高度量化時代，數字絕對更會騙人，有圖有照片不一定有真相，點讚、分享、演算法，助長類事實瘋傳成禍。培養資訊批判思考力，是最強自我保護力。

什麼是事實？政治人物沒在怕；什麼是科學？且看媒體怎麼報。要根除鬼扯的存在，需得知道究竟何為鬼扯，但這就是事情棘手的地方了。那些不太站得住腳的說法，透過數字、圖表、統計數據、資料圖的妝點，就披上了一層合理的外衣。

簡單的邏輯和查證，識破用數據包裝的鬼扯

● 範例 1：

經匯率調整後，敝公司績效最佳的全球型基金在過去 9 年中有 7 年優於大盤。

→ 收益表現的調整方法究竟是什麼？這家公司有幾檔基金表現不如大盤？差多少？而且，9 年中有 7 年表現優於大盤的是同一檔基金嗎？或者好幾檔不同基金在那 7 年中各有一年獲得優於大盤的表現呢？

● 範例 2：

經由我們系統性篩選顯示，有搗亂行為問題的 2 年級生當中，34％ 承認過去一年內曾吸聞麥克筆至少一次。

→ 此事為何重要？若真的重要，吸聞麥克筆是學生搗亂行為的原因或結果？沒有搗亂行為問題的學生中，承認曾吸聞麥克筆的比例是多少？說不定更高！

面對數據資料時，如何以邏輯與數量來思考？你不必非得是專業統計學家、計量經濟學者、數據科學家，也不需要用上龐大的資料集與好幾個星期的功夫。往往只要用基本的邏輯推論去看待問題就已足夠，若有必要，再輔以搜尋引擎就能找到的資訊便可。

確認數據與傳達內容是否相符，揪出誤導你決策的圖表

如何才能避免被圖表所騙呢？雖然數據資料視覺化好像很客觀，但設計者對於圖表傳達的內容有相當大的掌控權。使用的數據資料就算正確無誤，設計者還是可能加以操弄，左右我們的感覺。

範例 1：

我們必須給下圖的作者一些創意分數，但把圓餅圖扭成羊角，只會降低觀者靠眼睛比較量值的能力。

數據資料視覺化或許不是百分百的鬼扯，但就像吸引我們的網路誘餌，希望緊抓我們幾秒的注意力。柱狀圖或是折線圖看來無趣又複雜，但色彩繽紛的圖示可能讓人覺得有趣又具吸引力，足以請君入甕。

範例 2：

此外，也可能有人操弄橫軸誤導受眾。簡單的方式大概就是挑出掩蓋部分實情的數據資料範圍。2018 年 7 月臉書公布一份叫人失望的季財報造成股價大跌。Business Insider 的頭條如此大聲發難：「臉書財損，1,200 億市值蒸發：美國股市有史以來的最大股災」，附上以下這張臉書 4 天內的股價變化圖。

一方面，這是市值的重大損失，但這是因為臉書的初始估價太高。整體而言，臉書的營運表現向來非常優秀，我們或許要將 2018 年 7 月的股價跌幅納入如此之背景脈絡，改採橫跨 5 年而不是 4 天的圖：

用這種方式示意時，我們會看到臉書股價大跌的說法非常不一樣，同時也會看到先前股價大跌後便快速反升的狀況。呈現的時間範圍會決定說法偏誤的嚴重程度。閱讀折線圖和相關視覺化表格時要記住這點：確認描繪的時間範圍適用於圖表示意的重點。

（本文出自《數據的假象》，天下雜誌）