早间新闻说，上个月的消费指数上升了n个点；手机上跳出实时的股票涨跌，顺便可以看一下上市公司的年报以判断股票前景；工作例会上，你使用的数据PPT模板让展示更加美观有趣，获得老板好评；你心情不错想听听音乐，音乐APP跳出你的上周听歌时长统计，再听n首便可升级；一把游戏结束，系统自动送上战力统计，你的队友明显拖了后腿，下次不要和ta组队了；此时手机又提醒你视屏时间过长，建议休息一下，因为科学研究表明，连续视屏超过x小时便会使视力下降y%……如今，我们每天、每时、每刻都被各种数据包围、淹没。
这些信息有的只是作为日常生活的点缀，大可一笑了之；而有的则会成为决策的依据，变得举足轻重。我们信任数据，认为数据总是客观情况的客观反映。可真的如此吗？今天，赛先生为大家拆解一本中信出版社出版的新书——《拆穿数据胡扯》。
本书的缘起？本书来源于美国华盛顿大学的“拆穿胡扯”（Calling Bullshit）公开课。这门课由生物学教授卡尔·伯格斯特龙和信息学副教授杰文·韦斯特联合主讲。
他们从逻辑和传播渠道的角度揭开数据伪科学如何产生与传播。目的是说明一个事实：即使你不是一名专业的统计学家、计量经济学家或数据科学家，你也能批判性地思考那些定量论证；无须大量数据和数周时间，也能看穿胡扯。只要有基本的逻辑推理，在需要的时候，再辅以通过搜索引擎轻松获取的信息，通常就足以解决问题了。课程一经上线，广受好评，显然，识别数据陷阱，已然成为当代生活的刚需。
何为数据胡扯？伯格斯特龙和韦斯特认为：胡扯与黑箱、刑事机器学习等现象有关。胡扯就是全然不顾事实、逻辑连贯性或实际传递的信息，而是利用语言、统计数字、数据图表和其他表现形式，通过分散注意力、震慑或恐吓等方法，达到说服或打动听话人的目的。数据胡扯的最终目的，是通过有意为之的操作，使本应该客观的数据，为己所用。我们暴露在胡扯面前的时间和几率可能远远超过我们所认为的，形式也是五花八门。
数据胡扯的视觉把戏——形式大于内容。我们先来看这样一个例：下面这个图形的设计者用两个餐叉的尖齿代表条形图中的条形。这样做有什么坏处呢？坏处很多：1条形是图形中承载信息的部分，但它们在这张图中只占了很小一部分空间；2倾斜的角度也会引发争议，因为读者不习惯解读这种角度的条形图；3两把餐叉并排，但底部水平线并没有对齐，容易造成错觉；4幸好数值被写出来了。
但如果必须依靠数值来解读图形，为什么不直接用表格呢？胡扯就是公然无视事实和逻辑连贯性，企图通过分散注意力、震慑或恐吓来说服或打动受众。这样的图表设计方式试图让图表变得『可爱』以取悦读者，结果让读者更难理解它表示的数据，逐渐变成胡扯，得不偿失。
科学领域有胡扯？当然！不幸的是，科学领域也会屡屡中招。例如，有的期刊会在1月份发表更多文章，这样一来，这些文章本年度被引用的机会就会增加。
所有这些反常的行为都违背了期刊的使命，削弱了引用数作为质量指标的有效性。类似地，对科研人士的论文数量指标催生了只要给钱便可发表文章的“掠夺性期刊”，也让科研领域成为了胡扯的高发地带。虽然掠夺性期刊的主要客户是给简历增色的边缘学术人，但也包括气候怀疑论者、反对疫苗者、神创论者和艾滋病否认论者。他们以版面费为代价换取在科研领域的“一面之地”，然后说他们的边缘信仰通过了“同行评议”的科学。
这是典型的胡扯污染。
辨别胡扯6步法：▫ 质疑信息来源 ▫ 当心不公平的比较 ▫ 如果好得或糟糕得不像是真的…… ▫ 从数量级考虑 ▫ 避免证真偏差 ▫ 考虑多个假设。辨别可能的胡扯的最终目的，是指斥胡扯。然而清除胡扯的代价要远远高于制造胡扯，哪怕真正符合科研方法论的论文也是如此。这就是所谓的『造谣一张嘴，辟谣跑断腿』。指斥胡扯不只是为了增强自信，它还是一种道义上的责任。
正如我们在开头所说，世界充斥着各式各样的胡扯，有些是无伤大雅的，有些是小麻烦，还有一些甚至很有趣，但很多胡扯会给科学的诚实和生死攸关的决策带来严重的后果。“数据成了新式胡扯的杀手锏”。但我们绝不否认科学是理解物理世界的一个成功的标准手段。不管我们抱怨什么，不管我们发现了什么偏见，不管我们遇到什么问题，不管我们说了什么废话，科学最终还是会成功的。希望本书能帮助你面对冲击，将事实与虚构区分开来。