正版新书--数字原来会说谎 扣小米 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

扣小米 著

图书标签:

• 数据分析
• 统计学
• 数字陷阱
• 批判性思维
• 信息解读
• 科普
• 社会科学
• 决策分析
• 媒体素养
• 真相

店铺： 麦点文化图书专营店

出版社： 化学工业出版社

ISBN：9787122307224

商品编码：29200072348

包装：平装-胶订

出版时间：2018-02-01

基本信息

书名：数字原来会说谎

定价：39.80元

作者：扣小米

出版社：化学工业出版社

出版日期：2018-02-01

ISBN：9787122307224

字数：

页码：

版次：1

装帧：平装-胶订

开本：16开

商品重量：0.4kg

编辑推荐

---

后真相时代与谎言媒体是谎言媒体导致我们进入了后真相时代？还是后真相时育出了媒体谎言？对很多平台来说，或许这是一个流量比事实更重要的时代数字图表？有图不代表有真相！

内容提要

---

在大数据时代，数字被看作是巨大的金矿，变得地重要。人们可以通过一串串数字刻画整个世界，甚至预测未来。但是数字却永远无法代替真实，现在数字和数据被滥用的现象越来越常见，特别是新技术的运用更是使数据从收集到处理，从可视化到信息表达，每个环节都存在用数字做手脚的机会，让人防不胜防。不过数字永远都是那些数字，说谎的并不是数字本身，而是使用数字的人，是数字使用者把数字变成了“任人打扮的小姑娘”。
本书将用简单易懂的语言分析常见的利用数字说谎的情况，并结合一些常见的例子，对现有的一些“数字陷阱”现象进行解析。

