今天我用数据分析思维来深度解读《拼凑真相》这本书，副标题是：认清纷繁世界的 10 大数据法则，作者是英国的蒂姆·哈福德。
在目不暇接的数据海洋中，如何看清纷繁世界的真相？
我们不妨运用数据分析的 9 种思维，来学习书中介绍的 10 大数据法则（顺序有调整），以便提升洞察事物本质的能力。
理解现状
1.目标思维
数据分析的目标，是为了能够更好地理解和应用数据，从数据中挖掘出可靠的信息，学到对工作和生活有用的知识，从而能够做出更加明智的决策，获得洞察真相的智慧。
法则一：不乱于心，不困于情
当你看到一个数据的时候，第一反应是什么？
点赞？驳斥？或者忽略？
此时，你不妨先停下来，观察一下自己的情绪反应，想一想：我内心真正的目标是什么？为什么会产生这样的情绪？
目标会影响一个人思考的方向，而情绪会影响一个人决策的质量。情绪越激动，就越难理性地思考问题。
所以，在解读数据的时候，专业知识和技术固然重要。但是如果目标不明确，就像出发没有目的地，就容易迷失方向；如果不控制好自己的情绪，就会像野马没有缰绳，容易马失前蹄。
2.对比思维
虽然统计数据会撒谎，但是，与没有统计数据相比，撒谎会更容易。
更为重要的是，如果没有统计数据，我们就更不可能了解世界的真相，就像没有显微镜，我们看不到细菌，没有望远镜，我们无法探索遥远的星空。
法则二：对标个人经验
如果没有统计数据，我们的认知很有可能会出现偏差，恐怕连知道真相的机会都没有。
然而，人们很容易被表面的数据蒙蔽了双眼，自以为看到的是真相，但事实往往并非如此。
我们也许只看到了冰山一角，水面上看见的部分远远小于水下的部分，所以要格外小心，以免撞到冰山而倾覆。
在看完数据之后，要带着好奇心，去探索和感受真实的世界。一旦我们看清了世界的真相，也就能更好地理解数据背后的信息。
从鸟瞰视角看到的数据枯燥乏味，但更加全面；而蠕虫视角看到的数据鲜活有趣，但较为片面。
我们要把鸟瞰视角与蠕虫视角、宏观数据与个人经验有机地结合起来，二者相辅相成，相互纠偏，才能更好地洞察事物的本质。
法则九：不要被漂亮的信息图迷了眼
南丁格尔的故事至今仍广为流传，因为她巧妙地使用了「玫瑰图」，通过对比分析，向人们灌输了正确的观点。
但是，许多滥用信息图的人，可能正在做着相反的事，做出了一些美丽的图表，却反而让人越看越糊涂。
当你看到一张漂亮的信息图表时，要知道是有人在输出观点，不要被漂亮的外观迷了眼。
当然，如果图表说的内容确实有道理，我们也不要故步自封，而要以图为镜，矫正自己的错误认知。
制作图表是为了传递有效的信息，可以动之以情，也可以晓之以理，但不能混淆视听，更不能颠倒是非。
分析原因
3.细分思维
唐朝诗人王之涣在《登鹳雀楼》中说：
白日依山尽，黄河入海流。
欲穷千里目，更上一层楼。
大致意思是：夕阳依着山峦慢慢落下，黄河之水朝着大海奔流而去。要想看到千里之外的风景，那就要登上更高的楼层。
看风景是这样，看数据就更是如此。
比如，分析一家具体公司的价值，既要运用细分思维，对数据的细节进行分析，也要运用 PEST 等模型，对它所处的宏观环境进行分析。
法则四：从宏观层面看数据
拉开距离看数据，才能让你有更加宏观的感受。当你把数据放到应有的背景中去看，从宏观层面去观察的时候，才能更好地理解数据的真实含义。
比如，一个国家的基尼系数为 0.3，这个数字大吗？
