1. 首页 > 全网神秘学教程 > 身心灵魔法

《为什么数据会说谎》彼得·施莱弗斯【文字版_PDF电子书】_经济管理 (为什么说大数据有价值)

如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

《为什么数据会说谎》彼得·施莱弗斯【文字版_PDF电子书_】

《为什么数据会说谎》彼得·施莱弗斯【文字版_PDF电子书】_经济管理 (为什么说大数据有价值)

书名:为什么数据会说谎
作者:[加]PeterSchryvers
出版社:中信出版集团
译者:张羿
出版日期:2023-6
页数:448
ISBN:9787521754872
7.6
豆瓣短评
全网资源sm.nayona.cn

内容简介:

  • 为什么花更少的钱买更偏远的房子不一定划算?
  • 为什么得分多的运动员不一定是好运动员?
  • 为什么癌症发病率上升竟可能是一件好事?
  • 泰勒主义、绩效管理、科学管理、关键绩效指标等理论都建立在同一个假设之上:如果你考核员工并提供激励,你就会得到理想的结果。但事实真的是这样吗?

我们使用衡量指标来了解世界上许多重要的事:教育和医疗系统是否高效,一个国家是否比另一个国家更富裕,哪个城市的生活质量更高……在这本书中,作者分享了许多选用错误的衡量指标,进而带来糟糕结果的案例,展示了衡量指标如何影响教育、医疗、商业,甚至城市发展。

为什么人们总是测量错误的数据,而忽视重要的指标设定?这本启发性的书提醒我们,并非所有重要的东西都计算得清楚,也并非所有计算得清楚的东西都重要。被各种量化指标裹挟的我们,要时常想一想:这些指标真的能起到衡量作用吗?人们是否在钻空子?他们的行为是否会使这个指标变得毫无意义?事实上,“说谎”的从来不是数据本身,而是被不科学的衡量指标支配的人。

这本书强调了选用恰当衡量指标的重要性,并且告诉读者,如何在做出关键决策之前找到正确的指标。

作者简介:

城市规划师与环境设计师,加拿大规划师协会成员,Beltline城市壁画项目的发起人,毕业于卡尔加里大学。

目  录:

前 言 III

第一章 应试教育:古德哈特定律与衡量指标悖论 /001

第二章 投入和产出:逻辑模型与程序评估 /051

第三章 长期主义和短期主义:跨期问题和被低估的时间 /087

第四章 分母错误:“每”的问题 /125

第五章 只见树木,不见森林:简化复杂系统 /153

第六章 天差地别的事物:忽略不同的品质 /185

第七章 并非所有计算得清楚的东西都重要 /213

第八章 并非所有重要的东西都计算得清楚 /289

第九章 对衡量指标的反思 /339

第十章 衡量指标不是我们的主宰 /369

致 谢 /385

注 释 /389

浏览器不支持脚本!

有需要联系v;hx-hx4

摘要:《为什么数据会说谎》彼得·施莱弗斯的书以数据说谎为中心,通过深入分析揭示了数据背后的真相。本文将从四个方面对这本书进行详细阐述,包括数据选择的偏见、数据收集的误差、数据分析的陷阱和数据解读的误导。通过阅读这本书,我们能够更加理性地对待数据,并避免被数据说谎的误导。

1、数据选择的偏见

数据选择的偏见是指在数据收集过程中,人们会出于主观意识或利益驱动选择特定的数据,从而影响数据的真实性和客观性。数据选择的偏见包括选择性报道、样本选择偏见、结果选择偏见等。例如,某研究机构只报道对其研究结果有利的数据,而忽略了其他对结论不利的数据,从而导致数据的误导性。

数据选择的偏见不仅存在于研究机构和媒体,也存在于个体的日常生活中。我们在选择数据时,往往会受到自身观点和利益的影响,容易忽视其他可能存在的数据,从而产生误导性的结论。因此,在面对数据选择时,我们需要保持客观、全面的态度,尽可能避免被数据选择的偏见所影响。

2、数据收集的误差

数据收集的误差是指在数据采集过程中,由于主观或客观因素导致的数据的不准确性。数据收集的误差包括测量误差、抽样误差、非响应误差等。例如,调查问卷中的问题设计不合理、样本抽取不均匀、调查对象不愿回答等因素都可能导致数据收集的误差。

要避免数据收集的误差,我们需要在数据采集过程中严格把控各个环节。首先,要设计合理的调查问卷,确保问题的准确性和完整性。其次,要进行合理的样本抽取,尽可能保证样本的代表性和可靠性。最后,要积极与调查对象沟通,提高问卷的回答率和数据的准确性。

3、数据分析的陷阱

数据分析的陷阱是指在对数据进行分析和解读时,由于各种因素的影响,可能产生误导性的结论。数据分析的陷阱包括相关性与因果性的混淆、样本偏差的影响、数据挖掘的误导等。例如,某研究发现两个变量存在相关性,但并不能得出因果关系,只是一个表面的联系。

为了避免数据分析的陷阱,我们需要在进行数据分析时,注重数据的背景和特点,避免将相关性误认为因果关系。同时,要注意样本的偏差,确保样本的代表性和可靠性。此外,要避免过度数据挖掘,不应只关注数据中的某一方面,而忽视其他可能存在的信息。

4、数据解读的误导

数据解读的误导是指在对数据进行解读和传播时,由于主观意识或利益驱动,可能对数据进行误导性的解读。数据解读的误导包括夸大数据的意义、歪曲数据的含义、忽略数据的背景等。例如,某企业可能会夸大自身的销售额,以提升市场形象。

为了避免数据解读的误导,我们需要对数据进行客观、全面的解读。在传播数据时,要确保数据的准确性和完整性,不得夸大其意义或歪曲其含义。此外,要关注数据的背景和相关信息,避免对数据的解读片面和误导。

总结:

《为什么数据会说谎》彼得·施莱弗斯的书通过深入分析揭示了数据背后的真相,揭示了数据选择的偏见、数据收集的误差、数据分析的陷阱和数据解读的误导。通过阅读这本书,我们能够更加理性地对待数据,并避免被数据说谎的误导。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料,专业的咨询

本文采摘于网络,不代表本站立场,转载联系作者并注明出处: https://sm.nayona.cn/xinnengyuan/246076.html

联系我们

在线咨询:点击这里给我发消息

微信号:hx-hx3