目录

---

目 录

章　数字、数据与统计　/1
1.1　数字与统计学　/2
1.1.1　数字不仅仅是算算术　/2
1.1.2　我们为什么需要统计学？　/4
1.1.3　生活中统计学无处不在　/8
1.2　大数据时代　/11
1.2.1　大数据对生活的影响　/11
1.2.2　数据过多既是负担，也是隐患　/13
第2章　数字的意义　/17
2.1　预测比赛结果/冠军归属　/18
2.1.1　足球与夺冠赔率　/18
2.1.2　高盛预测2014年世界杯走势　/21
2.1.3　人工智能预测《我是歌手》冠军归属　/24
2.2　数字预测美国大选　/26
2.2.1　美国大选的计票方式　/26
2.2.2　538网站成功预测奥巴马当选　/28
2.2.3　统计数字比政治学家更可靠？　/31
2.3　用网络数据帮你赚钱　/34
2.3.1　语意分析——你在网上说过的话都蕴藏商机　/34
2.3.2　Twitter和Google中隐藏的赚钱秘密　/36
2.3.3　利用社交网络数据看股市走势　/40
2.4　数字与量化对学科研究的影响　/45
2.4.1　定性分析与定量分析　/45
2.4.2　社会科学中的量化研究　/46
2.5　媒体也在到处找数据　/50
2.5.1　数字对媒体传播的重要性　/50
2.5.2　数据新闻和数据可视化的崛起　/52
第3章　数据收集既有技巧又有隐患　/57
3.1　从哪里能够获得数据？　/58
3.1.1　二手数据　/58
3.1.2　一手数据　/59
3.2　什么样的数据是好数据？　/61
3.2.1　好数据的标准　/61
3.2.2　清洗数据也是技术活儿　/62
3.3　你的数据可靠吗　/64
3.3.1　数据来源不可靠　/64
3.3.2　对数字本身做手脚　/65
3.3.3　对数据后期处理过度　/66
3.4　样本选择不完善　/68
3.4.1　样本选择与整体数据　/68
3.4.2　样本选择偏差：失之毫厘，差之千里　/69
3.4.3　幸存者偏差：你经历的不就是真的　/72
第4章　相关性与因果性　/79
4.1　相关性与因果性的混淆　/80
4.1.1　相关关系不意味着因果关系　/80
4.1.2　购物网站怎么会知道我想读什么书　/81
4.1.3　“神奇的”相关性　/82
4.2　慎用“因为……所以……”造句：因果
关系不可乱用　/85
4.2.1　因果关系需要严密论证　/85
4.2.2　“倒因为果”也是一个严重的问题　/87
第5章　平均数的“挑选技巧”　/89
5.1　平均数、中位数与众数的差别　/90
5.2　平均数并不“平均”　/92
5.2.1　当地平均工资水平×万元，你被平均了吗？　/92
5.2.2　占领华尔街——社会上1%的人掌握了99%的
财富　/95
5.3　缺少平均数的误导性　/98
5.3.1　GDP全球第二，我国是否已经是经济强国？　/98
5.3.2　我国是地大物博、资源丰富吗？　/100
5.4　辛普森悖论：分类的重要性　/102
5.4.1　到底哪个班的平均分高？　/102
5.4.2　辛普森悖论　/104
5.5　补救平均数　/105
5.5.1　全国收入水平分布情况——你处在哪个位置？　/105
5.5.2　房价的中位数乘数　/107
第6章　数字图表——有图也不有真相　/111
6.1　数字与数据可视化：一图胜千言　/112
6.1.1　数字越详细，人们反而越不愿意看　/112
6.1.2　人类对图形更加敏感　/113
6.1.3　数据可视化的趋势与优势　/115
6.2　可视化的数字也是数据陷阱的
重灾区　/117
6.2.1　图形数据更加直观，但可能会遗漏一些数据
信息　/117
6.2.2　图像更易操纵　/120
6.3　改变坐标轴：数字变得不认识了　/121
6.3.1　截取纵坐标某一段，故意夸大差距　/121
6.3.2　图像的拉长与伸缩　/124
6.3.3　改变时间轴的范围：视角不同，“结果”
就不同　/125
6.3.4　百分号和千分号：单位到底是什么？　/129
6.4　魔鬼都藏在细节中　/131
6.4.1　查看数据备注说明信息　/131
6.4.2　注意数据图表的细节　/132
第7章　广告中的数字陷阱　/137
7.1　“降价50%销售”：
真的是降价促销吗？　/138
7.1.1　先涨价后降价　/138
7.1.2　先降价后涨价　/139
7.2　买家好评：口碑就是金钱　/141
7.2.1　信息不对称——卖家怎么说都有理？　/141
7.2.2　刷单导致偏差　/142
7.2.3　“给好评送礼物”　/143
7.3　夸张宣传误导消费者　/145
7.3.1　一周美白：公开的数字与背后的信息　/145
7.3.2　前提条件不明——隐藏的技巧　/146
7.4　流量为王的时代　/149
7.4.1　能到“10万 ”才算火爆　/149
7.4.2　赚流量也要守规矩　/150
第8章　公司运营中的数字陷阱　/153
8.1　营业收入与利润　/154
8.1.1　卖得越多，赚得越多？　/154
8.1.2　所谓“互联网思维”——先烧钱圈地，
再考虑盈利？　/156
8.2　增长：环比增长还是同比增长？　/161
8.3　企业带动纳税5000亿元　/163
8.4　注水的KPI　/164
8.4.1　KPI是用数字量化来考核的方式　/164
8.4.2　只要有数字就可能控——虚假业绩的
例子　/165
第9章　网络谣言中的数字陷阱　/167
9.1　为什么谣言比辟谣更受欢迎？　/168
9.1.1　人类偏好耸人听闻的故事　/168
9.1.2　带有数字的谣言更可怕　/169
9.1.3　谣言通常比充满科学味的枯燥辟谣文章更具有
可读性　/171
9.2　的谣言：离开剂量谈毒性都是
耍流氓　/173
9.3　生男孩还是生女孩——酸儿辣女？　/174
0章　美国大选预测遭遇滑铁卢：
特朗普来了　/175
10.1　总统大选，谁家预测得准　/176
10.2　尴尬的媒体和民调预测　/179
10.3　预测正确的媒体　/182
1章　数字与新技术时代　/185
11.1　人工智能、机器学习、大数据：
数字新时代　/186
11.2　新技术前景　/189
11.3　人类必须要面对的现实：
被机器取代　/191
11.4　安全隐患　/194
2章　总结　/197

