具体描述
数字图表？有图不代表有真相！
.
统计数字比政治学家更可靠？
社交网络数据可以预示股票走向？
购物网站怎么知道我想读什么书？
降价是真的给消费者让利吗？
.
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？
还是后真相时代孕育出了媒体谎言？
.
这是一个技术为王、数字为上的时代.
而对很多平台来说，或许这是一个流量比事实更重要的时代！
.
在大数据时代，数字被看作是巨大的金矿，变得前所未有地重要。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。
.
"谎言有三种：谎言、该死的谎言、统计数学。"
——本杰明·迪斯雷利
作者简介
扣小米
经济学博士，德国弗劳恩霍夫研究院访问学者。
目录信息
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 足球博彩与夺冠赔率 /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：你经历的不一定就是真的 /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 相关关系不一定意味着因果关系 /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——有图也不一定有真相 /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 只要有数字就可能被操控——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 食物相克的谣言：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
第10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
第11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
第12章 总结 /197
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
我是一名对数据科学充满好奇心的初学者，《数字原来会说谎》这本书，可以说是为我开启了一扇通往数据世界的大门。作者的写作风格非常独特，他没有采用晦涩难懂的学术语言，而是用一种非常亲切、甚至带点“故事感”的方式，为我们揭示了数字世界的“另一面”。我特别欣赏书中关于“欺骗性统计”的分析，作者通过一系列令人拍案叫绝的案例，说明了那些看似严谨的统计数字，是如何被巧妙地误用，甚至是被用来制造虚假的“权威感”。例如，书中提到的关于“平均数”的误导，让我意识到，仅仅看到一个平均值，而忽略了数据的分布，可能会导致多么严重的认知偏差。它让我明白，统计学并非只是冷冰冰的数字和公式，而是一种与我们生活息息相关的思维方式。通过阅读这本书，我不仅了解了各种常见的统计陷阱，更重要的是，我学会了一种批判性的思维方式，能够在面对海量信息时，保持清醒和理性，不被那些看似“确凿”的数字所欺骗。
评分我是一名普通的上班族，平日里接触最多的就是各种报表、图表和数据分析报告，虽然不是专业人士，但也算得上是数据领域的“常客”。阅读《数字原来会说谎》这本书，对我而言，更像是一次醍醐灌顶的职业“洗礼”。它不仅仅是教我如何去看懂数据，更重要的是，它教我如何去“质疑”数据，如何在数据的背后看到更多。作者的笔触非常细腻，对于那些看似细微的数据处理方式，例如抽样方法的选择、问卷设计的倾向性、统计阈值的设定等等，都进行了深入浅出的剖析。我尤其对其中关于“幸存者偏差”的讨论印象深刻。我们总是在看到成功者的光鲜外表，却忽略了那些在过程中被淘汰的无数个体。《数字原来会说谎》通过一系列极具说服力的案例，揭示了这种偏差是如何在统计学上被放大，从而误导我们的判断。比如，那些关于“学习方法造就成功”的励志故事，很多时候就忽略了同样使用了这些方法的、但最终没有成功的人。这本书让我明白，当我们看到某个“惊人的”数据时，不应该盲目接受，而是要问一问：这个数据是如何得出的？它的样本是否具有代表性？有没有其他可能的解释？它为我提供了一个强大的批判性思维工具，让我不再轻易被表面的数字所迷惑，而是能够更深入地探究事实的真相。
