在目不暇接的數據海洋中，如何看清紛繁世界的真相？

我們不妨運用數據分析的 9 種思維，來學習書中介紹的 10 大數據法則（順序有調整），以便提升洞察事物本質的能力。

理解現狀

1、目標思維

數據分析的目標，是為了能夠更好地理解和應用數據，從數據中挖掘出可靠的信息，學到對工作和生活有用的知識，從而能夠做出更加明智的決策，獲得洞察真相的智慧。

法則一：不亂于心，不困于情

當你看到一個數據的時候，第一反應是什么？

點贊？駁斥？或者忽略？

此時，你不妨先停下來，觀察一下自己的情緒反應，想一想：我內心真正的目標是什么？為什么會產生這樣的情緒？

目標會影響一個人思考的方向，而情緒會影響一個人決策的質量。情緒越激動，就越難理性地思考問題。

所以，在解讀數據的時候，專業知識和技術固然重要。但是如果目標不明確，就像出發沒有目的地，就容易迷失方向；如果不控制好自己的情緒，就會像野馬沒有韁繩，容易馬失前蹄。

2、對比思維

雖然統計數據會撒謊，但是，與沒有統計數據相比，撒謊會更容易。

更為重要的是，如果沒有統計數據，我們就更不可能了解世界的真相，就像沒有顯微鏡，我們看不到細菌，沒有望遠鏡，我們無法探索遙遠的星空。

法則九：對標個人經驗

如果沒有統計數據，我們的認知很有可能會出現偏差，恐怕連知道真相的機會都沒有。

然而，人們很容易被表面的數據蒙蔽了雙眼，自以為看到的是真相，但事實往往并非如此。

我們也許只看到了冰山一角，水面上看見的部分遠遠小于水下的部分，所以要格外小心，以免撞到冰山而傾覆。

在看完數據之后，要帶著好奇心，去探索和感受真實的世界。一旦我們看清了世界的真相，也就能更好地理解數據背后的信息。

從鳥瞰視角看到的數據枯燥乏味，但更加全面；而蠕蟲視角看到的數據鮮活有趣，但較為片面。

我們要把鳥瞰視角與蠕蟲視角、宏觀數據與個人經驗有機地結合起來，二者相輔相成，相互糾偏，才能更好地洞察事物的本質。

法則三：不要被漂亮的信息圖迷了眼

南丁格爾的故事至今仍廣為流傳，因為她巧妙地使用了「玫瑰圖」，通過對比分析，向人們灌輸了正確的觀點。

（圖片來源：美國國家醫學圖書館）

但是，許多濫用信息圖的人，可能正在做著相反的事，做出了一些美麗的圖表，卻反而讓人越看越糊涂。

當你看到一張漂亮的信息圖表時，要知道是有人在輸出觀點，不要被漂亮的外觀迷了眼。

當然，如果圖表說的內容確實有道理，我們也不要故步自封，而要以圖為鏡，矯正自己的錯誤認知。

制作圖表是為了傳遞有效的信息，可以動之以情，也可以曉之以理，但不能混淆視聽，更不能顛倒是非。

分析原因

3、細分思維

唐朝詩人王之渙在《登鸛雀樓》中說：

白日依山盡，黃河入海流。

欲窮千里目，更上一層樓。

大致意思是：夕陽依著山巒慢慢落下，黃河之水朝著大海奔流而去。要想看到千里之外的風景，那就要登上更高的樓層。

看風景是這樣，看數據就更是如此。

比如，分析一家具體公司的價值，既要運用細分思維，對數據的細節進行分析，也要運用 PEST 等模型，對它所處的宏觀環境進行分析。

法則四：從宏觀層面看數據

拉開距離看數據，才能讓你有更加宏觀的感受。當你把數據放到應有的背景中去看，從宏觀層面去觀察的時候，才能更好地理解數據的真實含義。

比如，一個國家的基尼系數為 0.3，這個數字大嗎？

根據黃金分割律，基尼系數的「警戒線」是?0.382（等于 1 - 0.618），當基尼系數大于 0.382 時，就代表收入分配差距較大，社會收入不平等。

從宏觀層面來看，影響基尼系數的因素有很多，包括經濟發展水平、政治經濟制度，等等。

如果政策制定者希望刺激經濟的活力，就有可能制定一些激勵政策，讓一部分人先富起來，導致基尼系數變大。

如果政策制定者注重薪酬保障，希望先富帶動后富，促進社會穩定，最終走向共同富裕，那么就會讓基尼系數變小。

