0人評分過此書

假精確時代:大數據的合法詐騙,讓你上鉤還服服貼貼

作者
出版日期
2020
閱讀格式
EPUB
書籍分類
學科分類
ISBN
9789865552015

本館館藏

借閱規則
當前可使用人數 52
借閱天數 14
線上看 0
借閱中 0
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館 國立臺北科技大學
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
如何讓人相信一句非常荒誕的話?加上一個數字就可以了!
「資料夠多,你想要有什麼結果,大數據就能給你什麼結果。」
你被數據欺騙的次數,可能比你吃的米還多!
◎人類的「正常體溫」是多少?
德國物理學家卡爾宣稱,他為100萬人測量了精確體溫,在統計了體溫結果以後,最終得出結論:正常體溫應該是37℃!
但其實,卡爾測量的是腋溫,並不適用其他部位測量體溫,這就體現出,這一數字結論本身帶有某種偏差。
「正常體溫」的定義並不精確,甚至是主觀臆想,但這種典型的「假精確」,幾百年來人們卻深信不疑。
◎職場上的加薪陷阱,你看出來了嗎?
老闆有一天良心發現,決定為每一位員工加5%!全體員工歡騰,覺得自己終於能「出頭天」了,更加賣力上班……
幫員工加薪?小心是老闆的「變相自肥」!
老闆的年薪是2000萬元,以5%計算,老闆能加薪100多萬!
「這一年每個人都能加薪5%」,遠遠比「我的加薪是你的幾百倍」溫柔得多,儘管這兩句話本質一樣!
◎你看到的,都是對我有用的數據
該網站訪問量日成長率達800%──其實該網站1月3日訪問量只有10,而一月4日訪問量到達90。
有35%的被調查者購買了本產品──這個例子一般會用在公司強調產品的受歡迎程度。但公司顯然刻意隱瞞了另一點,那就是消費者購買後,有80%的人強烈要求退貨!
◎比詐騙集團更恐怖的,是大數據時代的合法詐騙
本書全面介紹了各種類型的數據陷阱,剖析詳細生動的案例,最後列出了幾項避免數據陷阱的妙招,幫助大家在工作、讀書學習、購物等日常生活中,更容易辨識出數據騙局!
在這個假精確時代,你還甘心被騙走這麼多錢跟時間嗎?
  • 前 言
  • 第一章 數字也會說謊
    • 一、數字並不是你看起來那麼龐大
      • (一)網路上的「大數字」
      • (二)教育中的「大數字」
      • (三)生活中的「大」數字
      • (四)缺乏對比,數字大小未可知
    • 二、這些數字是捏造出來的
      • (一)網路造假
      • (二)票房造假
      • (三)胡亂預測
    • 三、看穿數字中的「假精確」
      • (一)廣告中的「假精確」
      • (二)生活中的「假精確」
    • 四、數字真實,包裝後也會認不出
      • (一)你看到的,都是對我有用的
      • (二)指鹿為馬,無效的比較
      • (三)改一改,數據變了樣
    • 五、拙劣的數字謊言
      • (一)廣告中的數字謊言
      • (二)網路中的數字謊言
      • (三)投資中的數字謊言
      • (四)所謂的「公式」
  • 第二章 風險中的數字陷阱
    • 一、虛假的「小」風險
      • (一)科學中的「小」風險
      • (二)金融中的「小」風險
    • 二、虛假的「大」風險
      • (一)科學上的「大」風險
      • (二)生活上的「大」風險
    • 三、風險也分相對與絕對
      • (一)科學上的風險
      • (二)生活上的風險
    • 四、科學謠言扎根於數字陷阱
      • (一)「大」數字
      • (二)風險「相對論」
      • (三)關聯不是因果
      • (四)毫無意義的比較
      • (五)離開劑量談毒性?請不要耍流氓
  • 第三章 注意:迴歸分析也有陷阱
    • 一、數字相關≠因果聯繫
      • (一)醫學上的數字陷阱
      • (二)網路上的數字陷阱
    • 二、A和B,哪個是因?哪個是果?
      • (一)科學界的因果倒置
      • (二)經濟上的因果倒置
      • (三)學習上的因果倒置
      • (四)廣告上的因果倒置
      • (五)教育上的因果倒置
    • 三、遺漏變量,分析有誤差
      • (一)學校考試成績中的數字陷阱
      • (二)健康上的數字陷阱
      • (三)機率上的數字陷阱
    • 四、無關變量太多,結果無意義
    • 五、預測趨勢胡亂分析,結果很可笑
  • 第四章 統計調查,數字陷阱的重災區
    • 一、樣本數據不足,離正確結論失之千里
    • 二、資料不相配,何談正確結論
      • (一)媒體的不相配數據
      • (二)廣告中的不相配數據