根据黄金分割律，基尼系数的「警戒线」是 0.382（等于 1 - 0.618），当基尼系数大于 0.382 时，就代表收入分配差距较大，社会收入不平等。
从宏观层面来看，影响基尼系数的因素有很多，包括经济发展水平、政治经济制度，等等。
如果政策制定者希望刺激经济的活力，就有可能制定一些激励政策，让一部分人先富起来，导致基尼系数变大。
如果政策制定者注重薪酬保障，希望先富带动后富，促进社会稳定，最终走向共同富裕，那么就会让基尼系数变小。
我们只有不断拉开距离，才能高瞻远瞩，也才能改变关注的焦点。
《高屋建瓴》的作者安德鲁·埃利奥特在书中建议说：我们想问题时，应该在头脑中带上几个“标尺性数字”，以便比较。
比如，一张床的长度大约 2 米，地球的周长大约 4 万公里。也就是说，从太空的视角来看，大约用 2000 万张床，可以绕地球一圈。
4.溯源思维
苏轼在《题西林壁》中说：
横看成岭侧成峰，远近高低各不同。
不识庐山真面目，只缘身在此山中。
大致意思是：我们所处的位置不同，看到的景物也各不相同。当你身在庐山之中，看到的就只是局部而已，因此容易出现「当局者迷」的现象。
游山所见是这样，观察世界上的很多事物也是如此。
法则三：看清数据是如何定义的
一旦你看清了数据是如何定义的，那么技术反而是相对比较简单的事情。
但是，如果你没有看清数据是如何定义的，那么就难以看出所以然。
因为只有方向对了，技术才能更好地发挥作用。
可悲的事情在于，如果一开始数据的定义就不对，犯了方向性的错误，那么无论技术如何高深莫测，都无法得出正确的答案。
当你看到一个数据时，不妨思考一下：自己能否理解数据的内涵和外延？
世界是错综复杂的，我们不要指望看一个统计数据，就能给出一个非黑即白的结论。
只有当我们怀着一颗追根溯源的心，开始学会提问，在正确的方向上不断追问「为什么」，才找到世界的真相。
5.相关思维
法则六：查看统计样本是否覆盖全面
如果统计样本不能代表整体，那么算法再怎么先进，得出的结论也是跑偏的。
比如，某项实验只针对男性有效，但研究人员并没有说明这一点。
要是把女性也包含进来，是否还能得出有效的结论呢？让人意外的是，药效因男女性别不同而不同的现象很普遍。
我们对待统计样本，一定要谨慎，不妨多问一问自己：数据中少了谁？漏了什么没有？
只有把相关的要素都考虑进来，得出的结论才会更加可靠。
相关性不等于因果关系，对于相关数据，我们不可轻信，但也不能拒绝相信一切。
人们往往选择性地相信自己愿意相信的东西，对自己好的就信，对自己坏的就不信。比如，有些人相信喜鹊能带来好运，却不相信吸烟有害健康。
6.假设思维
法则五：看看硬币的另一面
假如有 1024 个人分别做抛硬币实验，每个人一次性抛出 10 个硬币，其中有一个人抛出了 10 个都是正面朝上的结果，从数学概率上来看，这是完全有可能的。
类似地，假设一个人做了 1024 次抛硬币实验，每次同时抛出 10 个硬币，其中有一次是 10 个都正面朝上，但他只展示这 1 次实验的结果，让人误以为他有什么魔法，却隐藏了另外 1023 次实验的结果。
当然，还存在一种可能性，就是看看硬币的另一面，其实也是正面。
中国古代有一个带兵打仗的将军，他为了鼓舞士气，铸造一批正反面都是相同的硬币，在出征之前表演给士兵看，让士兵们以为这是天意。
类似这样的故事还有很多，这也提醒我们，一定要注意看看：在硬币的另一面，是否还有其他的故事？
