沒有故意誤導人，這些都得注意。判斷事情的時候，別光想着找證據證明自己對，也得看看反面證據，多考慮幾種可能，別輕易就認定兩個東西有因果關係，得仔細分析分析。學會辨別胡扯可太重要了，能讓咱們不被假數據騙，不管是買東西、投資，還是參與社會討論、找工作做決定，都能更明智，這樣社會也能發展得更好更理性。

騙死人不償命推薦等級：★★★★ 數據不會騙人，這句話曾經很流行，也成爲了許多人的口頭禪。可事實果真如此嗎？要說數據騙起人來，那也是騙死人不償命。 《拆穿數據胡扯》一書作者爲我們揭穿了那些用數字、科學和統計語言來製造精確嚴謹的假象，可以更好避免被這些披着真實外衣的謊言所利用。 無處不在的騙局 雖然說數字不會騙人，但也只是理想狀態，而在現實中稍微懂點這種新式騙術的人可一點不比那些使用空口白話來忽悠人的來得差。受衆通常默認其真實可靠不加防範，於是在被別有用心的人利用之後威力更大，造成的影響也更加嚴重，後果也更加惡劣。 使用虛假捏造的數字還算是小兒科，更加可怕的是那些使用真實數據裁剪後展現出的幻象，引導人們一個個主動掉進事先挖好的坑裏。不僅渾然不覺，還會常常被人賣了還幫人數錢。 一門新的語言 其實之所以會出現此類現象，很大程度上是因爲這是一門伴隨着社會發展而誕生出的一門新語言。一來大多普通人不懂其中的奧妙，二來千百年進化而形成的人類大腦暫時無法跟上起發展步伐，三來缺乏相對應的訓練。 以至於在擁抱世界的同時被這門語言騙得團團轉，難以識別真假。不信打開手機，隨手翻翻各種媒體報道里的數據，尤其是在那些虛假新聞中，此類騙局屢見不鮮。 老辦法對新問題 面對層出不窮的新問題，老辦法解決不了。好在除了坐以待斃之外，我們還有其他選擇。本書作爲一本通俗易懂的讀物，不光可以幫助我們加強防範意識，更可以學習新的解決辦法。 質疑信息來源、小心不公平的比較、警惕過度失真、注意數量級、提防迎合我們的、考慮多個假設，這些都是比較基本的做法。而在面對互聯網上日新月異的新騙局，還要學習和了解最新技術的特點和侷限，通過不斷學習來提升自我，避免犯錯誤。 拆穿謊言 書中也提供了一些拆穿謊言的辦法，可以讓我們像一個偵探一樣抽絲剝繭，還原出一個更加令人信服的事實。使用科學實用的辦法來勘誤很重要，但更加重要的是什麼時候用、用在什麼地方等。 再厲害的神兵利器也要用對地方，既可以最大限度發揮其作用，也避免產生的副作用。對於普通人來說，面對日常生活中的數據謊言，無傷大雅的可以不必認真，利益攸關的則不可馬虎。 一個人的精力是有限的，如果總是盯着那些瑣碎小事，在面對重大事項就很難做出全面客觀的判斷。那可真是撿了芝麻丟了西瓜，本末倒置。 換湯不換藥 即便這樣，我們也不必過分恐慌，就目前來看，其中很多騙局可謂是換湯不換藥。只要搞清楚其中的基本原理，熟悉常見的數字語言，足以坦然應對大多數情況。 更何況，相對於不斷花樣翻新的手段，人的變化並沒有那麼大。甚至可以說，再高明的騙局依然還是針對人性中的那些弱點。倘若對此有所警惕和防範，保持冷靜，理性面對，身處再眼花繚亂的局面也會迎刃而解。 你不懂，就很容易上當受騙；一旦學會，自然會將這紛紛擾擾看得真真切切。

看到書名就追着進來，想獲得一些辨別胡扯的方法，還真找到了，不過在幾乎看完整本書纔看到，慶幸沒在前面幾章就放棄。 雖然乾貨只在最後一兩百頁出現，但還是有些收穫。辨別胡扯的一些方法，歸謬法，反例法，類比法等等。印象最深的是用常識中的數據量級維度去估算一個數據是否正確，這個很有用，比如10,100,1000,10000,100000這樣，只需用到這個量級去估算即可，看到很多牛人心算水平很高，估計他們無意中也用這種方法，值得學習。 另外國外翻譯過來的書都是一樣的毛病，說的話像封建女人的裹腳布，又臭又長，繞來繞去[尷尬]

