写在前面：大学毕业后，我的第一个岗位就是仪器分析，即产生数据。刚入职，领导提醒“数据是会骗人的”。为了保证数据的准确性，需要在数据产生的过程中控制诸多可能会干扰准确性的因素。尽管是控制，但仍会有误差。增加不确定度部分，以判断最终结果是否在可接受的范围内。因此，在看到他人引用数据时，时常也会自问“这个数据是怎么来的?”
职业后期转到业务岗，常利用统计进行数据分析。相比产生数据，统计有更明确的方向性、目的性。统计唯度、呈现形式，均会干扰受众对统计数据信息的接收。
一、识别数据欺骗的小技巧
仍以问题启动思考：作者是怎么得出这个数据的？
1、大量的数据堆砌
如同利用数据进行华丽包装。数据给你更加确定的感觉，因为它需要通过测量、调查获得。如果数据的产生途径就大打折扣，这种感觉就只能是错觉。
2、统计术语
谨慎对待平均值。常见的包括平均值、中位数、众数。如深圳每年发布的平均工资，身边人都在表达“又给深圳人民丢脸了”。为什么“丢脸的人”那么多，平均数还是那么高呢？行业差距的悬殊，是无法在平均值中呈现的。或放改成中位数或众数，你的自信心就会增强好多。
3、数据引用
引用的数据是否有价值？价值有多少？如书中第七、八章关于论据有效性的阐述，理由的引用“越近越好“。
对于数据的引用，也是如此。因为在引用的过程中，原始信息逐渐衰减，最终可能会让受众有多重解读。
4、数据模糊性
谨慎对待模糊数据。
小学算术题应试技巧：a比b多了几个百分点？以b为参比，除以b。我们都会。以下换个场景，试试：
想象一个65岁的女性，刚患中风，和他的医生一起商量治疗方法。医生引用了三种治疗方法的相关统计数据：
甲的疗法可以减少33%未来再次患中风的可能。
乙疗法可以减少3%的绝对风险，从6%降低到3%。
丙疗法，有94%女性在十年内不会再换第二次中风，而没有接受这种疗法的病人，有91%的女性十年不再患中风。
你觉得她应该选哪一种？第一种如何？可以降低了33%？
细细研究一下：
降低33%，是相对绝。原来的绝对值是多少？如果以100例为调查，原来是发病9例，治疗后只有6例，是不是也是降低33%？（9-6/9）这种情况，绝对风险由9%下降至6%。是不是跟乙、丙疗法的说法一样呢？
二、作为倾听者的启示
1、除了数据，你还有哪些相关的信息吗？越多越好。
2、对比。先不看表达者使用的数据，选择自己觉得所需的数据证据，与实际提供的数据比较。（同论据的有效性）
3、推理。先不看表达者提出的结论，尝试推理自己的结论，与表达者的结论比较。如不一致，哪些地方出错了？（同论据的有效性）
（4-5两种方式，是切断表达者对数据和结论之间的关系，运用自己的思考进行推理。）
三、作为表达者的启示
1、 心存理念：数据是可以被操纵的。
以互联网常见一些用户调查、读者投票、产品等级评价，通常只通过网络进行。因为网络获得的样本是方便样本，调查成本低。但这些网络的调查结果极可能排除了年长的、不懂电脑技术的受众。因此在调查时，会同步收集被试者的一般性资料，如性别、学历、年收入等等，以期评价样本的代表性。
网友评论