评分老实说，我并不是一个特别擅长和数字打交道的人，但《数字原来会说谎》这本书，却以一种非常有趣且易懂的方式，让我感受到了数据分析的魅力，以及其中隐藏的“门道”。作者在书中，巧妙地将一些看似复杂的统计学原理，通过生活化的案例，比如广告宣传、民意调查、甚至是一些社会热点事件中的数据解读，都进行了深入浅出的剖析。我尤其对书中关于“因果关系”与“相关关系”的区分印象深刻，作者通过一系列极具说服力的例子，让我清晰地认识到，仅仅因为两个事物同时发生，并不意味着它们之间存在直接的因果联系。这让我反思了自己在日常生活中，是否也曾因为对这种关系的混淆，而做出过不准确的判断。这本书就像一位智慧的向导，引导我穿梭于数字的海洋，让我学会了如何去辨别真伪，如何去理解那些被隐藏在数字背后的逻辑。它不仅提升了我对数据的敏感度，更重要的是，它让我变得更加理性，更加不轻易相信那些未经深入分析的“结论”。
评分《数字原来会说谎》这本书，我早在它上市之初就有所耳闻，但迟迟未能拿起，直到最近一个偶然的机会，朋友强烈推荐，我才真正开始翻阅。坦白说，一开始我并没有抱太大的期望，毕竟市面上关于数据、统计的科普读物琳琅满目，许多都只是浅尝辄止，或者过于枯燥乏味，让我难以深入。然而，这本书的开篇就给了我一个惊喜。它没有上来就堆砌复杂的公式和晦涩的术语，而是用一种娓娓道来的方式，将我们日常生活中接触到的各种“数字”，诸如媒体报道的各种“惊人数据”、“权威统计”等，置于一个审视的框架下。作者似乎有一种魔力，能够将那些看似铁证如山、不容置疑的数字，剥离其外表，展示其背后隐藏的逻辑、潜在的操纵，甚至可以说是“欺骗”。我特别喜欢作者在探讨“相关性不等于因果性”这一经典命题时，所举的那些生动有趣的例子。它们不是教科书式的抽象论述，而是贴近生活，甚至有些令人啼笑皆非的场景，让人在会心一笑的同时，深刻理解到数据分析中一个最基本的，却又最容易被忽略的陷阱。这本书让我开始重新审视那些我曾经深信不疑的“事实”，让我意识到，我们生活在一个被数字包围的世界，而这些数字，并非总是如它们所呈现的那般纯粹和客观。它让我具备了一种更敏锐的“数字嗅觉”，能够辨别出信息洪流中那些可能存在的“谎言”。
评分作为一名长期在媒体行业工作的人，我深知数据在传播中的重要性，但也深知其潜在的误导性。《数字原来会说谎》这本书，可以说是对我工作方法的一次深刻反思和指导。作者以一种非常客观且富有洞察力的视角，揭示了数字世界中普遍存在的“游戏规则”。我尤其欣赏书中对于“统计显著性”的探讨，作者清晰地解释了为什么一个“统计上显著”的发现，并不一定意味着在现实世界中具有实际意义，以及这种概念是如何被媒体过度解读，从而制造出一些“惊人”的报道。它让我明白了，在处理和传播数据时，责任之重大，不仅要追求数据的准确性，更要关注数据的解读方式，避免对公众造成误导。这本书为我提供了一个更加严谨和审慎的数据分析框架，让我能够更深入地理解数据的价值，同时也能规避那些可能存在的“陷阱”。它让我明白，真正的“真相”，往往隐藏在数据的表面之下，需要我们用批判性的思维去发掘。
评分我一直认为，自己对于数字的解读还算比较客观，毕竟在我的学习和工作中，数据分析是不可或缺的一部分。然而，《数字原来会说谎》这本书，彻底颠覆了我以往的一些认知。这本书的独特之处在于，它并非仅仅局限于理论层面的探讨，而是巧妙地将各种统计学和概率论的原理，融入到生活化的场景中。作者以一种非常人性化的视角，解读了为什么我们会轻易相信某些数字，而对另一些数字则持怀疑态度，这其中包含了大量的心理学因素。例如，书中对“确认偏误”的分析，解释了为什么人们倾向于寻找和解释那些支持自己已有观点的信息，即使这些信息是基于不完全或误导性的数据。这一点让我反思了自己在过去的一些判断，是否也受到了这种心理惯性的影响。我特别欣赏作者对于“平均数”的讨论。我们常常听到“平均工资”、“平均寿命”等概念，但作者指出，平均数在很多情况下会掩盖数据分布的真实情况，而中位数、众数或者更详细的分布图，才能更真实地反映现实。这本书就像一位耐心的老师，一点点地引导我，如何拨开数字的迷雾，看到隐藏在背后的真实世界。它不仅提升了我的数据素养，更重要的是，它让我变得更加审慎和理性。
