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
• 概率论
• 思维方式
• 批判性思维
• 决策制定
• 风险评估
• 信息解读
• 科普读物
• 商业洞察

店铺： 读者科技图书专营店

出版社： 化学工业出版社

ISBN：9787122307224

商品编码：29915955242

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

---

《数字背后的密码：探寻数据真相与认知偏差》 图书简介 在这个信息爆炸的时代，我们被海量的数据所包围，从日常的消费习惯到全球宏观经济的波动，数字无处不在，仿佛成为了衡量一切的最终标尺。然而，当我们习以为常地依赖这些数字来做决策、形成判断时，是否曾停下来思考：这些冰冷的数字背后，究竟隐藏着怎样的真相？它们是如何被收集、计算和呈现的？更重要的是，它们是否在不经意间，误导了我们的认知，甚至操纵了我们的判断？ 《数字背后的密码：探寻数据真相与认知偏差》并非一本枯燥的统计学教材，而是一次深入人心的数据哲学与批判性思维的探索之旅。本书旨在撕开数据那层看似客观、中立的面纱，揭示数字在社会、经济、科学乃至个人生活中扮演的复杂角色。它鼓励读者从被动的接受者，转变为主动的解构者，学会用质疑的眼光审视那些“毋庸置疑”的统计数据和图表。 第一部分：数字的诞生与被塑造 本书的第一部分聚焦于数据的“生命周期”，从源头剖析数字是如何被制造出来的。我们探讨了“测量”的悖论：当我们试图用数字量化一个复杂的现实时，我们选择的指标本身就决定了我们能看到什么，以及看不到什么。例如，国民生产总值（GDP）如何成功地成为衡量国家繁荣的通用标准，却系统性地忽略了环境成本、非市场劳动和幸福感的下降？我们深入分析了采样偏差和测量误差的陷阱。一个基于特定人群的调查，如何能代表整个社会？一个自动化算法的“客观”判断，如何内嵌了设计者的偏见？ 书中细致地剖析了统计学中的关键概念，但目的并非教授计算技巧，而是展现这些技巧是如何被用作“修饰”现实的工具。我们将审视平均数、中位数和众数在不同情境下的欺骗性。一个看似温和的平均工资数字，可能掩盖了收入分配的极端不平等；一个平稳的通货膨胀率，可能掩盖了特定必需品价格的剧烈波动。我们探讨了相关性与因果性的陷阱，并通过一系列生动的历史案例，展示了将两者混淆所带来的灾难性后果，无论是医学研究的误导，还是政策制定的偏差。 第二部分：可视化与叙事的艺术 数字本身是抽象的，而图表和可视化是让它们“说话”的媒介。第二部分将重点放在数据的视觉呈现，这是最容易产生潜意识影响的环节。本书详细拆解了各种常见图表的“阴谋”：从被刻意拉伸或压缩的Y轴，到选择性展示的时间跨度，再到误导性的三维图形。 我们讨论了叙事的力量。数据很少是孤立存在的，它们总是在某个特定的叙事框架下被呈现。是“创新驱动增长”，还是“监管滞后风险激增”？同一个数据集，在不同的叙事引导下，可以支持完全相反的结论。本书将引导读者识别那些“幸存者偏差”的故事——那些被聚光灯照亮，而那些默默无闻的失败者被彻底遗忘的案例。我们分析了媒体、商业广告和政治宣传中如何运用精妙的可视化技巧，将复杂的问题简化为易于传播的“数字口号”，从而影响公众情绪和集体决策。 第三部分：算法时代的盲从 随着大数据和人工智能的崛起，我们越来越依赖复杂的模型来预测未来和做出选择。第三部分直面算法的黑箱问题。我们探讨了“算法即是命运”的时代，个人信用评分、招聘推荐系统乃至司法量刑建议，都建立在对过去数据的拟合之上。 本书将深入解析“数据拟合的危险”。过度拟合不仅意味着模型无法准确预测未来，更意味着它固化了历史中的不公和偏见。当算法根据过往数据判断“某类人更适合某个职位”时，它实际上是在用数字的权威性，合理化旧有的歧视链条。我们讨论了“反馈循环”的机制：算法基于现有数据做出推荐，用户遵从推荐，新的数据又强化了算法的原始判断，形成一个自我强化的、难以察觉的认知茧房。 此外，本书也探讨了数据隐私与数字权力的关系。当个人行为被精细量化，形成可预测的模型时，自由意志和自主选择的空间在哪里？数据不再仅仅是描述性的工具，它们正演变为一种强大的、预见性的控制力量。 第四部分：重建批判性数字素养 本书的终极目标是赋能读者，让他们从数据的“受害者”转变为“驾驭者”。 在最后一部分，我们提供了一套实用的“数字解构工具箱”。这包括如何审视数据来源的动机、如何识别统计学中的常见误区、如何质疑视觉呈现的倾向性，以及如何评估算法模型的局限性。我们鼓励读者养成一种“计量怀疑论”（Metric Skepticism）的态度，即认识到任何单一的数字指标都是对现实的局限性描述，而不是现实本身。 《数字背后的密码》是一面镜子，照见的不仅是数据的面貌，更是我们自身在面对确定性诱惑时的倾向。它提醒我们，真正的智慧并非在于熟记多少数据点，而在于理解这些数字的脆弱性、它们的局限性，以及它们如何被用来讲述一个比真实世界更简单、也可能更危险的故事。只有掌握了洞察数字背后“为什么”和“如何”的能力，我们才能在信息的洪流中，做出真正清醒和负责任的判断。