作者介绍

---

扣小米，经济学博士，德国弗劳恩霍夫研究院访问学者。

文摘

---

序言

---

《数据不撒谎：洞悉数字背后的真相》 在这信息爆炸的时代，我们被海量的数据所包围。无论是经济报告、社会调查，还是科学研究、个人健康监测，数字几乎渗透到我们生活的每一个角落。它们似乎以一种不容置疑的客观性，呈现着世界的真实面貌。然而，事实真的是这样吗？数字真的永远不会撒谎吗？ 《数据不撒谎：洞悉数字背后的真相》并非一本告诉你“数字会说谎”的警示录，而是一本引导读者掌握“理解数据、辨别真相”能力的指南。本书深入浅出地剖析了数据产生的过程、分析的方法以及可能存在的误导之处，旨在帮助你从纷繁复杂的数字海洋中，提炼出真正有价值的信息，做出更明智的决策。 第一部分：数字的诞生——数据从何而来？ 在探讨数字的可靠性之前，我们首先需要理解数据的来源。本书的第一部分将带你走进数据的“生产线”，揭示每一个数字背后所承载的意义和局限。 数据采集的维度与陷阱： 任何数据都离不开采集。我们将详细介绍各种常见的数据采集方式，包括问卷调查、传感器监测、实验记录、网络爬虫等。同时，也会深入剖析在数据采集过程中可能出现的偏差，例如抽样误差（代表性不足）、测量误差（工具不准确或操作失误）、观察者效应（被观察者的行为改变）等。理解这些误差的来源，是避免被不准确数据误导的第一步。 定义与分类的艺术： 数据的意义很大程度上取决于它的定义和分类方式。我们将举例说明，同一个现象，不同的定义和分类方式会产生截然不同的数据结果。例如，“失业率”的定义可以包含不同程度的就业意愿和寻找工作的努力，不同的统计口径会直接影响最终的数值。本书将教你如何审视数据的定义，理解其背后的逻辑，以及在不同分类体系下数据的可比性。 时间序列的演变： 许多数据都具有时间维度。本书将探讨时间序列数据的特性，以及如何解读趋势、周期和季节性波动。同时，也会警示那些“只看当下”或者“断章取义”地展示时间序列数据所带来的误导。例如，某项指标在短期内下降，但长期来看可能处于上升通道，反之亦然。 第二部分：数字的加工——如何理解与解读数据？ 数据从采集到呈现在你面前，往往经历了一个“加工”的过程。这个过程包括数据的清洗、整理、统计分析和可视化展示。本书的第二部分将聚焦于这些环节，教你如何理解加工过程，并辨别其中可能隐藏的“猫腻”。 统计学的双刃剑： 统计学是处理和分析数据的重要工具，但同时也是可能被用来“操纵”数字的工具。我们将介绍一些基本的统计概念，如均值、中位数、众数、方差、标准差等，并解释它们各自的适用场景和局限性。更重要的是，我们将揭示一些常见的统计误用，比如“相关性不等于因果性”，以及如何通过选择性地呈现统计数据来制造虚假的联系或差异。 图表的欺骗性： 图表是数据可视化最直观的方式，但它也是最容易被用来“欺骗”的工具之一。本书将详细解析各种常见的图表类型，例如柱状图、折线图、饼图、散点图等，并指出在设计图表时可能出现的误导性技巧，例如： 坐标轴的截断与拉伸： 通过改变Y轴的起始点或比例，可以夸大或缩小数据的变化幅度。 数据点的遗漏或选择性展示： 只呈现对自己有利的数据点，忽略不利的数据。 误导性的图例或标签： 模糊的标签、不准确的颜色编码，都可能导致观者产生错误的理解。 三维图表的滥用： 三维图表往往会扭曲数据的真实比例，增加解读难度。 本书将提供一套“图表审查指南”，帮助你快速识别这些潜在的误导。 平均数的陷阱： “平均数”这个看似简单明了的统计量，却常常隐藏着巨大的误导。我们将通过生动的案例，展示极端值如何大幅度影响平均数，以及在何种情况下，中位数、众数等其他统计量更能反映数据的真实分布。例如，一个国家的平均收入可能很高，但这并不能掩盖贫富差距巨大的事实。 第三部分：数字的解读——如何从数据中看到真相？ 理解了数据的生成和加工过程，我们就能进入更深层次的解读。本书的第三部分将引导你主动去“审视”数据，从表面数字背后挖掘出更深层次的含义。 背景信息的重要性： 任何数据都必须置于其产生的背景下去理解。本书将强调，了解数据的来源、采集方法、样本群体、研究目的等背景信息，是进行有效解读的关键。脱离背景的数据，很容易被误读或滥用。 比较的艺术与陷阱： 我们常常通过比较来理解数据。但“如何比较”以及“比较的对象”至关重要。本书将探讨： 同类比较： 将同一指标在不同时间、不同地点或不同群体之间的比较。 异类比较： 不同指标之间的比较，需要谨慎，除非有明确的逻辑关系。 基准的选择： 合适的基准才能做出有意义的比较，不恰当的基准会产生误导。 我们将通过案例展示，如何通过选择错误的比较对象或比较方法，来得出虚假的结论。 相关性与因果性的辩证关系： 这是数据解读中最常遇到的误区之一。本书将用通俗易懂的语言，解释“相关性”仅仅表明两个变量之间存在某种联系，但不一定意味着一个导致另一个。我们将提供方法，帮助你区分单纯的相关性与真正的因果关系，避免“欲加之罪，何患无辞”。 数据的多重解读与不确定性： 即使是最严谨的数据分析，也存在一定的不确定性。本书将鼓励读者保持批判性思维，认识到数据可能存在多种解释，并且任何预测都带有一定的误差范围。学会接受和处理这种不确定性，才能做出更稳健的决策。 用数据讲好故事： 数据最终是为了服务于人类的认知和决策。本书的最后一章将探讨如何运用数据，以清晰、准确、有说服力的方式来讲述一个故事，而不仅仅是罗列数字。这包括如何选择最能支撑论点的图表，如何用简洁的语言解释复杂的数据，以及如何避免过度解读或夸大其词。 《数据不撒谎：洞悉数字背后的真相》将帮助你： 提升信息辨别能力： 在海量信息中，快速区分可靠数据和误导信息。 做出更理性的决策： 基于真实的数据分析，而非表面的数字呈现。 掌握科学的思维方式： 培养批判性思维和逻辑分析能力。 在工作和生活中游刃有余： 无论是阅读经济新闻，还是评估投资风险，都能更加从容。 本书内容丰富，案例详实，语言通俗易懂，适合所有对数据感兴趣的读者，包括学生、职场人士、决策者以及任何希望更好地理解我们所处世界的人。它不是一本揭露“数字会说谎”的惊悚读物，而是一本 empowering (赋能) 读者的实用指南，让你成为一个真正懂得“听懂”数字语言的聪明人。通过本书，你将不再被数字蒙蔽，而是能够自信地驾驭它们，让数据真正成为你认识世界的有力工具。

