一次看懂小數據：MIT經濟學家帶你搞懂生活中的統計數字，聰明做決定

名人推薦：各界好評／

這本書會讓你更明智、行動更快速。做決策或形成任何意見前，請先一讀。

──賽斯．高汀Seth Godin／《有機會，拚就對了！》（What to Do When It’s Your Turn）作者

數據，是我們的知識、好奇與創新的重要動力。但我們必須了解如何詮釋數據，才能善用隱藏其中的豐富可能性。強森與葛拉克正在散播這份財富，以通俗的語言教導我們面對日復一日排山倒海而來的數據。這是一本寶貴的讀物！

──布拉德利．霍羅威茨Bradley Horowitz／Google相片與影片串流部門副總裁

在充斥著數據的現代世界裡，知道如何加以善用與解...

Chapter 1

數據，數據，生活無處不數據

──日常小數據簡介（摘錄）

從早晨睜開眼睛那一刻開始，數據就環繞在我們身邊。

根據加州大學聖地牙哥分校全球資訊產業中心「資訊知多少」計畫的調查，一般來說，一個美國人每天平均要用到34個十億位元組（GB）的數據。

34個十億位元組是很大的量，1個位元通常可以容納1個英文字母或數字，根據英國國家廣播公司（BBC）引用的資料，如果你印出34個十億位元組的數據，這些紙張可以裝滿幾十輛小貨卡。這還只是你在家中主動取得的數據量，比方說電視、廣播、電腦和電話，還不包括存在我們身邊、或是在職場上得到的資訊，後者的數量很輕易就能超出這個數字2、3倍。

花1分鐘來想想你可能會接觸到的所有「日常小數據」。就先從你展開一天的前1、2個小時好了：

‧你睜開眼睛，看到的第一個數據──鬧鐘閃動的數字。──估計數據使用量：9個位元

‧你拿起手機，還沒下床，就已經先掃過12封電子郵件、一些簡訊、幾則交通訊息通知和熱門新聞提醒。──估計數據使用量：2.1個百萬位元組（MB）

‧你走進浴室，站上體重計，看到你昨天晚上根本不應該吃披薩的證據。──估計數據使用量：3個位元

‧牙刷能為你提供數據嗎？當然可以。如果你是使用電動牙刷，每30秒會以震動方式提醒你要換個位置刷，這樣的震動就是另一種型態的數據。──估計數據使用量：60個位元

‧叮！手機上的行事曆提醒你今天要和客戶開會。──估計數據使用量：43個位元

‧女兒要你在她的數學考卷上簽名。你如何知道你看到的就是全部？女兒有沒有藏起其他考卷沒拿給你過目？還有，分數代表什麼意義，和她的能力相符，還是只代表她有去上課或其他指標？──估計數據使用量：46個千位元組（K）

‧早上你如何得知新聞消息？奧勒岡大學一項研究指出，與閱讀網路新聞相比，閱讀紙本報紙可以記得更多內容。當你掃過標題時，你看到：

〈民調顯示，76％的美國人不認同國會〉

〈紅襪隊名列第一，連贏15場，取得7勝領先〉

〈天氣預報顯示，今天高溫攝氏21度，低溫攝氏14度〉

〈最新研究顯示，每天1杯紅酒，可降低罹患心血管疾病的機率〉

〈從預算數字看，聯準會將再度調降利率〉──估計數據使用量：3.1個百萬位元組

‧你在想，如果調降利率，房貸再融資的成本（時間和金錢成本）有多高。你開啟手機一套應用程式，寫下備忘錄（它會自動和你的電腦同步），並發送電子郵件給你的配偶。──估計數據使用量：2.2個百萬位元組

‧該上班了，你跳進車子，迎接你的是充滿數據的儀表板。油表燈亮了嗎？引擎溫度多高？胎壓狀況如何？有些數據是藉由警示燈提醒，有的是透過類比傳遞，有的則是顯示在數位螢幕上。──估計數據使用量：63個位元