我們只有不斷拉開距離，才能高瞻遠矚，也才能改變關注的焦點。

《高屋建瓴》的作者安德魯·埃利奧特在書中建議說：我們想問題時，應該在頭腦中帶上幾個“標尺性數字”，以便比較。

比如，一張床的長度大約 2 米，地球的周長大約 4 萬公里。也就是說，從太空的視角來看，大約用 2000 萬張床，可以繞地球一圈。

4、溯源思維

蘇軾在《題西林壁》中說：

橫看成嶺側成峰，遠近高低各不同。

不識廬山真面目，只緣身在此山中。

大致意思是：我們所處的位置不同，看到的景物也各不相同。當你身在廬山之中，看到的就只是局部而已，因此容易出現「當局者迷」的現象。

游山所見是這樣，觀察世界上的很多事物也是如此。

法則三：看清數據是如何定義的

一旦你看清了數據是如何定義的，那么技術反而是相對比較簡單的事情。

但是，如果你沒有看清數據是如何定義的，那么就難以看出所以然。

因為只有方向對了，技術才能更好地發揮作用。

可悲的事情在于，如果一開始數據的定義就不對，犯了方向性的錯誤，那么無論技術如何高深莫測，都無法得出正確的答案。

當你看到一個數據時，不妨思考一下：自己能否理解數據的內涵和外延？

世界是錯綜復雜的，我們不要指望看一個統計數據，就能給出一個非黑即白的結論。

只有當我們懷著一顆追根溯源的心，開始學會提問，在正確的方向上不斷追問「為什么」，才找到世界的真相。

5、相關思維

法則六：查看統計樣本是否覆蓋全面

如果統計樣本不能代表整體，那么算法再怎么先進，得出的結論也是跑偏的。

比如，某項實驗只針對男性有效，但研究人員并沒有說明這一點。

要是把女性也包含進來，是否還能得出有效的結論呢？讓人意外的是，藥效因男女性別不同而不同的現象很普遍。

我們對待統計樣本，一定要謹慎，不妨多問一問自己：數據中少了誰？漏了什么沒有？

只有把相關的要素都考慮進來，得出的結論才會更加可靠。

相關性不等于因果關系，對于相關數據，我們不可輕信，但也不能拒絕相信一切。

人們往往選擇性地相信自己愿意相信的東西，對自己好的就信，對自己壞的就不信。比如，有些人相信喜鵲能帶來好運，卻不相信吸煙有害健康。

6、假設思維

法則五：看看硬幣的另一面

假如有 1024 個人分別做拋硬幣實驗，每個人一次性拋出 10 個硬幣，其中有一個人拋出了 10 個都是正面朝上的結果，從數學概率上來看，這是完全有可能的。

類似地，假設一個人做了 1024 次拋硬幣實驗，每次同時拋出 10 個硬幣，其中有一次是 10?個都正面朝上，但他只展示這 1 次實驗的結果，讓人誤以為他有什么魔法，卻隱藏了另外 1023 次實驗的結果。

當然，還存在一種可能性，就是看看硬幣的另一面，其實也是正面。

中國古代有一個帶兵打仗的將軍，他為了鼓舞士氣，鑄造一批正反面都是相同的硬幣，在出征之前表演給士兵看，讓士兵們以為這是天意。

類似這樣的故事還有很多，這也提醒我們，一定要注意看看：在硬幣的另一面，是否還有其他的故事？

不要被成功者的故事帶偏了，因為我們看到的東西，并不能代表真實的世界，它們很有可能是被過濾的、有偏差的東西。

老子在《道德經》中說：道可道，非常道。對這句話有一種理解：對于違反常識的現象，需要小心求證，用非常的手段來證明。

預測未來

7、逆向思維

法則七：要求用算法統計透明

大數據正在改變我們周圍的世界，人工智能變得越來越聰明，比如 AlphaGo 在圍棋方面已經能夠碾壓人類，背后的算法就像一個神秘的黑匣子，讓人難以看透。

在《大數據時代》出版后，很多人以為只要知道相關關系就夠了。

但是，反過來想一想，也有很多人并不看好，因為如果大數據使用不當，反而可能讓人深受其害。比如，凱西·奧尼爾在《算法霸權：數學殺傷性武器的威脅與不公》中告訴我們：大數據加劇不平等，威脅民主。