评分☆☆☆☆☆

我一直对那些能够揭示事物本质的读物情有独钟，而《数字原来会说谎》恰恰满足了我的这种需求。作者扣小米用一种非常直接且毫不妥协的语气，揭开了数字背后那层看似光鲜亮丽的外衣，露出了其可能存在的“阴暗面”。我尤其欣赏作者在书中对于“数据操纵”的深入剖析。他并没有简单地将数据操纵归结于个别不良商家的行为，而是深入到统计学的方法论层面，揭示了许多看似“正规”的操作，也可能产生误导性的结果。例如，在选择样本时，如果样本本身就带有偏见，那么即使样本量很大，得出的结论也可能是错误的。又比如，在展示数据时，利用不同的图表类型，可以制造出截然不同的视觉效果，从而影响人们的判断。这本书让我明白了，面对任何数据，我们都需要问“为什么”。为什么选择这个统计口径？为什么选择这个时间段？为什么选择这种可视化方式？这些“为什么”，往往是找到数字“谎言”的关键。作者的笔锋犀利，但却并不显得过于偏激，他更多的是在引导读者去思考，去质疑，去独立判断。这种开放式的探讨，让我感觉自己不仅仅是在被动接受信息，更是在主动地参与到对知识的构建过程中。读完这本书，我感觉自己在这个信息泛滥的时代，拥有了一双更加敏锐的眼睛，能够辨别那些隐藏在数字中的陷阱。