评分作为一名热衷于阅读科普读物的爱好者，《数字原来会说谎》这本书，无疑是我近期阅读过的最令人耳目一新的一部。它的主题——关于数字的“真相”与“谎言”，虽然听起来有些严肃，但作者的处理方式却极其的轻松有趣，引人入胜。这本书最大的亮点在于，它能够将一些相对抽象的统计学概念，通过生动形象的比喻和案例，变得通俗易懂。我特别喜欢作者在解释“相关性”与“因果性”区别时，所举的那些略带戏谑色彩的例子，比如“吃冰淇淋的人数增加与溺水人数增加之间存在相关性”，这样的例子虽然夸张，却能够瞬间抓住读者的注意力，并深刻理解其中的逻辑。同时，这本书也教会了我如何去“审视”数据的来源和呈现方式。在信息爆炸的时代，我们每天都会接触到大量的统计数据，而《数字原来会说谎》这本书，为我提供了一套“解码”这些数据的有效工具。它让我明白，每一个数字背后，都可能隐藏着复杂的研究设计、数据收集过程，甚至是有意的误导。我不再仅仅是接收信息，而是学会了如何去分析、去质疑，去寻找那些被掩盖的真相。这本书的价值，不仅仅在于提升了我的知识水平，更在于它改变了我看待世界的方式，让我更加清醒地认识到，数字，是可以被操纵的，也需要被审慎对待。
评分一直以来，我都对那些看似“确凿”的数字和统计数据感到有些不安，总觉得它们背后隐藏着一些不为人知的秘密。直到我读了《数字原来会说谎》这本书，才恍然大悟。作者以一种非常引人入胜的方式，深入浅出地剖析了数字世界中的种种“猫腻”。这本书最大的特点在于，它将统计学中的一些核心概念，比如抽样、回归、相关性等，都融入到日常生活中常见的场景中，让我能够轻松理解。我尤其喜欢书中关于“图表陷阱”的讨论，作者通过分析各种常见的图表误用方式，比如刻意调整坐标轴、使用不当的图表类型等，揭示了图表如何被用来操纵我们的视觉感知，从而误导我们的判断。这让我开始重新审视那些我曾经习以为常的图表，意识到它们并非总是那么客观公正。这本书让我明白，每一个数据，甚至每一个图表，背后都可能包含着设计者的意图，而这些意图，未必总是以真诚和透明的方式呈现。它为我提供了一种“审视”数据的全新视角，让我不再轻易相信那些“一眼看上去就对”的数字，而是学会了去探究其背后的真相。
评分我一直对各种“大数据”和“统计报告”抱有天然的警惕，总觉得这些数字背后，往往隐藏着比表面信息更多的东西。而《数字原来会说谎》这本书，简直就是为我量身定制的。作者的笔触犀利而精准，他没有像一些科普读物那样，将统计学描绘得多么神秘或高深，而是用一种非常接地气的方式，揭示了数字是如何被有意或无意地“误读”和“滥用”的。书中关于“幸存者偏差”的分析，让我印象尤为深刻。作者通过几个非常生动的例子，解释了为什么我们往往只看到成功者的光鲜，而忽略了那些在竞争中被淘汰的无数个体，而这种偏差，是如何在统计学上被放大，从而导致我们对现实产生错误的认知。它让我明白了，在接受任何统计数据时，都应该问一问：这个数据的来源是什么？样本是如何选取的？是否存在其他可能的解释？这本书为我提供了一套非常有力的“武器”，让我能够更清醒地识别信息，不再轻易被表面的数字所迷惑，而是能够更深入地探究事实的真相，从而做出更明智的判断。
评分在我看来，《数字原来会说谎》这本书，更像是一本“思维工具箱”，为我打开了一扇全新的认知大门。它没有教我高深的数学公式，也没有强迫我记住枯燥的统计术语，而是从一个非常独特的视角，揭示了数字世界中普遍存在的“陷阱”和“误区”。我尤其欣赏作者在处理“偏差”这个概念时所展现出的深度和广度。无论是样本偏差、选择偏差，还是测量偏差，作者都通过一系列贴近现实的案例，将它们生动地展现在读者面前。让我印象最深刻的是，书中分析了许多在媒体报道中常见的“幸存者偏差”，以及这些偏差如何导致我们对某些现象产生片面的认识。例如，那些成功学书籍中，往往聚焦于极少数的成功者，而忽略了同样付出了努力但最终失败的大多数人。《数字原来会说谎》这本书，让我学会了在接收信息时，保持一种“审慎”的态度，不被表面的数字所迷惑，而是去探究其背后的逻辑和可能存在的局限性。它不仅提升了我对数字的解读能力，更重要的是，它培养了我一种批判性思考的习惯，让我能够更加理性地分析和判断信息，从而做出更明智的决策。
评分2018.58.原来数字会说慌，扣小米，化学工业出版社，2018.10.31。正如书本介绍那样，经济通俗读本。
评分一种看自己统计学课本加同人于野的文章的感觉
评分直观有趣的入门读物，书店里半小时翻完
评分讲的很浅，很一般。
评分讲的很浅，很一般。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有