‧油箱還有4分之1桶油，這代表什麼意思？為什麼油表顯示已經沒油了，你還是能繼續開車？──答案請見第6章。──估計數據使用量：26個位元

‧經過加油站，這家加油站標出的價格比對面那家每加侖便宜了4美分，但是只收現金。每加侖4美分的差價會影響你的選擇嗎？──估計數據使用量：2.0個百萬位元組

‧你停在星巴克買咖啡。你要買16盎司的大杯，還是20盎司的特大杯？你考量著多出來的價格（和多出來的熱量）。你點餐，然後讀每一小包代糖上的標籤，上頭涵蓋了各種營養成分的相關資訊。（真正的砂糖包和蜂蜜包不會有營養成分列表，所以很難和人工代糖比較。）──估計數據使用量：10.1個千位元組

終於到辦公室了，你開始上工。從你緊追新聞，到查看電子郵件、確認工作表、磋商合約、檢視銷售預測、打電話與參加會議，全都是數據，數據一整天如影隨形。

但是，以上這長串清單都還沒搔到皮毛，還不足以解釋數據如何影響你的生活。因為，除了這些數據之外，你還沒決定要去哪裡加油，以及該如何處理小孩的數學成績。

你可以利用數據做什麼？

《時代》雜誌指出，「我們擁有豐富的數據，但數據創造的報酬正快速下降。因為超過某個水準之後，獲得越多的資訊，就越難從中得出意義。」

聽起來心有戚戚焉嗎？不是只有你這麼覺得。

◤小數據，才是真正影響我們的數據

你或許聽過「大數據」。基本上，這類數據對一般人而言數量太過龐大，可以用海量來形容如果，沒有精密的軟體和強大的運算能力將無法處理。舉例來說，「彭博商業網」（Bloomberg Business）有一篇報導說，優比速公司（UPS）每部車蒐集200個數據值（該公司約有10萬部車），利用這些數據來節省閒置的時間與油料，報導指出：「每天每位司機少開1英里，1年就可為公司省下價值5,000萬美元的油料、汽車保養和時間費用。」

全世界都用大數據來解決大問題。荷蘭利用大數據進行水資源管理；食品外送公司利用大數據滿足客戶半夜的嘴饞；IBM利用以千兆位元組（PB）計算的數據，找出可能的食物感染源。

大數據很誘人，經常成為新聞標題。《富比士》一篇報導說，一些和大數據相關的職務，市場需求每年成長幅度超過80％。《華爾街日報》引用數字，說明各種與數據有關的方案計畫快速成長，指出商學院學生需要的「大數據永遠都不夠」。

然而，就像你在前文看到的，小數據──日常生活中位元或位元組很小的數據──通常可以發揮很大的效果，影響你的健康、錢包、工作、人際關係和其他，而且是每天。從食品標籤到天氣預報，從你的銀行帳戶到你的醫生的辦公室，日常小數據圍繞你身邊。

可惜的是，人們並不完全相信這些數據，就算這些資料就攤在他們眼前。

「事實不一定能讓我們改變心意。實際情況正好相反。」《波士頓環球報》一篇報導引用密西根大學的研究發現，接收到錯誤資訊的人，反而容易深信不疑，甚至在面對事實時，更加堅持自己的（錯誤）想法。（顯然，有些人就是死不認錯。）

但是，再多的傳聞也不會變成事實。舉例來說，即便所有鄰居都說今年是有史以來最熱的夏天，也不代表這就是真的。

「我認為，我們面對的最大問題，是過度解讀軼事證據。」艾蜜莉．歐絲特（Emily Oster）如是說。她是布朗大學經濟系副教授，也是《期待更好》一書的作者。當我們請教她一般人如何解讀日常生活中的數據時，她給了上述的答案。

「人都會想從個別的故事或經驗當中學到東西，」她補充，「你很難強迫自己忽略這些軼事，至少，你會把這些傳聞當成參考，試著從這當中得出結論，而不看數據。」

傳聞或許很容易讓人記住，或許很有說服力，但重要的是，事實是什麼。

◤脈絡很重要

我們還要謹記另一件事，在日常生活中，你或許會在脈絡下檢視數據，或是和其他數據比較。有時候，脈絡與額外的數據會有幫助，有時候卻會造成誤導。來看看以下的案例：

‧加州何爾摩沙海灘市，消防隊的平均反應時間只有5分鐘多一點。這樣的反應時間是好是壞？要詮釋這個數據，你可能會和過去的數據相比、和相似社區的數據相比，或是和其他數據相比。