评分☆☆☆☆☆

我一直认为自己是一个对数据比较敏感的人，在工作中也经常会接触到各种各样的数据分析。然而，最近几年，我越来越感到一种无力感，感觉自己好像被海量的数据淹没了，却不知道如何真正地从这些数据中提取有用的信息。直到我读了《数字原来会说谎》这本书，我才意识到，问题并非出在数据本身，而是出在我对数据的解读方式上。作者扣小米用一种非常接地气的方式，揭示了数字背后隐藏的各种“猫腻”。我尤其喜欢书中关于“选择性呈现”的讨论。很多时候，发布数据的人，并不是在刻意欺骗，而是会选择性地呈现那些最能支持他们观点的部分，而忽略那些不利于他们观点的部分。这就好比一个人在描述一幅画时，只说画中最美丽的风景，而闭口不谈画中最丑陋的部分，最终给人的印象，必然是片面的。这本书让我明白了，在看到任何数据时，都应该保持一份警惕，并且尝试去了解数据的“全貌”。作者还用了很多生动有趣的例子，解释了统计学中的一些常见误区，比如“幸存者偏差”、“平均数陷阱”等等。这些例子都非常贴近我们的生活，让我能够轻松地理解这些原本可能比较抽象的概念。读完这本书，我感觉自己的数据解读能力得到了很大的提升，我不再轻易被表面的数字所迷惑，而是能够更深入地去分析和判断。

评分☆☆☆☆☆

我一直对社会学和心理学方面的知识很感兴趣，但总觉得很多理论都过于抽象，难以在实际生活中找到印证。直到我偶然间看到了《数字原来会说谎》这本书，我才发现，原来数字的背后，隐藏着如此丰富的社会学和心理学内涵。作者扣小米非常善于将复杂的统计学原理，与人性的弱点和社会的运作机制相结合。例如，在探讨“权威效应”时，作者就通过分析那些带有“专家”背书的统计数据，揭示了人们是如何因为对权威的信任，而更容易接受那些看似有理有据，实则可能充满误导的数字信息。这种结合，让我对书中的内容产生了更深的共鸣。我深刻体会到，数字不仅仅是冰冷的数学符号，它们更是承载着信息、观点，甚至情感的载体。而那些“会说谎的数字”，往往是利用了我们心理上的某些固有倾向，从而达到误导的目的。书中对于“确认偏误”的分析也让我印象深刻，我们往往会倾向于寻找和接受那些能够证实我们已有观点的证据，而忽视那些与我们观点相悖的证据。因此，即使面对同样的数字，不同的人，也可能得出截然不同的结论。这本书让我更加意识到，保持独立思考和批判性思维的重要性，尤其是在面对铺天盖地的数据信息时。它不仅仅是一本关于数字的书，更是一本关于如何理性地认识世界，如何不被信息所操控的书。

评分☆☆☆☆☆

当我拿起《数字原来会说谎》这本书时，我期待的是一本能够让我更深刻理解数字在现代社会中扮演的角色，以及如何识别其中可能存在的误导的书籍。而扣小米并没有让我失望。他在书中展现了一种非常独特的视角，他将数字视为一种“语言”，而这种语言，并非总是诚实地传达信息，有时候，它也可能被用来“欺骗”。我特别被书中关于“误导性统计”的章节所吸引。作者通过一系列详实的案例，展示了各种各样看似合理，实则具有误导性的统计方法。比如，利用“相关性”来暗示“因果性”，从而制造出虚假的联系。又比如，通过“选择性地引用”研究结果，来支持自己的观点，而忽略了其他可能存在的证据。这些手法，在现实生活中随处可见，从媒体的报道，到商业的宣传，再到某些学术研究，都可能存在。这本书让我深刻地认识到，我们不能盲目地相信任何一个数字，而需要对其进行审慎的分析和判断。作者的语言风格也十分引人入胜，他用一种非常通俗易懂的方式，将复杂的统计学概念解释清楚，同时又不失幽默感。读这本书，就像是在与一位经验丰富的向导同行，他能够带领你穿越数字的迷宫，找到隐藏在其中的真相。这本书无疑是我近年来读过的最有价值的非虚构类书籍之一，它提升了我的信息素养，也让我对这个世界有了更深刻的认识。

