作者:[瑞典] 汉斯·罗斯林等等
副标题:用数据思考,避免情绪化决策
原作名::Factfulness: Ten Reasons We’re Wrong About The World - And Why Things Are Better Than You Think
出版日期:2019年4月
ISBN:9787549628124
豆瓣:8.1(2020年7月)
字数:22K

image.png


简介

《事实》是2019年大热的一本畅销书,按照作者汉斯的说法,这本书要解决的是知识升级的问题,他发现大多数人的知识停留在他们的学生时代。再加上媒体倾向性的报道和对数据的漠然,造成了这个时代的偏见。

从我读的感受,这本书其实谈论的是数据思维。通过大量生活中的案例,让读者能够通俗易懂的明白很多问题,甚至是习以为常的观念都是错的。

译本的副标题:用数据思考,避免情绪化决策。很好的诠释了数据思维的精髓。不要想当然、不要被感情蒙蔽,运用数据辅助,就能做出科学的决策。而原文副标题:Factfulness: Ten Reasons We’re Wrong About The World - And Why Things Are Better Than You Think 则是通过问题-原因的表述方式进行描述,更加容易理解。

书以11个影响决策的陷阱为章节划分,并有不少配图,是一本不错的入门书籍。

金句摘录

重视数据

  • 尽可能了解激烈行动的后果和副作用。了解这一行动的理论依据。应当稳扎稳打地取得现实的进步,并且在过程中持续观测实施效果。通常循序渐进的方案,总会优于大刀阔斧的行动。
  • 要做到实事求是,就要认识到当你感觉必须做一个紧急的决定的时候,牢牢地记住,事实上绝大多数情况并不是真的紧急。要想控制情急生乱的本能,你需要做到循序渐进。深呼吸。当你情急生乱的本能被唤醒的时候,你的其他本能也会被激活,而你大脑的分析能力则停止工作了。请给你自己一点时间和更多的信息。绝大多数情况下,你并不需要立即采取行动,以后仍然会有机会。
  • 事实也通常不是非黑即白的。
  • 坚持了解基础数据。如果一件事是紧急且很重要的,那么我们必须对它进行持续观测。请警惕那些虽然相关但并不准确的数据,或者那些虽然准确但实际并不相关的数据。只有相关且准确的数据才真正有用。
  • 警惕那些带有偏见的预言家。任何关于未来的预测都是具有不确定性的。所有的预测都必须考虑到未来的不确定性。你应当坚持对预测有一个全面的、包含多种情形分析的了解。永远不要只看最佳或最差情形。并且要用这种预测和历史上发生的事实相对比,来检查这种预测方法的准确度。
  • 当一件貌似紧急的事情发生的时候,第一件应当做的事不是大喊“狼来了”,而是整理数据。

    控制情绪

  • 当我们陷入恐惧中,并且在紧迫的时间压力下,我们就会过分地思考最坏情景,于是做出非常愚蠢的决定。在事出紧急的压力下,我们的分析能力就会丧失。

  • 要做到实事求是,就是当人们开始找替罪羊的时候,你应该认识到这是错误的,并且能够记起,简单地归咎他人只会使你把握不住问题的真正要点,并且无法集中注意力防止类似事件再次发生。要想控制归咎他人的本能,你应该停止寻找替罪羊。
  • 寻找原因,而不是寻找坏人。当坏事情发生的时候不要试图去责怪任何个人或群体。首先接受没有人刻意为之这个事实。然后努力去理解这一事情发生背后的系统性原因。·寻找系统,而不是寻找英雄。当有人号称自己做了什么伟大的业绩的时候,问问自己,如果没有这个人,是否这件事情仍然可以发生?通常是整个系统的有效运行使得好的事情发生了。
  • 指责他人的游戏对他人的指责往往能够揭示我们自己的思维模式。当我们在寻找替罪羊的时候,其实反映的是我们内心早已存在的思维模式。让我们看看我们经常习惯于责备的几个人群:无良的商人、说谎的记者以及外国人。无良的商人
  • 锤子和钉子。当你会熟练地使用某一种工具的时候,你总会尽可能多地使用它。等你花了太多的时间专注于分析某一个问题的时候,有可能会夸大这个问题以及解决方案的重要性。请牢记,没有任何一个工具是万能的。如果你总是习惯于使用锤子的话,那么请多和那些习惯使用改锥、扳手和卷尺的人打交道。多听听来自不同领域的人的意见。