‧休士頓喬治布希國際機場收到申訴，旅客抱怨行李送達時間拖太久。於是，機場管理處把行李提領區搬離入境區更遠的地方，這樣一來，旅客要花更多時間走路，而非等待。之後申訴案件就變少了，因為人們覺得提領行李的時間變短了。

‧我們會用不同的方式使用與詮釋不同媒體上的數據，比方說，你會不會覺得《華盛頓郵報》的網路版比紙本版更準確，因為前者是即時更新？你是否偏愛閱讀紙本雜誌，因為你可以把有趣的文章剪下來？就算同樣都是紙本書，你是否覺得精裝本比平裝本更有權威感？

賽斯．高汀（Seth Godin）曾在一篇部落格貼文中提問：「哪一瓶酒滋味更香醇？是餐廳裡最便宜的、一瓶只要30美元的酒，還是隔壁餐廳定價較高的同一款酒？」所以說，脈絡很重要。

當然，還有各式各樣的隱性數據是你不會察覺到的。比方說，《華爾街日報》報導指出，幾年前，如果你在夏天某個潮濕的日子，利用天氣頻道的應用程式查詢天氣，你可能會看到潘婷Pro‑V絲滑洗髮精的廣告（用來對付毛躁髮）。你會看到這個廣告似乎只是巧合，但實際上，廣告瞄準女性，並且根據她們查詢的地區，如果當地濕度高（會讓頭髮毛燥），廣告就會出現；如果濕度低，就顯示不同的護髮產品。當你查詢天氣，你也會看到廣告，但除非你在天氣頻道工作，不然的話，你可能看不出來兩者的關係。

在一個數據導向的世界裡，你不一定知道是什麼在導引數據。

◤當聰明的數據使用者

當一個聰明的數據使用者，你的任務是不斷問問題，了解你看到的數據如何影響你的生活。

你必須自問：

‧政治候選人在電視競選廣告中有哪些話沒說出來？

‧記者用的是精準樣本數據，還是，他只是拿出支持他報導的數據？

‧銷售預估仰賴哪些數據？

‧你的醫生是說你的病是因某種行為而起，還是僅僅說兩者有些關連？

‧行銷人員在產品包裝上強調哪些重點，為什麼要凸顯這些數據？

‧為什麼年報用圓餅圖顯示某些數據，卻用柱狀圖顯示其他數據？

有時候，數據試圖告訴你某些事，可能是產品、服務或觀點。有時候，光是知道新聞主播希望引起你的注意，政治人物想要你的選票，以及廣告主想要賺你的錢，你就能成為更好的數據使用者。但有時候並沒有其他考量──你就是須要弄清楚這些數據，才能理解這個世界。

而這也是本書的重點：幫助你在生活中辨識「日常小數據」，知道如何去解讀；並提出經過千錘百鍊的祕訣，幫助你避開常見的數據陷阱。你可以成為一個有素養的數據使用者，在生活中做出更好的決策。

我們開始吧。

Chapter 7

當心採櫻桃的人

──選擇性表述（摘錄）

◤何謂「選擇性表述」

英文片語的「cherry picking」，字面意為「採櫻桃」，引申為「選擇性表述」，起源很可能來自實際採櫻桃的動作。請這樣想：你在櫻桃園裡，帶著籃子和梯子，你的工作是用櫻桃裝滿籃子，拿到市場出售。你會跳過看起來受傷或還沒有成熟的櫻桃，你會用你能採到賣相最好的櫻桃裝滿籃子。因此，「採櫻桃」就用來指稱你會挑選其他人想要的東西（可能是數據或櫻桃）。

當然，「採櫻桃」的另一層意義，是指摘取最低處的櫻桃，這也是一種比喻性的說法。比方說，在籃球比賽裡，「採櫻桃球員」是指留在對手半場，在籃框下等待的球員，等隊友抄到球長傳，就可以輕鬆帶球上籃或灌籃。

