經理人大多認同「數字會說話」的概念。不論是說服客戶、內部提案、計算成本，都仰賴各種數據。然而，有些時候，明明手握一組看起來很可靠的數字，卻不見得是事實，因為人在解讀數據的過程會有偏誤。

例如，在軍隊和家裡面，哪一個環境比較安全？美國曾在 2010 年統計，國家有 143 萬名軍人，其中 3482 人死亡，平均每 1000 人有 2.4 人死亡。同一年，全美國，平均每 1000 人則是 8.2 人死亡，在家裡死亡的人竟然是軍人的 3 倍。

然而，軍隊與社會大眾屬於「不同樣本」，根本不適合拿來比較。現役軍人擁有良好的醫療照護體系，兵強馬壯；國家人民包含老人、小孩、病患，死亡率本來就偏高。

也就是說，如果你看到這個例子，就全盤接受「軍隊比在家安全」的論點，就可能掉入了數字的陷阱。

《解讀新聞數字》補充，數據本身是「無機物」，賦予這些無機物意義的，是處理數據的人。人從觀察、調查、取樣、分析、計算，一連串的過程中，都有可能出現偏誤，導致數據結果不準確。

精確的數字，不代表資料可信

《一眼就突破盲點的思考力》指出，要先區分數字的「精確度」和「精準度」。有一個偏見是，人們看到精確的數字，就以為它也很準確。

舉例來說，你看到新聞報導「這個月車市，電動車占了高達 32.6% 的銷售量。」乍看之下，資料顯示電動車熱銷，但數字並沒有說明調查範圍、實際數量，這有可能只是某家電動車經銷商的報告。即使有精準的百分比，也不代表資料可靠度。

面對數據，應該抱持什麼心態解讀，才不會被數字誤導、迷惑？首先，提醒自己，數據不是客觀的，它通常意味著某種主張或論點，看待它的同時，要先思考這組數字，是否有別的成因、可能性，以避免被矇蔽。英國一名嫌犯丹尼斯．亞當斯（Dennis Adams）被判有罪，理由是現場找到符合他的 DNA。即便他有不在場證明，而且被害人敘述的嫌犯，容貌比亞當斯年輕了 20 歲。

在這個故事裡，DNA 是唯一的數據，但它代表事實嗎？後來，法院發現亞當斯有一位弟弟，他的 DNA 也與現場證據匹配。也就是說，盡量思考數字的來源與其他可能性，才不會落入數據即事實的迷思。

只看自己想看到的資料，反容易受騙

在行為經濟學上，人們會出現各種偏誤，都會影響判斷力。像是採櫻桃偏誤（cherry picking），指的是人只挑選符合你期待的資料，而忽略正反面意見的論證。這就好比，你在火車上看到一座城市，只能從窗戶中看到片面的風景，很容易忽略細節。比方說，你偏愛 NBA 的某位球星，在評估他的球技時，很可能就只引用他的得分或強項的數據，而忽略了失誤數據。

那麼，往後看到一組數字，是否有簡單的步驟來分析、評斷？《數字偏見》說明 4 項步驟：

首先是「誰傳遞這項訊息？」謹慎留意數字的資料來源，並嘗試找尋其他的來源，像是有沒有其他調查或統計方式。其次是「這組數字如何標準化？」例如，它用什麼方法調查、如何量化，有沒有一定的標準程序。

第三是「數字如何被分析？」比方說，各組數據之間是否有明確的因果關係，有沒有其他因素會影響數據結果。最後是「數字如何被呈現？」像是檢查國人年薪的平均數（易受極端值影響），也許就不如中位數來得具代表性。

面對數據，先別急著下定論，把自己離數字抽離一點，就不容易被「假數據」矇蔽。