兩本書看大數據的視角不同，得出的結論也不同。《大數據時代》看到人們怎么利用數據，而《算法霸權》則看到人們怎么被數據利用。這就好比一把錘子，對木匠來說，它是有用的工具，但對于釘子來說，它就是敵人。

大數據剛開始流行的時候，人們以為自己是木匠，覺得可以利用大數據。但是，后來逐漸有人意識到，自己其實是顆釘子，不斷為算法提供數據，逃不出大數據的掌控。就像有些人看算法推薦的短視頻，結果一發不可收拾。

大家都想成為算法的主人，但有些人會禁不住誘惑，結果反而成為算法的奴隸。

我們不能盲目地信奉大數據和人工智能算法，如果算法不具有透明性，那么信任度就要打折扣。

8、演繹思維

法則八：統計數據來之不易

當統計的數據越具有代表性，就越能反映實際情況，也就越能贏得人們的信任。

盡管官方統計局的數據可能存在種種問題和缺點，但這些數據來之不易。如果它們辜負了人們的信任，就會受到人們的鞭撻。

統計人員應該有捍衛數據真實性的職業操守，也有捍衛數據公信力的責任。

對于使用統計數據的人來說，無論是出于個人目的，還是以監督為目的，通常都會從權威的機構提供的數據開始，比如國家統計局。

但作為相對獨立的統計機構，他們有義務讓民眾看到數據的真相。統計數據的價值，在于讓人可以利用統計數據，更加高效地做出正確的決策。

9、歸納思維

法則十：適時而變，識勢而變

數據的收集和分析，是為了幫助我們了解世界的真相。在科學實驗中，先收集數據，再摸索尋找規律，然后構建一個假設模型，這種做法本身沒有錯。

但是此后，你必須重新獲得新的數據，來小心檢驗這個假設。有些人經常搞錯了方向，不是因為沒有數據，而是因為拒絕接受數據呈現出來的結果。

對許多人來說，拒絕接受數據結果的原因，是因為他們拒絕承認世界已經變了，時代已經不同了，而他們卻還在原地打轉。

關于收集什么數據，以及如何分析這些數據，每做一個決定，都類似于站在迷宮里的一個分岔路口，選擇一條路，很快就會產生連鎖反應，引發后面無數種不同的可能。做一組選擇，你會得出一個結論；做另一組選擇，未見得不合理，但你可能會得到完全相反的結果。

所以，始終保持開放的心態，帶著一顆好奇心，審時度勢，與時俱進，對未來的趨勢做出適當的預判，不拘泥于單一的方法，不墨守成規，虛心接受不同的意見，不斷根據事實矯正自己的錯誤，有錯就改，這是提升認知水平的黃金法則。

以上 10 條數據法則，與其說是戒律，不如說是經驗法則，或者說是作者從經驗教訓中養成的思維習慣。

當你看到對自己很重要的數據時，不妨用這些方法去實踐嘗試一下。

如果你覺得這 10 條法則太多了，那么就記住這一條：保持好奇心。

因為好奇心可以幫助你突破局限，找到數據背后的真相。

請你睜大好奇的眼睛，按「數」索驥，直到你能夠熟練地問出數據分析的 9 個經典問題，并運用數據分析的 9 種思維，那么就能更好地理解現狀、分析原因和預測未來。

請你勇敢地拿起數據分析的「顯微鏡」和「望遠鏡」，仔細觀察周圍的世界，理解數據背后的邏輯，穿越邏輯錯誤、情感因素和認知偏見的障礙，最終到達真相的彼岸，你會驚訝地發現，原來世界是如此清晰。