      • (三)醫學上的不相配數據
      • (四)公司營運中的不相配數據
    • 三、樣本選取錯誤,系統誤差不可避免
    • 四、人性弱點,被調查者不一定說真話
    • 五、問題問得好,被調查者才會答得好
  • 第五章 廣告中的數字陷阱
    • 一、徵才廣告有隱情,虛假薪資誘人心弦
    • 二、商品折扣增加40%,你是否心動?
    • 三、裝潢陷阱玩弄低價數字遊戲,你能看清嗎?
      • 1.展開面積≠投影面積
      • 2.單位不同,小心有詐
      • 3.外牆面積與內牆面積
      • 4.圖紙與預算書中的尺寸要一致
    • 四、公司產品滿意度99.8%,幌子不少
    • 五、廣告中的辛普森悖論
      • (一)藥物 vs 安慰劑
      • (二)考試成績
      • (三)吸菸與健康問題
    • 六、數字形式巧變樣,感覺不一樣
      • (一)模糊字眼
      • (二)「大」數字
      • (三)精確數字
    • 七、價格就怕比,弄得消費者沒主意
      • (一)第一個數字
      • (二)消費者的中庸之道
      • (三)我們只是缺少一個購買的理由
    • 八、特價房屋,特價可能只是錯覺
  • 第六章 網際網路的數字陷阱
    • 一、婚戀網站陷阱多,機器人帳號遍地開花
    • 二、網路金融,產品收益說得不可靠
      • (一)年化收益率16%?零風險?
      • (二)貨幣基金收益8%?
      • (三)高收益吸睛,文字遊戲?
    • 三、你的粉絲究竟有多少是虛假的?
    • 四、網際網路的KPI,內幕真不少
      • 1.用戶註冊數
      • 2.活躍用戶數
      • 3.用戶瀏覽數
    • 五、網路上有排行,灌水太多不可靠
      • (一)品牌榜
      • (二)暢銷榜
      • (三)信譽榜
      • (四)排名應有准入門檻
      • (五)網路平台當擔責
    • 六、直播平台很熱門,隱情很多,湊成堆出現
    • 七、流傳二十多年的假數據,是時候拆穿了
    • 八、網路數據造假為何頻頻出現?
  • 第七章 企事業單位營運的數字陷阱
    • 一、學校考生真是不同凡響,你關注上榜人數的背後了嗎?
    • 二、藥價下降了,你覺得醫藥費真的會少嗎?
    • 三、霧霾減輕了,真的是車輛限行的原因嗎?
    • 四、電視收視率有那麼簡單嗎?
      • (一)收視率的玄機
      • (二)收視率為零?
      • (三)收視率 vs 收視占比
    • 五、上市公司融資額,造假危險且愚蠢
      • (一)上市潛力股公司
      • (二)上市企業所投公司
    • 六、高鐵上座率大於百分之百,有的車廂還沒人?
    • 七、可恨的誘餌式標題,死亡率可不能這麼對比
  • 第八章 生活中的數字陷阱
    • 一、攤販找你小錢,先不要著急走開
      • (一)耍賴裝傻
      • (二)障眼法
      • (三)墊秤
      • (四)耍秤
    • 二、步數多,健康也不一定會來
      • 1.步數≠運動強度
      • 2.生活步數≠運動步數
    • 三、有折扣就便宜?可沒有那麼好的事
      • (一)折扣陷阱
      • (二)贈品陷阱
    • 四、體重減輕,減肥就成功?
      • (一)越減越肥
      • (二)失戀減肥
      • (三)紋絲不動的體重數字
      • (四)瘦卻乾癟著
      • (五)身材好,體重卻沒變
    • 五、視力度數就一定可靠?小心近視
    • 六、葡萄酒看年份,這種常識不可輕信
    • 七、前面有坑,小心掉入中獎陷阱
    • 八、二手車看里程數,多長心眼別被糊弄
  • 第九章 避免數字陷阱有妙招
    • 一、大數據的困局,N≠所有
    • 二、大數據,用小規模實驗求證
    • 三、尋找偏差,不要被權威迷惑
      • (一)有意識的偏差
      • (二)無意識偏差
      • (三)將資料與權威人士劃清界限
    • 四、問自己,是否遺漏了什麼?
      • (一)缺乏比較
      • (二)遺漏原因
    • 五、拆穿偷換概念的把戲
      • (一)統計口徑不同
      • (二)口頭回答不可靠
      • (三)目的不同
      • (四)無理比較
      • (五)標榜第一
      • (六)文字遊戲
    • 六、用提問將毫無意義的數據打回原形
  • 版權頁

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading