微信调整了推送规则，如果你想实时看到我的推送，欢迎把我的号星标。这样才可以第一时间看到推送，否则可能会看不到哦 ，操作如下：

  在信息时代，我们越来越依赖数据量化和衡量一切。工作学习是否高效，企业运转是否良好，一个国家是否比另一个国家发展更好……然而，数据都能像传统认知的那样客观、公平？

  本期都周末读书为你带来《为什么数据会说谎》，作者在书中提醒，忽视重要的指标设定，由不合理指标产生的数据陷阱比比皆是。

  正如书中推荐语所说，在一个动态的、各类机制交互关联的、非线性发展的系统中，却以静态的、相互独立的、线性的定量指标去理解世界，当然会出问题。

  以下内容摘自《为什么数据会说谎》，中信出版集团授权转载，仅代表作者独立观点，不代表本平台观点。

  从生活到工作，从医疗到教育，从交通状况到企业利润，人们通过先观察再行动，来理解我们的世界。于是，我们衡量所做的几乎一切。

  这些措施、评价和业绩指标就是我们的衡量指标。它们不仅是我们用来量化了解生活的工具，也是量化了解世界的工具。

  衡量指标有助于我们决定哪些事情值得重视且优先于其他事情，衡量指标塑造了我们对世界的理解。

  与简单的测量不同，衡量指标是一种进行赋值的测量。也就是说，衡量指标是带有目标的测量。例如，考试得A比得D好，公司利润增长是件好事。

  衡量指标能告诉我们，情况是在改善还是在恶化。当我们最终选择衡量某个事物时，往往是在选择追求它。

  在信息时代，我们被淹没在数据之中。数字革命在世界上掀起了一股数据浪潮，只要接入互联网，任何人都可以毫不费力地获得各种信息。

  我们不再受限于单调乏味的记录，我们拥有的数据多到不知该怎么样处理。互联网扩大了信息量，并从根本上提高了信息交换的便捷性。

  政府、企业、组织和个人搜集、利用这些新信息来制定政策、开发更好的产品和经营销售的策略、提高生产力、解决社会问题，以及满足个人利益。

  数据的爆炸式增长导致我们对衡量指标的使用激增。有了更多的信息，我们就可以跟踪更多的措施，实现更多的目标，进行更多的评估。

  毫无疑问，在数据领域发生的革命给我们的世界带来了无数益处。更多更好的信息说明我们的医疗系统能拯救更多的生命，企业能提供更好的产品和服务，人们对自己的健康、财富和幸福能做出更好的选择。

  然而，数字革命创造了一种信息狂妄。聚光灯越集中在这样一个世界可测量的部分上，我们就越相信我们没办法测量的部分不再存在。

  有了新信息，我们就忘记了所有我们不知道或难以知道的事情。我们太过专注于那些在灯光下看到的事物，以至于忘记了成功的关键可能在黑暗中。

  企业假如发现了有关其供应链、生产的全部过程和市场运输的大量新信息，就不应该忽视市场适销性、创新、员工激励，以及市场中未知和不可预测的变化等更难获得的信息。

  信息如此丰富也有不利的一面。就像蚂蚁会被信息素引入歧途一样，我们也会被我们大家都认为对自己有帮助的衡量指标引入歧途。

  我们不仅要对信息的真实性和完整性持批判态度，还必须理解数据的含义，为什么它们很重要，以及它们怎么样影响我们的行为。

  据估计，在那一年还有超过170万人被诊断出患有癌症，预计每4个美国人中就有一人死于癌症。

  但情况并非一直如此，1970年，死于癌症的人数只占美国死亡人数的16%，1958年这一数字是15%，1900年这一数字是4%。

  癌症诊断率急剧上升的原因是什么？是我们摄入体内的化学物质吗？是我们的生活方式？又或许是手机、微波炉、电脑和收音机等的使用增多？

  虽然在过去的几十年里，有多种问题造成癌症死亡率上升，但最大的原因是我们很少有人猜到的：心脏病。

  心脏病导致癌症发病率上升的原因则更为奇特。这并不是因为得心脏病的人慢慢地多，而是因为得心脏病的人慢慢地少。

  2015年，心脏病导致的死亡人数多于癌症，有60多万人。但在过去的几十年里，心脏病的发病率和死亡率都一下子就下降。2001-2011年，心脏病死亡人数下降了近39%。