就我們目的而言，我們談的「選擇性表述」，是指選擇最有利的數據，並忽略其他和預期結果相衝突的數據，以利立論。或者，就像一份研究說的：「取最好的，其他不要。」

那麼，你為什麼要當心選擇性表述？就像我們在第2章中看到的，當你檢視來自相同數據的不同樣本時，得出的結果可能大不相同。如果你故意這麼做，就有辦法得出你想要的結果。

來看看一家從午餐做到晚餐的餐廳。某一天，這家餐廳計算每小時有多少人來用餐，以下是他們得到的結果：

上午11點：2人 ／ 中午12點：25人

下午1點：30人 ／ 下午2點：3人

下午3點：0人 ／ 下午4點：2人

下午5點：28人 ／ 下午6點：35人

下午7點：5人 ／ 下午8點：3人

隔天，一位潛在買家想知道這家餐廳的生意好不好。「好極了，」餐廳老闆說，「我們午餐和晚餐時段都客滿，人都排到門外去了。」這位潛在買家離開，準備好要出高價收購這家小餐廳。

2分鐘後，房東走了進來，對餐廳老闆說要提高租金2倍。「你不能這麼做！」餐廳老闆說，「這個地方大部分時候都空蕩蕩的！」

當然，兩種說法都百分之百正確，但也都百分之百是選擇性表述。如果你只看午餐和晚餐的熱門時段，餐廳門庭若市。如果你僅看中餐到晚餐之間的時段，餐廳幾乎沒人。同樣的數據──不同的樣本和選擇性表述──得出的結果大不相同。

◤你也會做選擇性表述──對，說的就是你

到目前為止，你應該可以想到你在生活中會做的幾種選擇性表述。比方說，你可能做過：

‧填寫線上約會檔案

‧替同事寫推薦函

‧沒對伴侶說那個週末在賭城發生的事

‧決定今天不除草，因為好像會下雨

在上述所有情境中，你不可能用上所有的數據，你只會用你想用的數據。

當然，本來就不可能納入全部的數據。請想一想你的履歷，或是在LinkedIn網站上的檔案。從定義上來說，這些都是你過去所做所為的摘要，而且（多數時候）目的是為了幫助你得到一份更好的工作。那麼，你當然只會列出職涯重點，而且只囊括那些能讓你加分的項目。這仍是選擇性表述。你知道，你的主管知道，人力資源經理也絕對知道，也因為這樣，面試通常都設計成要揭開履歷上沒說的事。

◤只為娛樂

如果你是運動迷，你看過與聽過的選擇性表述的統計數據可能比一般人多很多。請想像一下：現在是1988年，你正在看一場世界大賽，今天是奧克蘭運動家隊對洛杉磯道奇隊。9局下半，2人出局。再過幾分鐘，我們就會看到道奇隊的柯克．吉布森（Kirk Gibson）打出棒球史上最讓人念念不忘的一計全壘打，此時，電視螢幕上出現了以下這些統計數據：「過去10年，在10次世界大賽中，有7次冠軍是由輸掉第一場比賽的隊伍抱走。」

這為什麼是選擇性表述？首先，播報員僅選擇談第一場比賽的輸贏。如果現場播報的就是第一場比賽，那還可以理解的。但為什麼他們把樣本集合限在過去10年？而不是5年？或20年？或30年？如果樣本集合不同，數據還會說出一樣說的故事嗎？

下一次，當你在看比賽（或是從收音機聽比賽，或是讀到報紙上的運動版）時，請看一看（或聽一聽）這類選擇性表述的統計數據。這些統計數據聽起來很有娛樂效果嗎？絕對是。可以幫助打發投球、牽制和傳球之間的時間嗎？當然。但有用嗎？沒什麼用。