不要被成功者的故事带偏了，因为我们看到的东西，并不能代表真实的世界，它们很有可能是被过滤的、有偏差的东西。
老子在《道德经》中说：道可道，非常道。对这句话有一种理解：对于违反常识的现象，需要小心求证，用非常的手段来证明。
预测未来
7.逆向思维
法则七：要求用算法统计透明
大数据正在改变我们周围的世界，人工智能变得越来越聪明，比如 AlphaGo 在围棋方面已经能够碾压人类，背后的算法就像一个神秘的黑匣子，让人难以看透。
在《大数据时代》出版后，很多人以为只要知道相关关系就够了。
但是，反过来想一想，也有很多人并不看好，因为如果大数据使用不当，反而可能让人深受其害。比如，凯西·奥尼尔在《算法霸权：数学杀伤性武器的威胁与不公》中告诉我们：大数据加剧不平等，威胁民主。
两本书看大数据的视角不同，得出的结论也不同。《大数据时代》看到人们怎么利用数据，而《算法霸权》则看到人们怎么被数据利用。这就好比一把锤子，对木匠来说，它是有用的工具，但对于钉子来说，它就是敌人。
大数据刚开始流行的时候，人们以为自己是木匠，觉得可以利用大数据。但是，后来逐渐有人意识到，自己其实是颗钉子，不断为算法提供数据，逃不出大数据的掌控。就像有些人看算法推荐的短视频，结果一发不可收拾。
大家都想成为算法的主人，但有些人会禁不住诱惑，结果反而成为算法的奴隶。
我们不能盲目地信奉大数据和人工智能算法，如果算法不具有透明性，那么信任度就要打折扣。
8.演绎思维
法则八：统计数据来之不易
当统计的数据越具有代表性，就越能反映实际情况，也就越能赢得人们的信任。
尽管官方统计局的数据可能存在种种问题和缺点，但这些数据来之不易。如果它们辜负了人们的信任，就会受到人们的鞭挞。
统计人员应该有捍卫数据真实性的职业操守，也有捍卫数据公信力的责任。
对于使用统计数据的人来说，无论是出于个人目的，还是以监督为目的，通常都会从权威的机构提供的数据开始，比如国家统计局。
但作为相对独立的统计机构，他们有义务让民众看到数据的真相。统计数据的价值，在于让人可以利用统计数据，更加高效地做出正确的决策。
9.归纳思维
法则十：适时而变，识势而变
数据的收集和分析，是为了帮助我们了解世界的真相。在科学实验中，先收集数据，再摸索寻找规律，然后构建一个假设模型，这种做法本身没有错。
但是此后，你必须重新获得新的数据，来小心检验这个假设。有些人经常搞错了方向，不是因为没有数据，而是因为拒绝接受数据呈现出来的结果。
对许多人来说，拒绝接受数据结果的原因，是因为他们拒绝承认世界已经变了，时代已经不同了，而他们却还在原地打转。
关于收集什么数据，以及如何分析这些数据，每做一个决定，都类似于站在迷宫里的一个分岔路口，选择一条路，很快就会产生连锁反应，引发后面无数种不同的可能。做一组选择，你会得出一个结论；做另一组选择，未见得不合理，但你可能会得到完全相反的结果。
所以，始终保持开放的心态，带着一颗好奇心，审时度势，与时俱进，对未来的趋势做出适当的预判，不拘泥于单一的方法，不墨守成规，虚心接受不同的意见，不断根据事实矫正自己的错误，有错就改，这是提升认知水平的黄金法则。
以上 10 条数据法则，与其说是戒律，不如说是经验法则，或者说是作者从经验教训中养成的思维习惯。
当你看到对自己很重要的数据时，不妨用这些方法去实践尝试一下。
如果你觉得这 10 条法则太多了，那么就记住这一条：保持好奇心。
因为好奇心可以帮助你突破局限，找到数据背后的真相。
,