评分☆☆☆☆☆

我一直认为自己是一个逻辑思维比较强的人，对数字也比较敏感，所以在看《数字原来会说谎》之前，并没有觉得会有什么能“颠覆”我的。然而，这本书的内容，却让我不得不承认，我在数字的世界里，曾经是多么的“天真”。作者通过大量现实生活中的例子，展示了数字是如何被巧妙地用来操纵我们的认知和决策的。比如，书中提到的一些市场营销策略，是如何利用统计数据来制造“稀缺感”和“紧迫感”，从而促使消费者快速下单。还有一些关于健康研究的报道，是如何通过选择性的呈现数据，来放大或缩小某种食物或疗法的效果。这些案例都让我感到震惊，原来我们身边充斥着如此多的“数字谎言”，而我们却浑然不觉。这本书让我学会了如何更深入地去分析数据，去识别其中的偏见和误导，甚至去理解数据背后的“利益驱动”。这不仅仅是一本关于数字的书，更是一本关于批判性思维和信息素养的教科书，它帮助我更好地在这个信息爆炸的时代生存。

评分☆☆☆☆☆

说实话，拿到《数字原来会说谎》这本书时，我并没有抱太高的期望，毕竟“数字”这个词总是让人联想到枯燥的公式和冰冷的逻辑。然而，这本书的开篇就以一个引人入胜的社会现象切入，让我眼前一亮。作者并没有直接抛出理论，而是通过一个又一个鲜活的案例，比如某个产品的销售奇迹背后可能隐藏的营销手段，或者某个城市犯罪率下降的背后，究竟是治安真的改善了，还是统计口径发生了改变。这种“故事化”的叙述方式，让原本抽象的数据问题变得生动有趣，也更容易被普通读者所理解。它让我意识到，数字并非是客观的、中立的，而是承载着信息、观点和意图的载体。我们看到的任何数据，都经过了人的选择、加工和呈现，而这个过程中，就可能潜藏着各种“说谎”的可能性。这本书教会了我，面对数字时，要保持一种“审慎”的态度，去质疑，去探究，去挖掘数字背后更深层的信息，而不是全盘接受。

评分☆☆☆☆☆

最近在书店闲逛，无意间翻到一本《数字原来会说谎》，书名就足够吸引人，让我立刻有了想一探究竟的冲动。封面设计也很有意思，不是那种传统的学术风格，而是带着一种都市的疏离感，仿佛在暗示着数字世界并非我们想象的那么纯粹。翻了几页，发现这本书并非枯燥的数学理论，而是用生动的故事和案例，揭示了数据背后隐藏的各种“陷阱”。比如，书中讲了一个关于广告投放的例子，同样的数据，不同的解读方式，结果却是天壤之别。一开始我以为这只是些小把戏，但越看越觉得，原来我们在日常生活中，早已不知不觉地被各种“数字谎言”包围。无论是新闻报道里的统计数据，还是公司年报里的增长曲线，抑或是社交媒体上的点赞数，都可能经过精心包装，甚至断章取义，来误导我们的判断。这本书让我开始审视自己获取信息的方式，不再轻易相信那些看似确凿的数字，而是学会去追问“这些数字是怎么来的？”，以及“它们想要表达什么？”。这种批判性思维的培养，绝对是阅读这本书最大的收获，它就像一把钥匙，打开了通往更清醒认知的门。

评分☆☆☆☆☆

我一直对统计学和数据分析抱有浓厚的兴趣，总觉得数字背后隐藏着世界的真相。然而，《数字原来会说谎》这本书，却彻底颠覆了我的一些固有认知。它并没有否定数字的重要性，而是强调了“如何理解数字”以及“数字被谁使用”。书中花了大量篇幅去解析各种图表和统计数据的误导性用法，比如如何通过调整坐标轴的比例来夸大或缩小某个趋势，如何选择性地展示数据来服务于特定的论点，甚至是如何利用“相关性”来制造“因果关系”的假象。我印象最深刻的是其中关于民意调查的分析，作者通过几个具体的案例，展示了问卷设计、抽样方法、数据处理等环节的微妙变化，如何能够极大地影响最终的调查结果，甚至与真实民意南辕北辙。这让我不禁反思，很多时候我们看到的民调数字，究竟有多大的可信度？这本书并非要教你成为一个“反数字主义者”，而是提供了一套“数字辨别指南”，让你在面对海量信息时，能够保持警惕，不被表面的数字所迷惑，去探究数字背后的真实意图和逻辑。

评分☆☆☆☆☆

《数字原来会说谎》这本书，真的刷新了我对“数据”的认知。之前总觉得，数字是衡量一切的标尺，是客观公正的代表。但这本书却像一位经验老道的侦探，带我一步步揭开了数字世界的“伪装”。作者在书中剖析了各种常见的“数字陷阱”，比如如何通过“平均值”来掩盖极端差异，如何利用“百分比”来制造出巨大的“成就感”，甚至是如何通过“数据可视化”的图表，来 subtly 地引导读者的情绪和判断。我尤其喜欢书中关于“幸存者偏差”的讨论，它让我意识到，我们看到的成功案例，往往忽略了那些默默无闻的失败者，而这些失败者的数据，才是更值得我们去关注的。这本书不仅仅是关于数据分析的技巧，更重要的是一种思维方式的引导，它鼓励我们去质疑那些看似显而易见的“事实”，去探究事物的本质，去看到数字背后隐藏的复杂性和多面性。读完这本书，你会觉得自己看待世界的方式变得更加清晰和理性。