你可能听过一句老话：“数字不会说谎。” 但其实它们会，或者更确切地说，使用数字的人会说谎！数字总是被操纵，无论是故意误用、疏忽大意，还是纯粹的无能，所以我们看到、听到和读到的并不总是真相。如果我们依赖统计数据、民意调查或百分比中的数字作为决策和形成观点的依据，我们可能会犯严重的错误。毕竟，处理数字的人和分析或解释数字的人都是人。他们可能带有偏见、能力不足或疏忽大意，所以你必须像关注文字的来源和质量一样，关注数字的来源和质量。
数字可能会被误用，这通常发生在以下两个关键领域中的一个或两个。首先，数字必须被收集。如果收集方式不正确，或者由有特定目的或偏见的人收集，你需要了解这一点。其次，数字必须被分析或解释。同样，这个过程可能会被不正确地执行，或者被个人或团体误用。一旦你学会在这两个领域中寻找什么，你就可以评估你遇到的数字数据，并且只在它客观正确时才依赖它。
操纵调查
作者、广告商、企业和政治家都依赖调查、民意测验和其他统计数据来使他们的观点显得更可信和重要。一项调查总是询问了一小部分人，然后将结果应用到一大群人身上。一项准确的调查应该：
1、使用适当的样本群体，该群体要：
o 足够大 —— 如果样本数量太少，就不能代表更大的群体；只问两个人是否喜欢一种新的冰淇淋口味，发现有一个人喜欢，并不意味着所有冰淇淋爱好者（数以百万计）中有 50% 会喜欢这种口味。
o 与目标群体相似 —— 如果目标群体包括 10-60 岁的人，你的样本就不能只从一所初中选取。
o 随机 —— 只问工会成员关于劳动法的问题不是随机的；问 100 个电话号码由计算机随机选择的人是随机的。
2、保持无偏见。提出客观的问题，并创造一个无威胁、无影响的氛围。
相关性研究
数字被收集后，必须进行解释或评估，而这一步骤为歪曲真相提供了许多机会。例如，研究人员经常进行相关性研究，以找出两组数据之间是否存在联系。
即使研究使用了准确的数据，对其的解释方式也可能是错误的，甚至是愚蠢的。当你遇到相关性研究时，就像对待调查和民意测验结果一样，不要假设这些数字和结论是正确的。提出问题，查看支持数据。这项研究有意义吗？或者它似乎对使用它的广告商 / 政治家 / 记者 / 作者来说太方便了？
统计数据
统计学只是一门数学科学，它收集关于一个群体的信息，以便可以有用地描述该群体。统计数据通常用于根据这些信息得出结论和做出决策。
问题是什么呢？统计数据很复杂，它们的问题可能很多。它们可能被有偏见的人错误地收集、分析和 / 或解释，或者处理不当。
用数字欺骗人并不比用文字难。调查、研究和统计数据是由可能有偏见，或者只是缺乏做好工作所需技能的研究人员进行和解释的。
因此，在接受数字为事实之前，评估它们是很重要的。询问关于信息是如何收集的、误差幅度是多少以及它有多大意义的问题。结论有意义吗，或者它似乎歪曲了调查结果？对你遇到的许多数字进行批判性思考将帮助你只依赖客观准确的信息。