评分☆☆☆☆☆

坦白说，一开始我对这本书的期望值并没有那么高，毕竟市面上关于“数字”的书籍并不少，很多都流于理论，或者过于学术化，难以让普通读者理解。但《数字原来会说谎》却给了我一个巨大的惊喜。作者扣小米的文字风格非常有趣，他能够将复杂的统计概念和信息解读技巧，用生动、幽默、甚至带点故事性的语言表达出来，让我读起来一点也不觉得枯燥。他不像某些学者那样高高在上地讲道理，而是像一位循循善诱的朋友，一步步地引导你走出对数字的迷思。我尤其喜欢书中关于“平均数陷阱”和“相关性不等于因果性”的章节，作者通过一系列令人啼笑皆非的例子，生动地揭示了这些统计学上的常见误区，让我恍然大悟，原来自己以前在理解数据时，也常常会掉进这些陷阱。例如，作者举例说明，一个班级的平均身高可能很高，但其中可能包含了几个特别高大的学生，而绝大多数学生的身高其实并不突出，但“平均数”却给了一个虚高的印象。这种对细节的把握，让这本书的实用性大大增强。它不仅仅是一本科普读物，更是一本教你如何在这个信息时代保持清醒头脑的“防骗指南”。我常常会在读完一章后，立刻去复盘自己过去经历过的类似情境，发现自己确实被那些“会说谎的数字”蒙蔽过，也因此做出了错误的判断。这本书真的让我受益匪浅，它让我学会了如何用更挑剔的眼光去看待数据，如何去质疑，去探究，去独立思考。

评分☆☆☆☆☆

这本书的封面设计就足够吸引眼球了，那种简洁又不失深度的排版，加上书名“数字原来会说谎”，立刻勾起了我的好奇心。我一直觉得数字是客观、冰冷的，是事实的最终体现，所以“说谎”这个词组与“数字”并列，本身就充满了张力。拿到书的那一刻，就迫不及待地想知道，在作者笔下，这些我们习以为常的数字，究竟是如何、又为何会“说谎”的。是在统计数据的背后隐藏着操纵的伎俩？还是在看似严谨的分析中，存在着人为主观的误导？这本书似乎要颠覆我长久以来对数字的认知，让我重新审视这个充满数字的世界。我期待着作者能够用生动形象的例子，将那些隐藏在数字背后的真相层层剥开，让我这个普通读者也能看懂那些看似复杂的“谎言”，并且学会如何辨别，如何在这个信息爆炸的时代，不被那些经过精心包装的数字所蒙蔽。这本书的价值，不仅仅在于揭示问题，更在于提供解决问题的方法，教会读者一种批判性思维，一种不轻易相信表面数据的能力。扣小米这个名字也很有趣，带着一点俏皮，让人觉得这本书读起来应该不会枯燥乏味，反而会充满趣味性，即使是探讨严肃的社会问题，也能以一种轻松幽默的方式呈现。总而言之，这本书从封面到书名，再到作者的署名，都给我留下了深刻的第一印象，我充满了期待，希望能从中获得知识，提升认知，并且在未来生活中，更加敏锐地洞察到那些隐藏在数字背后的真相。

评分☆☆☆☆☆

我是一个对社会现象和经济趋势比较敏感的人，在日常生活中，我经常会接触到大量的统计数据、民意调查、以及各种各样的“研究报告”。然而，随着时间的推移，我越来越发现，这些数字背后似乎隐藏着许多不为人知的秘密，它们有时候会指向完全相反的结论，有时候又会显得异常“完美”，完美到让人觉得有些不真实。直到我遇到了《数字原来会说谎》这本书，我才找到了一个能够系统性地解释我这些困惑的框架。作者扣小米的写作风格非常犀利，他毫不留情地揭露了数字在现实生活中的种种“伪装”，从那些精心设计的广告宣传，到充满政治意味的社会统计，他都进行了深入的剖析。我特别欣赏作者在书中提出的“数字的‘透明度’往往是一种假象”的观点。我们往往认为数字是客观的、中立的，但实际上，每一个数字的背后，都凝聚着无数个决策，包括选择统计对象、设计调查问卷、设定分析方法等等。这些决策，都会不可避免地引入主观因素，从而影响最终的结果。这本书让我认识到，仅仅看到一个数字，是远远不够的，我们还需要去了解这个数字是如何产生的，它的背后隐藏着怎样的故事。作者还深入探讨了“因果关系”和“相关关系”之间的混淆，以及如何利用虚假的关联性来制造误导。这对于理解很多社会新闻和经济分析至关重要。阅读这本书，就像是为我打开了一扇新世界的大门，让我能够以一种更深刻、更批判的视角去审视周围的世界。

