数字化描述中常见的10类混淆和欺骗伎俩：
1、数据来源不具体：据调查发现，有研究表明，XX大学/XX机构的XX教授说……
2、平均数掩盖事实：马云和10个乞丐平均身价过百亿，姚明和郭敬明平均身高1米9
3、百分比掩盖规模：这个班1/3的女生都嫁给了自己的老师。实际上这个班只有3名女生
4、掩盖基数的变化：癌症死亡人数剧增，今天全球每年死于癌症的人数是100年前的三倍。实际上今天全球的人口接近100年前的四倍
5、偷换概念/口径：我们的电商平台每天GMV有100万，收入很丰厚。实际上GMV包含了退单和未付款的订单金额，不代表平台最终收入
6、忽略误差：A智商101，B智商99，所以A还是要比B聪明一点的。实际上智商测定的允许误差在正负3%
7、参考对象不清晰：我们的二代机器性能比一代提升了30%。实际上却无法说明具体提升的是哪个指标，原来的数字是多少
8、混淆不同的对象：这个城市的市民死亡率居然比军队还高。实际上军队里都是健康的年轻人，非战争期间几乎不会有死亡，而市民则包含各个年龄层的人
9、调查对象没有代表性：比如通过网络发布的调查问卷，很难覆盖到老年人，不适合用于老年人相关的调研
10、把相关性当因果性：研究发现冰激凌销量提升能够促进啤酒销量提升，建议酒水商店增加冰激凌的供应。实际上是因为夏天到了，冰激凌和啤酒的销量都提升
网友评论