本文摘自《拆穿數據胡扯》作者:[美]卡爾·伯格斯特龍/[美]杰文·韋斯特著，36氪經授權發布。
創業時，劉強東說京東的員工都是自己的“兄弟”，兄弟是不會被京東開除的，還放話要讓每位員工的收入都堪比縣處級干部的水平。
而現在，京東恭喜這些員工順利從京東“畢業了”。
劉強東是在說謊嗎？不，他只是在胡扯。
他這種胡扯很容易被發現，這種老派胡扯一般采用花哨的修辭加上華麗的辭藻，試圖將人繞暈。
比如：
別人問你得過什么大獎，你說“美國《時代周刊》2006年度人物、《感動中國》2008年度人物特別獎”。
吃瓜群眾不得不驚呼一聲“牛B”。
實際上，2006的《時代周刊》年度人物是：You。“You”指的是使用用戶分享網站的每一個網民。
而2008年感動中國年度人物特別大獎，獲獎者是全體“中國人”。
（來源：百度）
科技在進步，胡扯也有了新手段，新派胡扯使用數學、科學和統計語言來制造嚴謹 準確的印象。它們利用數字、統計數據和數據圖表粉飾那些可疑的論斷，給它們披上了一層合理的外衣，大眾認可的一個觀點是“用數據說話”。
比如一些關于中國男足的事實：
即使是巴西隊這樣的世界強隊也僅戰勝過中國隊1次；
中國隊在世界杯正賽階段的不失球記錄已延續19年；
世界杯淘汰賽的點球大戰中中國隊完成恐怖的0失球……
這種欺騙性數據是該報警的地步。
互聯網的隱蔽性給了胡扯很好的表演場所，社交媒體的興起給了胡扯完美的傳播速度。
可以說互聯網引發了前所未有的胡扯大流行
借用富蘭克林·D.羅斯福的國務卿科德爾·赫爾說的話，那就是：
“真相還沒來得及穿好褲子，謊言就已經跑過半個地球了”。
所以，為了能夠網上沖浪時保持頭腦清醒，我們需要拆穿胡扯。
那么胡扯到底是什么？
胡扯就是全然不顧事實、邏輯連貫性或實際傳遞的信息，而是利用語言、統計數字、數據圖表和其他表現形式，通過分散注意力、震懾或恐嚇等方法，達到說服或打動聽話人的目的。
胡扯為什么無處不在呢？
首先就是每個個體都在試圖向別人兜售某些東西，商品或者是想法，想想那些大餅都是怎么畫出來的；
其次，人類擁有認知工具，知道哪些胡扯是有效的；
最后，復雜的語言使得人們可以制造出無數種胡扯。
人們很喜歡收集兩件事存在關聯性的證據，然后告訴你一件事導致了另一件事。
18世紀，英國哲學家休謨提出了一種懷疑主義觀點，他認為，人們從來沒有親身體驗或親眼證實過因果關系本身，人們看到的永遠是兩個相繼發生的現象。所以，一切被稱為因果關系的東西都是值得懷疑的，應該重新審視。
如果有人說吸煙不會導致癌癥，而是癌癥導致吸煙呢？
似乎很荒唐，但這正是史上最偉大的統計學家之一羅納德·費希爾試圖證明的論斷。費希爾指出，肺部的慢性炎癥與癌癥或癌前的狀態存在關聯性。他推測，也許這種炎癥會造成一種不適，而吸煙的行為可以緩解這種不適。
如果是這樣，處于癌癥發展過程中的人可能會把吸煙作為一種緩解癥狀的方式。那些沒有患癌癥的人就不太可能染上這種習慣。
那么，說癌癥導致吸煙是不是有些言過其實了呢？
當然，事實證明費希爾的想法不正確，但他一直很重視對因果關系的推斷提出質疑——同時也可能是為他喜愛吸煙斗這個習慣進行辯護。
如果想要了解2019年的婚姻制度有多健康，可是試試臉書的搜索查詢：
可以看到這些自動補全都是甜蜜的。因為在臉書上，人們會盡可能把生活描述的盡可能好。但如果將同樣的內容放到谷歌搜索中，就會看到非常不同的結果：
人們在尋求幫 助時似乎都會求助于谷歌，在吹噓自己的生活時則會用到臉書。我們 找到什么樣的結果，取決于我們看的是哪兒。
