数据是如何误导我们的

我们常说，现在是处于一个数据的时代，小到一个个人，都可以有一堆的数据指标来衡量你的业绩、工作、生活、消费、健康、信用，大到宏观的经济发展，地区形势、全球气候，所以想要更加清晰的了解这个世界，我们需要从了解形形色色的数据开始。

但是很多时候数据可能不像展示的那么客观，公正，反而会被别有用心之人利用，来干扰认知，产生正确的误会。

一些客观的数据可能存在误导性。

数据标准化，如何衡量一个国家的发展水平那，对了，有一个标准化的概念，那就是GDP，也就是国内生产总值，但是多年来对于反对使用GDP衡量一个国家是否富裕的声音一直很多，GDP没有考虑发生在市场交易以外的价值创造行为，也没有充分的考虑环境恶化的成本，没有考虑收入的分配，未考量人们真实生活感受。虽然提出来很多的符合指标，但是向GDP一样，没有那个指标可以做到尽善尽美。

所以，所有的、把抽象的概念标准化的过程，都是建立在人为的价值判断之上的。无论是由谁来设计一个把抽象的概念标准化的方案，都只能代表一种特定的价值判断而已，并不意味着，这就是一个客观的选择。

其次是数据的采集，人们采集到的数据永远不可能精准地反映现实，虽然统计学已经在极力的挽救，但是透过数据看现实，就像是透过磨砂玻璃看东西一样——你可以看到一个大致的轮廓，但永远都无法完全看清楚。

相关性不代表因果性，典型的例子就是下雨的时候，街上有很多人带着伞，但我们并不能说，是雨伞导致了下雨。

数据分析中还有一个更重要的问题是，一切数据分析结果的背后，都存在着人为的选择——不管是有意识的，还是无意识的。

所以一些即使是看似客观的数据其实也是具有误导性的。

如何才能避免自己被数据误导那？

首先就是要看数据由谁提供，越是官方的数据往往会越权威。

其次是这个概念是谁创造，如果是个人创造，你听着图一乐就行，但是如果是业界公认，那你还是需要仔细辨别，我们会很容易忽视了“抽象概念”跟“真实世界”之间的那道屏障；忽视了所有概念背后都隐含着人们的价值判断；忽视了并不是所有概念都能够被量化，量化的方式也不只有一种。所以，当我们看到一个数据，衡量的是一个人为创造出来的概念的时候，最多只能把它理解为，是真相的一个切面，而不能把它当作全部的真相。

然后就是数据的采集方式，是随机获取还是特定的研究目标，还有就是研究的问题设置是否合理，受试者是否都在讲真话。

最后就是要确定数据是否在告诉我们因果关系，如果是需要注意因果是否被倒置。

因为数据也会存在各种人为或非人为因素的干扰，数据无法向我们展现出她真正的面目，数据研究分为三个步骤，在数字标准化、数据收集、数据分析中都尊在一些问题，而避免误导的行动就是警惕数据的产生过程。在看到一个数据的时候，记得在脑子里多画几个问号，想一想，这个数据是谁提供的，其中有没有利益关系？这个数据衡量的是不是一个人为创造出来的概念？数据研究采用的样本是不是某个特定的人群？研究结论是不是把相关关系当作了因果关系？等等。