◤覺得好一點了嗎？

在總結本章時，讓我們檢視行銷人員如何做選擇性表述，使得一般消費者難以看出各個品牌之間的差異。

來看看以下3種說法，來自於3家不同的醫療保健機構：

‧「＿＿＿＿醫院22度被列為全美第一。」

‧「＿＿＿＿醫院排名第一的專科超過全美任何一家醫院。」

‧「＿＿＿＿醫院的醫生名列全美頂尖醫師的人數高於全美任何一家醫院。」

當你讀這些說法時，聽起來像是這3家醫院都希望你認為他們是最好的。但是，不管任何調查或研究，假設沒有3個機構並列第一的話，應該都只有1個第一名。

那麼，其他人怎麼辦呢？他們做選擇性表述，只為做出最強而有力的宣傳。

■面對選擇性表述，當聰明的數據使用者

當選擇性表述出現在你面前時，你要如何辨別？你可以從現在就開始做以下5件事：

1　首先，在尋找或使用任何統計數據時，閱讀小字說明。在嘉寶的範例中，我們可以從附註和免責聲明裡爬梳出很多資訊。進一步檢視警告、內文和註腳。當人們引用研究時──尤其是廣告主在引用時──你通常會看一位專家背書，有些是聯邦貿易委員會或其他機構規定一定要有的。要當聰明的數據使用者，請拿起放大鏡，好好閱讀小字說明。

2　第二，想一想你看到的數據是否出於任意（或有意義）的選擇，是否會導致特定的結果。比方說，運動界就經常可以看到任意選擇的數據。每當你聽到播報員說「在過去19場比賽裡……」或「自2002年以來……」時，就是在做選擇性表述。有什麼理由使用從特定時間點開始的數據嗎？你可能只是在聊季後賽，或是分析總統大選，或是檢視重要事件之前（或之後）發生了什麼事，比方說政策的改變，你都必須思考你看到的數據究竟是出於某個人任意的選擇，還是這樣的選擇實際上是有意義的。

3　第三，問一問少了那些數據。在嘉寶的範例中，我們看到有一群小兒科醫生根本不推薦嬰兒食品，另外還有一群不推薦任何特定品牌。當嘉寶提出「8成」的說法時，都沒有包含這兩群人。被忽略的數字，可能和被提出來的數字一樣重要。想一想裝了半杯水的杯子，樂觀主義者會說是半滿的，悲觀主義者會說是半空的，他們都是對的，但也都是選擇性表述。如果你想做出更好的決策，你需要全貌。

4　第四，不要賦予任何統計數據過多的意義，超越該有的程度。更全面的思考，不要被任何看來強而有力的單一數字左右，那可能是出於選擇性表述，無法精準表述全貌。如果一個紅襪隊球迷告訴他的兒子說，貝比．魯斯（Babe Ruth）在打者生涯中，被三振的次數達1,330次，小孩可能會認為這位球員很糟糕。

5　最後，多問問數據是從哪裡來的，這麼做永遠是對的。比方說，我們都很愛咖啡，這本書有一半的篇幅是在咖啡店寫的（我們需要用到一整頁的篇幅，才能向所有友善的咖啡師致謝）。然而，當你讀到美國國家咖啡協會的一篇報告，協會理事長與執行長說，現在人喝咖啡的量越來越大時，你無須驚訝。畢竟，國家咖啡協會的核心目標，是要「擁護美國咖啡產業的福祉」。不管你讀的是任何產業組織的新聞稿，當中的消息很可能都映照出這個群體積極的一面。（不過《華盛頓郵報》也有報導，「一份由奶油產業出資的相關的研究，發現奶油對人體不好。」）一如往常，當你在使用數據時，要想一想來源。

因此，下一次當你聽到主管說，因為「上個月銷量下滑」無法幫你加薪時，問問看他上一季，或是去年，或是過去10年的銷售狀況如何。

當你家中12歲的小孩吵著要看限制級的電影，理由是他「所有」的朋友都看過時，問問看他的數據集合有沒有把所有朋友都囊括進來，還是，他只算那些父母很酷的小孩。

還有，如果你聽到有人說「8成的人……」時，就該開始問問題了。

Chapter 1

數據，數據，生活無處不數據

──日常小數據簡介（摘錄）

從早晨睜開眼睛那一刻開始，數據就環繞在我們身邊。

根據加州大學聖地牙哥分校全球資訊產業中心「資訊知多少」計畫的調查，一般來說，一個美國人每天平均要用到34個十億位元組（GB）的數據。

34個十億位元組是很大的量，1個位元通常可以容納1個英文字母或數字，根據英國國家廣播公司（BBC）引用的資料，如果你印出34個十億位元組的數據，這些紙張可以裝滿幾十輛小貨卡。這還只是你在家中主動取得的數據量，比方說電視、廣播、電腦和電話，還不包括存在我們身邊、或...