    正确看待数字

  • 关注数字,但不仅仅关注数字。没有数字,我们无法理解世界,但是仅有数字,我们仍然无法理解世界。请专注于发现数字背后的真实世界。

  • 当心简单的想法和简单的解决方案。人类历史上从来就不缺乏充满了乌托邦式的简单想法的空想家,而最终他们都带来了可怕的结果。我们应当认识到事物的复杂性,学会兼收并蓄以及妥协。我们应当在具体情况具体分析的基础上来解决问题。
  • 美国的人均健康开支比其他收入水平在第四级的资本主义国家高了两倍还要多,然而美国的人均预期寿命却比其他这些国家短了三年。美国在人均卫生开支上名列世界第一,其平均预期寿命却只排第四十位。
  • 在我去洗手间的路上,一个年轻人轻轻地抓住了我的手臂,把我拉到一个僻静的角落,告诉我他负责做健康数据的统计。他把嘴巴凑到我的耳朵旁边,小声地说:“你的数据都是正确的,但卫生部部长的结论却是错误的。我们不是穷国中健康水平最高的国家,而是同等健康水平的国家中最穷的。”说完,他放开我的手臂,笑着走开了。当然,他是对的。古巴的卫生部部长只是从他自己的单一视角给出了一个结论,但是却有另外一种解读事实的方法。为什么要满足于成为穷国中健康水平最高的国家呢?难道古巴人不配变得像其他健康国家的人一样富有、自由吗?
  • 要想挽救那些死于难产的贫困的母亲,最重要的并不是训练更多的护士来做剖宫产手术,也不是训练更多的医生来进行大出血治疗,而是提供快速的交通手段,使得她们能够在第一时间被送到医院去。
  • 教育工作者们非常清楚,电灯的作用要远远大于更多的教科书和更多的老师,因为电灯使得学生们可以在太阳落山之后做家庭作业。
  • 要想控制命中注定的本能,就要记住缓慢的改变也仍然是改变。注意追踪持续的提高。每年小的改变可以在几十年后积累成巨大的改变。·更新你的知识。有些知识很快就会变得过时,技术、国家、社会文化和宗教都在持续的改变当中。
  • 诊所的主人是马来克·阿夫扎里教授。是他在帮助伊朗的家庭做生育规划。在西方国家有谁能猜得到伊朗的妇女人均生育人数甚至比美国和瑞典还要低呢?我们西方人不是提倡言论自由吗?那么我们怎么能够仅仅因为我们不喜欢一个政府就对这整个国家的进步视而不见呢?至少我们可以发现,言论自由并不能帮助我们了解到世界上正在发生的最快速的文化转变。
  • 要想控制住我们的以偏概全的本能,我们要经常质疑自己的分类方法。在同一类别中寻找不同。特别是当一个类别非常巨大的时候,我们应该试图找到有效的办法来将其分得更小、更准确。
  • 大多数仅仅意味着超过一半,我们应当具体区分,大多数究竟意味着51%还是99%。
  • 不要假设别人是傻瓜。当你发现一些奇怪现象的时候,请保持好奇心和谦卑之心,去探究这现象背后的道理。

