Editor"sNote:
中国每天平均有大约4.5万个新生儿诞生
中国有2000万男同性恋者
北京平均薪酬11434元/月
……
第一眼看到这些数字，你会不会首先质疑这些数字的来源出处及其可靠性？它们对你来说意味着什么？
美国社会学家及民权运动者W·E·B·杜波依斯曾说：“当你掌握了数字的要义之后，你看的就不再是数字，就像你看书看的不是单个的字一样，你将直接看到其背后的意义。”
身处时刻被海量数据轰炸的时代，如果你也想变得更明智一些，增强对数字的敏感度，提高自己的“反洗脑”能力，那么一定要读一读PUP今天推荐的这本书！
PUP 内容速递：
Millions, Billions, Zillions:Defending Yourself in a World of Too Many Numbers
作者:Brian W. Kernighan
ISBN:9780691182773
出版日期：/11/06
全书内容亮点每天都有政治家、记者、自媒体以及花式推广与广告援引各种数据，使我们陷入“数字洪流”。人的大脑显然无法深究每一个数据，所以我们成为了“数字盲”，被动接收了大量数据之后只形成了这样一个印象：“因为有数据支持，所以这东西很重要，这观念很可信”。
而这个印象可能会导致更糟的结果：在不知不觉中使我们信服某种观点，按某种行为方式去做事，进行一些不必要的消费，或是投资某个项目等等……普林斯顿大学教授、顶级计算机科学家 Brian Kernighan 在他这本短小精练同时具有启发意义的书中，为所有人——包括那些一听到数学就头疼的人——揭开了数字背后的神秘面纱。书中用来自新闻学、广告学、政治学等各领域的例子，说明了数字如何被误解、曲解的。在 Big numbers, Units, 以及Dimensionality等几章中，作者揭露了从具有欺骗性的图表到华而不实的精确数目的那些事儿。并且他解释了——只要明白一些基本观点，再加上一些小技巧，每个人都能认出那些常见错误，学会辨别数字是否可信，并且做出合理预估。
本书教会你在这个数据遍布的世界上——通常是低质数据——怎样用简单的方式就避免被可疑数据蒙蔽。
“人人都能拥有对数字的敏锐感，你不必非要成为一个数学家。”
John Nash, 诺贝尔经济学奖得主要培养自己的“数感”，首先必须先了解一些实际数据，比如各地有多少人口，一些常用物品的尺寸和重量，某件事发生的概率大小等等。不需要牢记很精确的数额，但要对此有基本的了解。这就是考验你的“生活经验”的时候了，生活经验越丰富的人，在需要用到这些数据的时候会更得心应手。上网查当然很可靠，但也会有网络不佳或是查到的数据不准的时候。
其次，英文文献中 million 和 billion 经常被混淆，有时候或许官方的资料在标注的时候也会出错，而二者会造成一千倍的误差。在中文中也可能会有类似的错误，例如“十万”“百万”“千万”，每次出错也会造成巨大误差。此类的数据错误常常是转述过程中出现的，稍有不慎就会误导很多人。所以当数目较大的时候，要留个心。
今年 8 月腾讯视频的“山东全省人死亡”事件就是一类误发。当然这时候稍微动动脑，从我们个人的生活经验出发，就能判断出“全省人死亡”的概率极小，从而对这个数据的真实性持保留意见。这不，培养“数感”的前两招就用上了。
“当数字特别大或特别小的时候，人是无法理解的。我们都需要承认这一点。”
Daniel Kahneman，诺贝尔经济学奖得主
某富豪财富净值是600亿人民币，地球的直径是12756km，每个细菌细胞干重约为10的负12次方克……这些数目不是太大就是太小，超出了我们日常生活经验，这时候应该怎么办呢？要把它具像化，就要动用我们的想象力和类比能力，把这样的数目放进我们已知的数目框架中。比如，600亿人民币，就算一个小手提箱能装60万人民币，也要10万个手提箱才能装完。但是也要注意，不恰当的类比会使原本的数目更具迷惑性，这里的“不恰当类比”常常存在于缺乏某个共同认知基础的二者或群体之间。我们容易被数字迷惑的地方，除了以上提到的三点，还有图表中的数据差值对折线起伏程度的影响，容易激起人们偏见的数据等等。作者不仅对各个原因做出了详细说明与分析，也给出了应对小技巧，等待读者去一一学习与掌握。书中还特别强调，想要变得更明智，增强“数感”，提高自己的“反洗脑”能力，确实是需要一些“算术技巧”的——不过小学水平的加减法足矣。作者简介：