推薦序│成為更好、更聰明、更有信心的數據使用者

──德莫里斯．史密斯DeMaurice F. Smith／國家美式足球聯盟球員工會執行董事

2010年春天，美國國家美式足球聯盟（NFL）的眾家老闆們提出諸多期待，其中一項是延長常規賽季，多打2場比賽。身為球員工會的執行董事，我知道這不是一件好事。

賽事越多，在球場上發生的傷害就越多。目前的受傷率已經接近百分之百了。受傷率越高，運動員的職業生涯時間就越短，他們的平均職業年限也不過3年多一點而已。工會要面對的是重大問題，包括球員的安全、薪酬，以及如何保護這些人──在賽季，球員每星期都要在美國最受喜愛的體育賽事中拿自己去冒險。

職業美式足球是價值幾十億美元的產業，而且不斷成長。延長常規賽季，可能導致十多年來首度的球員罷工。我需要有確實的證明，想辦法把常規賽維持在16場。

我打電話給約翰．強森。

強森是經濟學、統計學與數據方面的專家，而且擅長化繁為簡，能夠以最簡單直接的方式，呈現最複雜的數據概念。他是我認識的人當中最聰明的一個，他有能力仔細而完整的解釋，也能針對不同的聽眾，以別出心裁的方式說明，最重要的是，他從來不讓人覺得無聊！

一如所有的美式足球迷，工會非常希望能挽救即將到來的賽季，不會因為罷工而終止。因此，我們把數據給強森，強森和他的同事們發展出一套模型，讓我們知道球員通常會在什麼時候、如何受傷，並且估算出賽季如果延長為18場可能會造成的經濟損失：利用數據預測球員的職業生涯平均會因此縮短多少。他們也和我們合作，量化每一場比賽為周邊帶來的價值，讓所有人理解罷工真正的經濟衝擊是什麼。

總而言之，強森有能力向球員、媒體說明數據，更重要的是，讓國家美式足球聯盟的老闆聽進去（「損失」這類字眼特別能讓他們豎起耳朵）。這份能力幫助我們做出決定，達成主要目標，捍衛旗下球員的健康與安全，並以一份為期10年的合約達成結論，這對國家美式足球聯盟球員的福祉和利益來說極具歷史意義。

本書最能代表強森的思路，我深信，這本書能幫助你在日常生活中做出更好的決策。在字裡行間，你將學會如何理解、詮釋與思考你每天都在使用的數據。強森和另一位共同作者葛拉克旁徵博引大量範例，直指議題核心，深入淺出，有時候還附贈讓人放聲大笑的歡樂。不要懷疑，在你閱讀這本書時，你會在每一次心有戚戚焉的「啊哈」時刻頻頻點頭，並質疑起你在居家和職場上看到的一切「事實」。

以下的事實不容否認：我們日常生活中的數據量快速膨脹，從四面八方朝你湧來。也因此，了解人們如何使用與濫用數據，是非常重要的事。我親身體驗過數據的威力，你無須像我一樣，和一些全世界最富有的人打驟死賽，也可以了解並管理你的數據。