放到國內的平臺，小紅書人均富婆、收入百萬，知乎人均985。
但是打開國家統計局網站，可以看到2021年全國居民人均可支配收入35128元；
根據第46次《中國互聯網絡發展狀況 統計報告》，可以看到，大學本科及以上的網民只占8.8%。
（來源：中國互聯網絡發展狀況 統計報告）
在生活中，我們會將一些事情歸結于壞運氣。比如等的公交車永遠不來，一旦不需要趕公交，就會發現那班車隨時都在出現；排隊時自己那一列永遠最慢，只要一換到一旁，原本那列就會迅速移動。
這其實是一種選擇效應，因為我們可能只是在較長的公交車間隔期出現，所以需要等待很長的時間。
在紐約長島弗蘭德斯有一個高大的鴨子雕像。它是一個養鴨戶在1931年建造的，用來出售鴨子和鴨蛋。現在這里已經不再出售鴨子，而是成為一個路邊景點了。
（來源：網絡）
但作為一座建筑，大鴨子并沒有什么特別的功能。在建筑理 論中，它已經成為形式優先于功能的標志。而
“鴨子”一詞被用來指代裝飾超過用途的建筑。
數據可視化是將數據轉換成圖或表等，以一種更直觀的方式展現和呈現數據。
數據可視化中的“鴨子”讓數據裝得很可愛，沖淡了圖形中有意義的數據，讀者很難理解它表示的數據。
這是一個被扭曲成羊角的餅形圖，看起來足夠有趣，但是讀者很難對這些數量進行數量比較。
數據可視化中的“鴨子”可能 不是徹頭徹尾的胡扯，但他們會朝著那個方向演變。
而且數據可視化中的“鴨子”數據圖正在慢慢滲入科學文獻中。
還有一類被稱為“水晶鞋”的數據可視化可以說是完美的胡扯。
在格林兄弟的原版《灰姑娘》中，灰姑娘的姐姐為了能夠穿上又小又硬的水晶鞋，一個人切掉了腳趾，一個人削平了腳后跟。
“水晶鞋”將一種類型的數據強行填入完全不合適的 數據可視化形式中，從而給人一種嚴謹的錯覺，來表現自己的權威性。
維恩圖（由相互重疊 的橢圓構成，用于表示隸屬于多個群組項的成員關系）就是非常受歡 迎的“水晶鞋”。
這是一篇關于利用推特數據研究公眾參與撰寫科學論文的科學論 文中的配圖，看起來像是韋恩圖，但實際上相互嵌套的橢圓只是3個數字和5個單詞的裝飾背景，看不出來它要表達什么。
數據可視化可能有意或無意地造成誤導。幸運的是，如果你 知道自己在尋找什么，那么大部分的欺騙還是很容易辨別的。
問問自己，設計者設計的圖表是為了準確地反映底層數據，還是 說希望它傳遞的信息更貼近設計者希望你相信的信息。
華盛頓大學打算開一門課叫“Calling Bullshit”，教給大家在大數據時代擯棄那些打著數學和統計學幌子的信息噪聲。
名人演講中的數據、媒體報道中的科學新進展，你能分辨哪些是值得留意的信號，哪些是胡扯的噪聲嗎？
華盛頓大學的教授卡爾·伯格斯特龍和杰文·韋斯特一同撰寫了《拆穿數據胡扯》，教給讀者如何判斷數據胡扯，撕破那些披著科學語言外衣的觀點，找到真正有用的信息。
所以，如何能夠看透網絡上的胡扯呢？
一些書中小tips：
1.證實和三角互證
一條辨別胡扯的一般性原則：如果一個說法好得（或者糟糕得）不像是真的，那它很可能就不是真的。
如果你遇到令人驚訝的言論或戲劇性的新聞報道，而且發現它們來源不明，就應該使用搜索引擎看看你是否能從其他來源找到同樣的言論。
如果沒有，那就非常可疑。即使一家新聞機構發現了一條獨家新聞，在它第一個報道之后，其他報紙也會迅速跟進。
一定要確保報道這件事的人有可靠的消息來源。造謠活動可能會在不可靠的媒體植入同一條假消息的多個不同版本。
2.質疑信息來源