    婴儿侧卧案例

  • 直至今天,婴儿俯卧所带来的风险仍然没有被人们充分意识到。在超市中,我遇到的那个推着婴儿车的妇女很难弄清楚这个错误。当时她可以问我凭什么认为婴儿俯卧会比仰卧更安全。我会告诉她战场上失去意识的士兵的案例。她可以问我,亲爱的医生,这是一种有效的类比吗?睡眠中的婴儿和失去意识的士兵,难道是相同的吗?即便当时她这样反问我,我想我也没有能力来仔细思考这里边的问题并得出正确的结论。在十几年间,我曾经亲手帮助很多婴儿从仰卧变成俯卧的睡姿。在欧洲和美国,很多医生和护士都在做着同样的事,给出同样的建议。直到中国香港医生们的研究结果公布18个月之后,医生和护士们才改变了这种行为。上千婴儿因为我们所做的以偏概全的类比丢掉了生命。甚至在我们已经有证据证明这个错误之后的几个月,仍然有婴儿因此而丧生。被善良动机所掩盖的以偏概全的错误,是非常难以被发现的。

  • 这种想当然的以偏概全的错误,通常是很难被发现的。因为这其中的逻辑似乎是正确的。道理其实很简单。失去意识的士兵在仰卧时会把自己的呕吐物吸入气管导致窒息。而睡眠中的婴儿和失去意识的士兵不一样,他们有正常的神经反射系统,当他们发生呕吐的时候,他们自己就会转到一边,采用侧卧的姿势。
  • 大的数字总是看起来很大,而单一数字很容易误导我们。当我们看到一个单一数字的时候,一定要记得做对比,或者做除法,得到某种比例。
  • 如果你得到了一个长长的清单,就应该先排序,然后找到最大的几项并且做深入分析。通常这几项的重要性要远大于其他所有项目加在一起的重要性。
  • 数字和比例有可能代表着完全不同的含义。尤其当我们在不同大小的组别之间做对比的时候,比例总是更有意义。具体来讲,我们在对国家和地区进行比较的时候,应该更加关注人均数字。
  • 一个夜晚,玛丽·拉尔森女士的前夫破门而入,用斧头把她杀死在自己的家里。三个孩子的母亲被如此野蛮地谋杀,这样一出人间悲剧竟然没有得到全国媒体的报道,仅有一些当地的报纸对此做了很少的报道。在同一天,一位40岁的男子,同样是三个孩子的父亲,在瑞典北部打猎的时候被一头熊杀死了。这是自从1902年以来在瑞典发生的第一起熊杀人事件。这一残酷、悲剧且极其罕见的事件得到了整个瑞典铺天盖地的媒体报道。在瑞典,熊杀人是百年不遇的事件。而与此同时,几乎每30天就会有一位妇女死于自己的配偶之手。两者从罕见程度上有1300倍的差别。所以熊杀人是一个大新闻,而家庭谋杀则不是。
  • 2016年,全世界的婴儿死亡人数是420万。一年前这个数字是440万。两年前这个数字是450万。在1950年,这个数字是1440万,比现在多了一千多万的死亡婴儿。突然这个恐怖的数字看起来小多了。事实上,这个数字目前是处在世界历史上的最低点。当然,我会非常希望这个数字可以变得更低,可以下降得更快。但是要想找到最佳的解决方法,要想知道如何最有效地分配资源,我们必须冷静地分析哪些方法是有效的,而哪些不是。结论是显而易见的,我们预防了越来越多的婴儿死亡。如果不做数字对比的话,我们可能永远都得不到这个答案。