個人書摘整合 我是跳着讀的，原因是，在我有限的時間看來，整本書還是比較厚的，且我通常喜歡看結論，不太喜歡跟着枚舉的案例思考， 我的整體評價是，沒什麼新意，仍然是老生常談的事情，下面的內容只是一些我自己理解的內容的概括，與某一主題相關的內容，我直接拼在一起了。 數據胡扯產生的原因 與進化的根源有關，指出動物也會胡扯。“這種行爲並不是這些生物想象出來並決定去執行的。這只是一種進化後的本能反應。” 與人們對事情的解釋有關， 含糊詞、爲達目的而撒謊、爲取悅人而胡扯、選擇偏倚（你看到什麼，取決於你看的是哪） 注意，是不是你認爲你對一個羣體的研究結果也適用於其餘的羣體？思考問題的時候可以想一想。 與人們如何運用數據如何編造數據有關， 輸入數據存在偏差，或者是得出結果存在明顯問題，從錯誤數據中也可能得到荒謬結果。也就是說測量程序可能存在問題，基於來源誤差。比如樣本選擇方式的偏差會產生負面影響更大。“計數時可能出錯，小樣本可能無法準確反映整體的特性。根據其餘信息判斷數量的過程可能是錯的，數字也可能完全是胡扯憑空捏造出來的，目的是給一個本來就站不住腳的觀點增加可信度。”且數字、公式會給人一種客觀的感覺。數字的上下文也會導致人們進行解釋，要放在合適的位置，不然也會造成誤解。有可能出現一個很大程度上不相干的數字，或是兩個數字都有一些道理。也會誤導人們進行錯誤的判斷。還要考慮得到的結果是否受抽樣行爲本身的影響，例如調查某一課題，只摘取某一固定性別的數據。 注意，“樣本不一定要完全隨機纔有用，只需要對於我們問的問題來說，具有隨機性就可以了。”“還應該考慮的一個問題是我們對研究結果的適用範圍抱有什麼樣的期望。” 與如何傳播數據有關，與技術有關，與互聯網當中的利益有關，比如新聞的點擊率，從而導致新聞大量渲染情緒，可能會夾雜一些毫無意義的事實。 與人們的自我表達有關，有些時候人們並不在乎數據的真實，而是想要表達自己，這個表達過程當中沒有統一的含義，就會容易造成誤解。 而之所以胡扯難以散去， 是由於1 “製造胡扯的工作量遠小於清除胡扯的工作量，2 而且胡扯難度低，成本小。”胡扯不僅容易創造，還容易傳播。3 製造胡扯，對智慧的要求比清除胡扯的要求低。 第2張章單獨談了媒介 媒介會放大傳播胡扯的速度——互聯網用戶大多數是普通民衆，沒有什麼權限進入到專業信息中，以及信息轟炸、情緒渲染、膚淺的、遮掩的標題更容易提升點擊率，製造這些產物的人不在乎事件本身，只在乎用戶平臺活躍度。關乎到商業利益，有偏見的內容更容易被分享、點擊，“社交媒體分享新信息是次要目的，主要目的是維持並加強共同紐帶。”人類自動化計算機程序也會造成很多虛假行爲。 胡扯的定義:“全然不顧事實、邏輯連貫性或實際傳遞的信息，而是利用語言、統計數字、數據圖表和其餘表現形式，通過分散注意力、震懾或恐嚇等方法，達到說服或打動人聽話的目的。” “這一定義的關鍵要素在於胡扯的目的根本不是表述事實，而是利用某種修辭手段來掩蓋事實。” 一個測試含糊程度的方法：“如果一個語句變成否定句後意思沒有變，就是胡扯。” 需要警惕的是：相關性不等於因果性。“一個測量項無法告訴你另一個測量項的任何信息。”且注意大衆媒體通常不做這樣的區分。有可能會通過一些暗示、數據圖使人誤認存在因果性。還有可能是“對數據進行各種各樣的比較，最終發現了因果性，但這些因果性是巧合導致的，而不是現實世界中任何相互關係的體現。” “討論因果關係時，我們一直在說可能性而不是確定性。” 對於以上偏差的應對 1 質疑、追溯信息來源——這個信息是誰告訴我的？這個人是怎麼知道這些信息的？這些人想向我兜售什麼東西？不僅要看新聞標題，還要看報道具體內容。儘量挖掘一手內容。使用反向圖像搜索。注意深度換臉等合成技術。利用事實覈查組織，作者在這裏提供了三個外國的網站，考慮網站的歷史記錄。 2 小心不平等的比較 3 “如果某件事好到或糟糕到讓人難以置信的程度，就有可能不是真的。” 4 從數量級考慮 5 避免證真偏差——“人們往往會注意相信和分享與我們已有信念相一致的信息。”“看到某個東西的次數越多，越有可能相信它。” 6 考慮多個假設 還要減少信息攝入 所有的這些要素其實是互相關聯的，所以本身分類只是爲了讓人重點在意哪裏，其實根據我看認知心理學書籍的經驗，人是不可避免的擁有認知偏差的，這些梳理的話也只能是建議和提醒，如何運用數據還是在人，而人本身就不是那種標籤化程序化的東西，人總是會變，我是以動態的視角看待這個世界的，我也明白看了這一本書也不可能讓我變成一個完全沒有任何偏差的人，我在讀的過程當中本身，就只注意了結論沒怎麼在意過程。有可能也會造成偏差，今天的主要目的還是挑戰一下速度整本書，我會有什麼樣的感受，所以並沒有太在意信息的嚴謹。對於養成這種思辨的能力，還是最好從微習慣開始，這本書也算是我養成思辨習慣的一個提醒吧。

裏面講了很多關於數據的“詭辯”，在大數據時代，書裏提到的想法很受用。可以更理性看待“研究表示”“數據顯示”

這是一本值得推薦的書。 我們每個人每天都會面對海量的信息，而我們的情緒還極易受到各類信息的撩撥，最重要的是，我們的大腦還很“懶”，不願意進行思考，因此便給了“胡扯”可乘之機。 其實書中揭示的很多胡扯類型，以及應該怎樣辨別胡扯、駁斥胡扯的方法，都是基於常識的基礎上的，而我們現在大多數人之所以會受到各類信息的影響，就是我們忽略了一些基本的常識。 所以，這本書提醒我們，在每天面對海量信息的時候，不要輕易的站隊，給自己幾分鐘的時間，琢磨琢磨這些信息是否符合常識？是否符合邏輯？這樣我們纔會生活的多一些理性，多一點清醒。

沒看過原著，不知道是翻譯還是讀者的問題，有些地方實在是難受，請說人話，說人話； 被書名吸引，沒啥新收穫，同類型更推薦《學會提問》。