臥底經濟學家的10堂數據偵探課

💡 含金量高，許多觀念與Google的資料分析課程相應，讀起來特別有感

開門見山 十條戒律

• 第一，我們該學習停下來，注意自己對某一種說法的反應，而非憑感覺接受或排拒。
• 第二，我們該找方法，結合「鳥之眼」和「蟲之眼」看事物，也就是應用統計學視角，加上從個人經驗來看。
• 傾聽（全方位聆聽，把注意力放在聆聽對方，不要一邊聽，一邊想接下來要說什麼；提問，以釐清問題。
• 第三，取得數據時，我們該看看上面的標，問自己是否了解這些數據真正想描的東西。
• 第四，我們該尋求比較和背景，任何主張都得從更大的角度來看。
• 第五，我們該看看統計數據的背後，了解這些數據是怎麼來的－還有哪些數據可能已經消失了。
• 第六，數據擺在我們眼前時，我們要問，其中少了哪些人?如果把他們加進來，我們的結論是否會有所不同?
• 第七，我們應該要對演法和驅動演算法的大數據集尖銳的問題。我們要了解，如果不公開、不透明，就無法相信這些算法和數據。
• 第八，第八，我們應該更關注官方統計數據的基石－以及英勇捍衛這些數據的統計學家。
• 第九，我們不能只看漂亮圖表的表面，還必須仔細看看圖表的底下。
• 第十，我們必須保持開放的心態，問自己適不適可能錯了，以及事實是否已經有所改變。

但在一切之上，需要好奇來驅使

好奇心發生，通常是在已知與想知之間的缺口，這是好奇心的甜蜜點；善用這點，能讓我們對一切都更有興趣。

內容摘要與感想

素樸實在論

我們很容易把自己的觀點，認為是普遍的觀點，這樣主觀的想法，常常會與「現實」大相逕庭，因此不管在預測或是解讀數據時，需要保持更客觀的心；當然結合「蟲之眼」也不是壞事，但也不要忘了「鳥之眼」。

情緒

當我們看到某個數據時，很可能因為自己的某種立場，導致某種情緒，不管是沾沾自喜還是辯護，都會讓我們對數據產生不同的解讀，因此當面對數據時，需要稍微冷靜一下，不要太快下結論。

專家陷阱

當我們擁有某種專業知識，又充滿了動機時，很有可能導致更糟糕的偏誤；時時檢視到底我們是先有立場，還是先看數據。

真正的問題是什麼

當我們想要回答問題，必須理解問題真正的意義

數據文字的定義

當我們在審視數據時，要注意數據中用字的定義是否與我們想像一樣，否則做出來的數據分析很有可能是一場空。

數據地標

當我們面對一個不熟悉的數據時，要去找參照物，才能知道這個數字是大是小。

數據資料的來源

當數據資料來源有偏誤時，結果也會是有偏誤的；如果資料是從他人而來，要審視他們的條件，而如果由我們而來，也要盡可能找到潛在的假設。

大數據的缺失

我們看到大量的數據，就會假設他能代表全體，但永遠要一直思考到底裡面少了什麼人與什麼東西。

數據相關性的重要

即便我們發現數據間的趨勢，不了解原因，可能說服自己就是這樣，但是其中的關聯性，還是很重要，不可以就這樣認定他們的相關性，而要去了解原因。

大數據迷思

當代取得數據越來越簡單，會誤信數據的好用程度更高，但不管數據再大仍然會有小數據的問題，而且可能情況會更糟。

公開數據的重要

如果數據只給政府使用，那對改善政府一點用也沒有，而當這數據（前提是可靠）可以提供給人民時，我們可以好好督促政府，其實這樣政府也能更有效率地改善自己呀。