受過專業訓練的記者在遇到任何一條信息時，都會問下面這些簡單的問題：
這個消息是誰告訴我的？他或她是怎么知道的？他們想向我兜售什么東西？
當我們瀏覽社交媒體信息或聽晚間新聞，或者閱讀剛出版的雜志關于健康的那一頁內容時，我們需要問同樣的問題。
3.追溯消息的最初來源
不要僅看新聞標題或推文，要閱讀完整的新聞報道。如果發現新聞報道來自一個經常聳人聽聞的渠道，溯源工作不要就此打住。繼續挖掘新聞報道涉及的第一手的文章或報道，或者在深入挖掘之后自行研究挖掘到的那些數據。
4.使用反向圖像搜索。一些搜索引擎提供了反向圖像搜索服務，你上傳一張圖片或視頻中的幾個畫面，搜索引擎會告訴你在網上的什么地方可以找到該圖片或該視頻。這是網上沒有充分利用的事實核查工具之一。
5.避免證真偏差
極端言論在社交媒體上很受歡迎，那些再一次確認我們本來就相信的事實的帖子也是如此。這就給我們帶來了辨別胡扯的又一條經驗法則：避免證真偏差。
證真偏差是指人們往往會注意、相信和分享與我們已有信念相一致的信息。如果某個言論與我們相信的東西相一致，我們更傾向于接受它，而不太可能懷疑它的真實性。
證真偏差是互聯網上錯誤信息泛濫的一個重要因素。我們一直在努力訓練自己避免證真偏差。我們希望自己能做到高度謹慎，敢于質疑與我們對這個世界的既有認識相一致的言論。
6.注意深度換臉等合成技術
互聯網上的陌生人可能是身處任何地方的任何人。所謂的深度換臉技術可以生成不存在的人的逼真圖像。要記住，即使有人出現在“照片”中，他或她也可能不是真人。
7.確保你知道你在和誰打交道
網絡很虛假的，和你聊天到深夜的可能是禿頭大漢，帶你發財致富的人可能坐在電腦前正在買跑路的機票。
就像其他網絡詐騙者一樣，假新聞制造者會花樣百出，讓他們提供的信息顯得更加真實可信。通過精心設計，假新聞可能會讓人覺得是一家大型報紙或電視臺發布的數百條新聞中的一條，但如果你再深入挖掘，就會發現這家報紙或電視臺根本不存在。
有時候，假新聞網站的廣告看起來像是來自有一定聲譽的商家，但實際上是把你送到騙子網站的陷阱。
8.減少信息攝入
休息一下，一天發幾次呆，在“華麗錯過”時能做到怡然自得，而不是為錯過的東西焦慮不安。這會增強你在網上以懷疑的眼光處理信息的能力。
最重要的是，使用社交媒體時，一定要記住“多思考，少分享”這句箴言。社交媒體不僅信息量大，還可以加快我們互動的速度，因此有可能讓我們上癮。但作為負責任的公民，我們必須讓我們的信息環境盡可能地保持潔凈。在信息高速公路上，我們應該約束自己。上網時，我們不能再像以前那樣隨手把垃圾扔出車窗，然后一頭扎進匿名的黑夜。
《拆穿數據胡扯》帶你看透互聯網的虛假與真實，從海量數據和觀點中，分辨科學的信號與噪聲，并培養摒棄信息噪聲的本能。
書名：《拆穿數據胡扯》作者:[美]卡爾·伯格斯特龍/[美]杰文·韋斯特，出版社：中信出版集團
卡爾·伯格斯特龍（Carl Bergstrom）
美國華盛頓大學生物學系教授。他研究流行病如何在人群中傳播，以及信息如何大規模地在生物和社會系統中流動——從細胞內對基因表達的控制到社交媒體上錯誤信息的傳播。他最為人所知的是跨界整合自然科學和社會科學思想的能力，特別是在信息研究領域造詣很深。2010年以來，他發表了多篇前瞻性的文章，涉及信息科學、計算機科學、控制論、進化生物學、信息論、科學哲學、物理學等方面。其中有很多都發表在《自然》《科學》《美國國家科學院院刊》上。
杰文·韋斯特（Jevin D.West）
美國華盛頓大學信息學院副教授、公眾知情中心主任。