  心脏病的减少是过去几十年来公共卫生领域最伟大的成就之一。此外，结核病、腹泻、肠炎、伤寒、白喉和麻疹等传染病的死亡率也大幅下降。

  不幸的是，每个人最终都会死。由于死于心脏病和各种传染病的人慢慢地少，而且心脏病和各种传染病是死亡的根本原因，因此，本应死于心脏病或传染病的人现在活得更长了。他们中的许多人寿命长到最终患上了癌症。

  正如丹·加德纳（Dan Gardner）所言，如果平均预期寿命上升到100岁，癌症发病率将会飙升。由于很少有其他问题造成死亡，几乎每一个人都会在某个时候患上癌症。

  庆祝癌症发病率上升的奇葩案例引发了一个重要的问题：为什么这一点如此反常？死亡率上升怎会是是积极的呢？

  想象一下，有两种疾病每年造成的死亡人数相当，你会把更多的精力放在消除哪一种疾病上？在没有更多详细的信息的情况下，我们很难做出决定。

  现在再想象一下，死于第一种疾病的人的平均岁数是70岁，而死于第二种疾病的人的平均岁数是11岁。此时你会集中精力消灭哪一种疾病呢？答案显而易见。

  基于每百万人死亡人数的直观评估会告诉我们，这两者之间没有区别。我们都知道这是不对的。然而，我们对疾病和其他死因的了解，很大程度上来自每年死于此病的原始人数。

  当在公共话语中讨论公共健康时，人们往往把焦点放在“头号死因”上，或前三名，或前十名，或其他什么。

  直到20世纪90年代，即使在公共卫生领域，大多数关于疾病的评估也集中在这一些因素上：死亡率、发病率和流行率。但这些衡量方法是有误导性的。它们忽略了这些死亡的性质及其对受害者的影响。

  衡量指标往往无法区分品质差异很大的测量单位。当我们纯粹以数量来衡量事物，而不考虑它们的不同品质时，我们就会让自己陷入各种各样的适得其反、效率低下或不理想的境地。

  通过这个癌症发病率的案例，我们大家可以深刻感知到，那些看似理性的数据，却是会“说谎”的，在不知不觉中就欺骗了你。

  衡量指标能为我们的决策提供洞察力、清晰度以及有价值的信息。但是，它们也可以瞒天过海，混淆视听。

  在许多系统中，关于什么是有价值的、什么是重要的，存在着许多不同的观点。如果我们仅依靠个人自己的观点来判断好坏，那么我们将永远没有办法解决这类问题。

  衡量指标提供了一个客观、冷静且一致的标准，我们大家可以用这个标准比较和评估业绩，衡量指标能够让我们摆脱关于“什么是重要的，以及为什么重要”这样的一个问题混乱的、各执一词的和情绪化的讨论。

  在一个理想的世界里，我们最终选择最好的衡量指标，并遵循它们建议的成功之路。然而，这些衡量指标却可能让我们误入歧途。

  当衡量指标的目的存在缺点时，就有一定的概率会误导、歪曲实际发生的事，并破坏衡量指标的初衷。

  衡量指标可能会引起我们采取适得其反的行动，将我们的注意力吸引到最终并不重要的事情上，由于选择了错误的衡量指标，我们在无效的活动上花费了过多的时间和资源。

  衡量指标可能扭曲我们对世界的看法。我们甚至有可能成为衡量指标的奴隶，过于关注自己在测量中的得分，而忘记了自己真正要实现的目标。

  绩效考核作为一种衡量指标，将工作中的产出量化为数据，以此来评估一个人的工作表现。

  然而，你可能没意识到，错误的衡量指标往往会误导和歪曲现实，并破坏衡量指标的初衷。

  不合理指标会带来一系列危害性后果，不仅挫伤员工的积极性，甚至会成为企业的致命伤。

  一味追求那些易于衡量的数据作为考核项目，便会忽略一件很重要的事——成功的关键可能隐藏在黑暗中。

  戴维·帕门特（David Parmenter）是一位20多年来始终致力于开发和实施绩效指标的专家，他发现衡量指标已经被严重滥用，于是写了一篇文章质问：“我们该放弃绩效指标吗？”

  他看到，衡量指标会被玩弄于股掌之间，会鼓励团队执行与组织战略方向相悖的任务，会占用员工和管理层宝贵的时间。而由咨询顾问得出的衡量指标通常只会是一份厚得像砖头的报告，除此之外，一无是处。

