华夏经纬北京

我们每天都要接受大量的数据，这些数据不是都是有用的，那我们应该怎么来正确的解读、分析、处理这些数据呢?

在《数据的真相》一书中MIT数据学专家讲述了如何破译每天接触到的数据，将复杂的问题变得更简单和直观。我们每天都在刷头条、浏览弹窗，每天都会接触海量的数据信息，这些信息背后隐藏着什么真相?如何识别那些一本正经的胡说八道?普通人一天大约要接收30G的数据，但大部分人不知道如何正确地解读这些数据。MIT数据学专家在《数据的真相》中讲述了如何破译每天接触到的数据，将复杂的问题变得更简单和直观。

《数据的真相》涉及商业、零售、广告、育儿等诸多领域的真实案例，以及时常为人们所误解的数据概念。在本书中，你不仅能够找到如何在信息庞杂的世界中识别数据谎言、挖掘有用信息的方法，而且还能找到凭借该答案迅速做出明智决定的智慧。

如果你拥有所有以往数据，也就是我们所谓的数据总体，那么你就有了一个良好的开端。例如，不管以什么方式，若我们能够观测到曾经发生在日本的每一次地震及海啸，我们就掌握了所有这些事件的数据。即使那时我们常常禁不住思考未来还会发生什么别的事情。

但如果我们没有搜集到全部数据，就不得不依赖某一个样本。而在抽样的过程中，我们也不是总能知道样本是否代表了数据总体的真实情况。所以你得出的结论也不确定，也就是抽样误差—我们在第五章讨论过。这是福岛大灾难背后的因素之一，鉴于大地震及海啸发生的频率相对较低，其样本容量(几十年)太小，不具备代表性。

样本的不确定性越大，预测的不确定性就越大。掌握的信息越详尽，预测结果越准确，在统计学中，我们将预测的基础称为“模型”。模型展示了所有掌握的信息—你用来预测未来的因素，你所依赖的基础样本数据，以及你通过数学方法确定的各因素之间的关系。换句话说，该模型体现了你所认为的各因素之间的关系。毕竟，如果你解释不了已经看到的东西，就很难(几乎不可能)解释在未来将要看到的东西。

以往的数据也会受到目前我们讨论过的许多因素的影响—筛选数据、遗漏变量、离群值、显著性差异等。以上任何因素在你的以往数据中出现都会导致影响预测的问题，因为未来通常立足于以往的数据。

任何评估都存在不确定性，然而这并不是有些人所喜闻乐见的—他们只想要数字。

正如布朗所说，“大多数经济学家明白，我们真正在做的是‘规划’而非‘预测’”。换句话说，如果生育率、死亡率或者劳动参与率以特殊的方式演变的话，我们可以非常自在地将社会保障系统内的资金运转方式转化为模型。但若要明确地说明陈述生育率、死亡率或者劳动参与率将以哪种特定的方式发展，我们就没那么自在了。

不过除了在数据统计方面受过训练(或者读过这本书)的人，这类的细微差别可能对他们来说无足轻重。布朗指出：“结果是，我们常常见到这样的情形，当政策没有完全达到预期效果，哪怕结果仍处在初步估算出来的置信区间时，人们就已经表达出意外、失望乃至愤怒之情了。”

数据霸权崛起、无用阶层庞大——这是《今日简史》预言中2050年的世界

算法正在大行其道，我们到底是受益者还是受害者?