评分☆☆☆☆☆

我一直认为，数字是客观事实的基石，是科学和理性的象征。然而，《数字原来会说谎》这本书，却以一种颠覆性的姿态，挑战了我对数字的传统认知。作者扣小米并没有否定数字本身的价值，而是深刻地揭示了，数字在被收集、分析和呈现的过程中，是如何被“人”所影响，甚至被“操纵”的。我尤其对书中关于“数据可视化”的讨论印象深刻。作者用了很多生动的例子，说明了即使是相同的原始数据，通过不同的图表设计，可以产生截然不同的视觉效果，从而引导观者产生不同的结论。例如，通过调整坐标轴的刻度，可以夸大数据的差异，或者缩小数据的变化。这种“眼见不一定为实”的道理，在数字的世界里，体现得淋漓尽致。这本书让我认识到，我们不能仅仅停留在数据的表面，而需要深入到数据的“生产过程”中去。了解数据的来源、统计方法、以及呈现方式，是解读数字的关键。作者的写作风格非常流畅，他用一种既严谨又生动的方式，探讨了数字的“谎言”。他并没有简单地批判，而是旨在唤醒读者的批判性思维，让他们学会如何在这个信息时代，保持清醒的头脑。这本书对我来说，不仅仅是一次知识的获取，更是一种思维的启迪。我希望更多的人能够读到这本书，从而在这个充满数字的世界里，拥有更强的判断力和辨别力。

评分☆☆☆☆☆

购买这本书，很大程度上是出于对“扣小米”这个名字的好奇。在如今这个充斥着各种“大V”和“专家”的时代，一个带有童趣和亲切感的名字，反而更能引起我的注意。我喜欢那些能够用简单易懂的方式，将复杂事物解释清楚的作者，而“扣小米”似乎就代表了这样一种风格。读这本书的过程，确实印证了我的猜测。作者在书中并没有使用过多的专业术语，而是大量的运用了生活化的例子和生动的比喻，将原本抽象的统计学原理和信息解读方法，变得异常鲜活。让我印象深刻的是，作者在解释“幸存者偏差”时，并没有直接引用那些经典的军事案例，而是用了一个发生在校园里的故事，讲述了为什么只有那些成功创业的学生才会被媒体采访，而那些默默无闻甚至失败的学生却被忽略，从而导致了对创业成功率的片面认识。这种贴近我们生活视角的叙述方式，让我更容易理解和接受。更重要的是，作者不仅仅是在揭示数字的“谎言”，更是在教导我们如何去识破这些谎言。他提供了一套系统的方法论，从理解数据产生的背景，到分析数据背后的逻辑，再到识别潜在的偏见和误导。这让我感觉，我不仅仅是在阅读一本关于数字的书，更是在学习一种思维方式，一种在这个信息爆炸时代不可或缺的生存技能。我真心推荐这本书给每一个对数据感到困惑，或者希望提升自己信息辨别能力的人。

评分☆☆☆☆☆

我是在一个偶然的机会下，看到有人在推荐这本《数字原来会说谎》。当时我正在为工作中遇到的一个数据分析问题而烦恼，总觉得那些报表上的数字并不能完全反映真实的情况，但又找不到证据来反驳。这本书的书名立刻击中了我的痛点，仿佛是为我量身定做的一般。我迫不及待地找来这本书，翻开第一页，作者开篇就用了一个非常贴近生活的例子，说明了如何在日常生活中，利用一些看似微不足道的数字差异，来引导消费者的决策。这个例子虽然简单，但却让我茅塞顿开，原来数字的“谎言”并非总是惊天动地，很多时候，它们就潜藏在我们身边，以一种不动声色的方式影响着我们。随着阅读的深入，我发现作者对数字的解读非常独到，他并没有简单地批判数字本身，而是深入剖析了数字背后的逻辑、统计学原理以及人性的弱点如何被利用。这本书让我明白了，很多时候，不是数字本身在说谎，而是“人”在利用数字说话，或者说，我们对数字的解读方式，常常会陷入误区。作者还探讨了媒体如何利用数字制造恐慌或营造繁荣，商家如何通过数字宣传来诱导消费，甚至政府部门在发布数据时，也可能因为选择性呈现而产生误导。这种全方位的剖析，让我对数字的看法发生了根本性的转变，我不再盲目地相信任何数据，而是开始习惯性地去追问：这些数字是怎么来的？统计的样本是什么？是否有潜在的偏见？这些问题，在读这本书之前，我很少会去思考。