  当我们纯粹以数量来衡量事物，而不考虑它们的不同品质时，就会陷入各种各样适得其反、效率低下或不理想的境地。

  中国的古生物学家付钱给农民以购买恐龙骨骼化石碎片。古生物学家没有考虑到的是，不同大小的化石碎片价值不同。一具完整的骨架比一小块大腿骨更有价值。

  但是，正是因为没有考虑到这一点，无论骨头碎片是大是小都要付钱，这就无意中激励了农民最大限度地增加他们发现的碎片数量。

  农民很快就发现了一种获得更加多骨骼化石的绝妙方法——把骨骼化石打碎成好几块！

  在人力资源部门，如果以招聘人数来衡量，而不考虑质量，那么公司很快就会发现队伍中充斥着素质低下的员工。

  在IT领域，如果根据程序员编写代码的行数给予他们奖励，他们就会写出大量无用的代码。

  心外科医生的例子中也出现了这种现象，衡量这些医生的指标是他们的手术成功率，但这一指标没有考虑到手术的难易程度不同。

  因此，医生们的回应是拒绝为病情复杂的病人做手术，因为这会影响他们得到的评价。他们没动机去做复杂的手术，因为复杂的手术更可能失败，从而使医生获得较差的评价。

  那些鼓励员工完成质量各异的任务但考核时只统计数量的组织很快就会发现，员工将不愿承担复杂的、具有挑战性的任务，而更愿意承担简单的、容易完成的任务来“提高统计数据”。

  这就是“撇奶油现象”。那些被评估的人通过只计算好的东西，即“奶油”，避免、忽略或不完全计算其他的东西，以此操纵测量。

  组织可能采用的一种策略是设定一个最低标准，任何项目在被“计算”之前都一定要达到这个标准。但最低标准同样也会导致不利的后果。

  第二个不利后果常发生在项目没有很好的机会达到标准的时候，在这种情况下，人们往往会不再努力改善现状。因此，最低标准实际上反而会降低平均绩效。

  可见，衡量指标是很容易纵的。不合理的衡量指标会掩盖其所衡量内容的真实价值，造成破坏性后果。

  对那些提倡评估方法的人来说，一种常见的论据是：“数字说明了一切”或“这不是我的决定，我只是在报告我们的测量结果”。然而，在现实世界中追求客观性可能会产生可怕的后果。

  坚持使用客观衡量指标的第一个问题是，它忽视了一切本质上是主观的东西。在所有领域中，人们都希望采用客观的衡量指标，结果忽视了不容易客观衡量的东西。

  客观性的另一个问题是客观性本身的表象。测量就是测量，数字就是数字。个人的观点、偏颇的判断都被去除，只剩下客观的数字。

  但客观性是一种假象。许多人没有认识到的是，选择测量什么本身就是一种主观选择。即使选择一个纯粹“客观”的衡量指标，比如一个员工每天工作多少小时，或者写多少行代码，选择衡量指标本身也是主观行为。

  主观性是不可避免的。我们对任何评估方法的选择（或不选择测量某样东西），最终都是对我们所重视的东西的选择。

  虽然测量方法本身看起来是客观的，即数据是定量的、统计学上是合理的、是以中立的方式搜集的，但衡量指标的选择是主观的。

  例如，决定用工作小时数来衡量员工的生产力是一种认为“工作小时数很重要”的主观决定。

  我们不能简单地测量某样东西，然后声称它是客观的，并通过指出测量的“客观性”来驳斥任何相反的意见。

  选择任何测量方法都是一个主观的决定。我们一定要认真思考我们所选择的衡量指标，并为个人会使用这些指标的原因进行辩白。只说“但数据就是这么说的”是不够的。然而，这种情况经常发生。我们必须证明为什么我们一开始就选择使用这一些数字。

  我们不仅相信那些可以测量的东西才是真实的，而且不再相信那些无法测量的东西是重要的，甚至认为它们不存在。我们越倾向于通过衡量指标来量化和管理，我们就越远离那些不容易测量的品质。

  这样的一种情况在职场中很常见，尤其是在大型组织中，组织很难直接观察到员工的贡献。由于很难直接观察和衡量员工的动机、合作能力、创造力、对客户的关注度和敬业精神，组织往往依靠硬性数字指标来评估员工——他们工作的小时数、他们的生产力、他们完成的流程数量。

  但这些衡量指标可能会适得其反。由于忽视了员工的软贡献，削弱他们的其他贡献，从而损害组织的利益。

  当组织只专注于它们能直接计算的东西时，它们最终会失去那些为了更远大的目标而留在组织中的人。

  编者注：如果您觉得本文有价值，请点击右上角◥收藏文章，如果您觉得我的公众号有持续关注的必要，请将本公众号星标置顶▲。

  这是一个有态度的，金融理财知识分享平台，关注桑尼，带你一起学理财、懂投资、多赚钱、防掉坑。