只要你有在看電視、購物、有工作，或是在餐廳用餐，這本書便是為你而寫的。《一次看懂小數據》在這個重要的時間點上填補了嚴重的空白，當中蘊藏著真知灼見與無窮魅力。

這是專為你而寫的劇本，讓你成為更好、更聰明、更有信心的數據使用者。

敬請享用。

前言│我們來談數據吧

每天，你身邊環繞著媒體報導和其他消息來源，當中通常充滿著隱性的資訊──還有，錯誤的資訊。本書會幫助你找出這些資訊、解讀這些資訊，讓你成為有素養的數據使用者。

我們將在書中回答以下這些問題：

‧新聞報導上的假消息如何讓股市蒸發1,636億美元？（第6章）

‧日本福島核災是否可能預防？（第8章）

‧8成的小兒科醫師對於嬰兒食品的看法是什麼？（第7章）

‧你認為哪一位美國總統候選人真的在民調中領先？（第5章）

當然，還有……

‧愛吃烤起司三明治的人，性生活真的比較較美滿嗎？（第4章）

「日常小數據」目前還不是一個慣用詞，但遲早會的。

我們創造出這個詞，用來描述你在日常生活中每天都會碰到的大量數據。

而我們之所以寫本書，是希望幫助你在理解這些日常小數據時，更精明，反應更快。

因為，就算你沒有受過這方面的專業訓練，你仍必須解讀數據。

如果你是律師，你必須判斷證人提供的證詞是否為選擇性表述。

如果你是護理師，你必須了解病患的病症究竟是導致他發燒的原因，或者只是單純的相關性。

如果你是執行長，你會想預測下一季能賺進多少營收。

如果你為人父母，你會想知道自己的孩子是否高於（或低於）平均水準。

本書的主旨，是教你應用生活中的數據做出更好的決策。

我們會凸顯經常遭到誤解的數據概念，輔以真實與假設的範例做說明。在每一章結尾處，我們會提供5種讓你現學現賣的方法，你可以馬上一試。

你可以從頭到尾讀完這本書，或者挑選有興趣的章節。

在我們開始之前，先很快的提一下免責聲明：強森是專業經濟學兼統計學家，他日常工作和嚴謹的數據分析有關，常常替涉及千百萬美元訴訟的《財富》百大企業、產業團體或政府機關擔任專家證人。這本書基本上是基本統計概念的綜觀，而非完整的教科書。因此，如果你是律師型人格，最愛「被我逮到了吧」這種時刻，現在就可以闔上書了。好消息是，因為本書的用意是寓教於樂，我們還是會提供一些樂子，比方說，解釋為何你的油箱還沒空，名人是不是真的一死就要死3個，以及為什麼喝過期的牛奶沒問題。

好了，既然免責聲明說完了，我們就來談數據吧。

推薦序│成為更好、更聰明、更有信心的數據使用者

──德莫里斯．史密斯DeMaurice F. Smith／國家美式足球聯盟球員工會執行董事

2010年春天，美國國家美式足球聯盟（NFL）的眾家老闆們提出諸多期待，其中一項是延長常規賽季，多打2場比賽。身為球員工會的執行董事，我知道這不是一件好事。

賽事越多，在球場上發生的傷害就越多。目前的受傷率已經接近百分之百了。受傷率越高，運動員的職業生涯時間就越短，他們的平均職業年限也不過3年多一點而已。工會要面對的是重大問題，包括球員的安全、薪酬，以及如何保護這些人──在賽季，球員每...

推薦序│成為更好、更聰明、更有信心的數據使用者
前言│我們來談數據吧

1　數據，數據，生活無處不數據
──日常小數據簡介
2　挑戰者號的挑戰
──抽樣如何影響結果
3　你比其他人聰明嗎？
──加總、平均與離群值
4　你比用iPhone、聽電台司令的人更聰明嗎？
──區別相關性與因果關係
5　我們信仰統計
──眼見真的為憑嗎？
6　縮小的非洲
──錯誤表述與錯誤解讀
7　當心採櫻桃的人
──選擇性表述
8　明天太陽依舊會升起嗎？
──預測
9　外面的世界是一大片的叢林
──整合

結語
字彙
致謝
附註

推薦序│成為更好、更聰明、更有信心的數據使用者
前言│我們來談數據吧

1　數據，數據，生活無處不數據
──日常小數據簡介
2　挑戰者號的挑戰
──抽樣如何影響結果
3　你比其他人聰明嗎？
──加總、平均與離群值
4　你比用iPhone、聽電台司令的人更聰明嗎？
──區別相關性與因果關係
5　我們信仰統計
──眼見真的為憑嗎？
6　縮小的非洲
──錯誤表述與錯誤解讀
7　當心採櫻桃的人
──選擇性表述
8　明天太陽依舊會升起嗎？
──預測
9　外面的世界是一大片的叢林
──整合

結語
字彙
致謝
附註