    真实的世界

  • 我们感受到的世界,比真实的世界更可怕,这是因为我们注意到的信息都是被媒体精心选择过滤过的,而媒体刻意选择那些吓人的信息来吸引我们的注意力。

  • 风险=危险程度×发生的可能性。你面临的真实风险,并不取决于它看起来多么吓人,而在于两个因素:危险的程度和发生的概率。·在采取行动之前,先让自己冷静下来。当你在恐惧中的时候,你会看到一个完全不同的世界。所以不要在恐惧中做决定。
  • 过去的20年间,美国共有3172人死于恐怖袭击,平均每年159人。在这同样的时间段内,酗酒导致了140万人死亡,也就是平均每年69000人。但是这个比较并不十分科学,因为在酗酒的案例中,很多情况下,酗酒者本身就是受害者。如果要做个更科学的比较的话,最好选择那些受害者本身不是酗酒者的案例。比如交通事故或者谋杀。我们根据非常保守的估计,在美国每年会有7500人死于酒精引起的事故或谋杀。在美国,你的亲戚朋友死于酗酒的可能性会比死于恐怖袭击的可能性高50倍。
  • 人类的化学恐惧症还意味着,几乎每隔6个月就会有一篇新的科学发现来探讨我们常规食物中的某种微量化学物质可能是对人有害的。而事实上,要达到致死剂量,你必须连续三年每天吃两卡车同样的食物。
  • 在2002年,世界疾控中心做了研究并发表了一篇长达497页的关于DDT、DDE和DDD的毒性的报告。在2006年,世界卫生组织也结束了对DDT的调查,并且把它归类为轻微有害物质。也就是说,DDT在很多情况下,其实是功大于过的。我们应当谨慎地使用DDT,因为它有优点,也有缺点。但是在蚊蝇成群的难民营里,DDT往往是能够拯救生命的最快也最便宜的方法。美国人、欧洲人,还有那些被恐惧驱使的政治家,他们拒绝接受世界疾控中心和世界卫生组织的研究报告,也不打算讨论使用DDT的可能。这就意味着很多需要公众支持的援助组织将无法使用这种明明很有效的方法来挽救生命。

    直线与曲线

  • 控制直线思维的本能,我们就需要记住,自然界有很多不同的曲线形状。不要做直线假设。有很多事物的发展并不遵循直线规律,而是遵循S形曲线、滑梯曲线、驼峰曲线或者倍增曲线的规律。没有一个孩子是按照直线的规律长高的,而且也没有父母会认为孩子的身高会无限增长。

  • 从这张图上我们可以清晰地看到人们的收入水平和健康程度是线性相关的。从图表上我们无法判断这两者之间的因果关系,也许是因为健康的人能够创造更多的财富,也有可能是因为更富裕的人可以得到更好的健康条件。我个人认为这两种判断都是正确的。从这张图我们可以确切地说,越富裕的人,健康水平越高。我们也可以画出另外一些图表来证明教育水平、结婚年龄和娱乐活动都和收入是线性相关的。
    image.png

    儿童生育率

  • 有经验的记者总会在他们的报道中刻意挑选那些很夸张的极端案例。在大众媒体中,我们有时会看到有非常虔诚的宗教信仰的人,无论他们的生活方式是现代的还是传统的,他们都会很骄傲地向我们展示他们的大家庭,并以此作为他宗教信仰的一个证明。像这样的纪录片和媒体报道,会给我们一种印象,使我们觉得有宗教信仰的人就会生更多的孩子,有更大的家庭。但是媒体报道中的这些案例都是个案,而非普遍现象。
    image.png

    好消息与坏消息

  • 要想控制我们的负面情绪,我们就要做到对坏消息要有思想准备。我们要学会区分状态和趋势,要认识到事情可以同时是不好的,但也是在变得更好的。好消息不是新闻。好消息是很少得到报道的,因此我们总是听到坏消息。所以当你听到坏消息的时候,可以问一下自己是否我们没有听到好的消息。循序渐进的进步不是新闻。当一件事情在持续变好,但当中产生了一些小的低谷的时候,通常你只会注意到低谷,而不是整体的趋势。·更多的坏消息并不意味着更多的坏事情。我们能够听到更多的坏消息,有时仅仅是因为我们对坏事情的关注度和监控能力提高了,并不意味着这个世界在变得更坏。

  • 负面思维的本能体现在三个方面:第一,我们对过去错误的记忆;第二,媒体和社会活动家对于负面新闻的选择性报道;第三,我们总是觉得,只要有坏的事情发生,就不应该认为世界是在变好。
  • 到当你听到一分为二的说法时,你就能迅速认识到这种说法描述的是一种两极分化的图画,而两极之间存在一道巨大的鸿沟。而在现实中,这道鸿沟往往并不存在,绝大多数人都生活于中间状态。要想有效地控制我们一分为二的错误本能,我们就要坚持寻找绝大多数。我们要注意只比较平均数的做法。平均数之外,我们还要注意数据的实际分布。如果两组数据的分布出现了重叠,那么有可能两组之间的鸿沟并不存在。