“操纵数据”是数据思维课的第四大部分内容，这个模块主要从 行动、可视化、识别陷阱三个方面进行讲解，具体如下：
1.行动：如何用数据指导决策?
2.可视化：如何塑造受众的感觉?
3.误导：怎样识别数据中的认知陷阱?
===============================================================================
这里的“操纵”是个中性的概念，指的是我们如何利用数据做事情，达到自己想要的效果。
1.行动：如何用数据指导决策?
日常生活里，我们决策往往凭借的是感觉、经验。但很明显，感觉很多时候会不靠谱，让我们决策失误。如果能有个决策模型，确定的条件出现就触发特定的行动，那我们的决策水平就会高很多。比如，如果孩子发烧到38度以上，就给孩子吃退烧药；如果不到38度，什么都不做。在这里，体温就是设定的关键变量，体温的不同决定不同的行动，这就是决策模型。
这个案例，暗示了用数据指导决策需要解决的三个问题：
第一，如何理解你面对的挑战；第二，如何建立决策模型；第三，如何找到决策模型中需要的数据。
真正理解自己面对的挑战，是建立模型和用数据指导决策的前提。究竟怎么才能理解面对的挑战呢？答案就是研究，用科学方法研究。
理解了挑战，知道自己面对的到底是什么问题之后，接下来是第二步，怎么搭建决策模型呢？决策模型的形式很简单，就是找到一个或者几个关键变量，建立变量的数值与行动之间的规则。但这只是表象。其中的关键是，从理解挑战到建立决策模型中间有一个重要的转换，就是从解决一个问题转换成理解一个机制。
解决一个问题，只是解决一个症状，这个症状可能仅仅是一个机制的特别情况。不真正了解这个机制，你就没法解决这个问题。决策模型只是在通过操纵变量影响结果，但其实搭建决策模型的前提是全面理解这个机制。即使挑战的本质相同，但只要操控变量的选择不同，也会让决策模型不同。搭建模型时，还有一点要注意的就是对变量的选择。只有选择了准确的操控变量，模型才是靠谱好用的。
如何找到决策模型中需要的数据？这个问题的本质就是，如何量化一个事物。这里，我希望你建立一个信念，没有不能量化的事物。当然，量化有专门的方法。量化的实质就是降低不确定性。
总结：
（1）真正利用数据指导决策，需要做好三步：理解挑战，建立模型，量化变量。
（2）建立决策模型时要学会转换思路，从解决一个问题转换成理解一个机制。只有彻底理解了挑战背后的机制，建立的模型才是可靠的。
（3）一切事物皆可量化，而量化的实质就是降低不确定性。
2.可视化：如何塑造受众的感觉?
对数据进行处理之后，我们会得到很多的数据结果。但这些结果都是用方程、表格之类的东西表达的，非常抽象，很难理解。怎么能让受众对这些数据结果有感觉呢？这个时候，就需要一个技能——可视化。用数据可视化塑造受众的感受。
数据可视化必须基于数字数据的，这是关于数据可视化，我们要知道的第一件事。
信息图是一种间接数据可视化的方式。信息图虽然也属于数据可视化，但不是最直接的方式，也就是说，不是以数据驱动的方式展示的。这是关于数据可视化，我们要知道的第二件事。
基于观察的言论不是可视化，信息图也不是直接的可视化，那数据驱动的可视化到底是什么样子呢？数据驱动的可视化就是，按照事先确定的规则，挖掘出数据中的模式，并把这个模式展示出来，让受众看见并理解。看见并理解，是数据可视化的最高目的。
如何进行数据可视化？
理解数据可视化的意思很简单，难点在于怎么做。对于同一个要传达的信息，总会有几个不同的方案可以选择。怎么选择最合适的一个呢？标准就是一个，选择那种既高效又美观的方案。高效，指传达信息的效率高，能让受众迅速抓住重点，理解你要传达的信息。美观，是展示的方式看起来让人愉悦，有美的感受。
数据可视化不仅是一个传达信息的媒介，更是一个探索的工具。通过可视化，可以帮助我们发现存在于数据之中的原本很难发现的东西。
总结：
（1）数据可视化是基于数据的，由数据驱动生成的图像，帮助受众看见并理解数据当中隐含的信息。
（2）好的数据可视化作品要兼顾高效和美观。传达信息快速有力，过程又充满愉悦感和美感。
（3）数据可视化是一个重要的探索工具，能让我们发现其他手段难以发现的新信息。
3.误导：怎样识别数据中的认知陷阱?
怎么防止别人操纵数据来误导我们？首先要澄清一点，虽然我们使用了“操纵数据”这个说法，但是我们不关心动机问题，到底是有意欺骗、存心误导，还是水平不够犯了错误，我们不做判断和分别。我们就是从数据思维的角度，看看如何防止被误导，不管对方是有意的，还是无意的。还要澄清的一点是，我们这里讨论的都是数据是真实的，只是被错误的使用造成了误导，不包括伪造数据的情况。
通过操纵数据来误导受众大致有三个方向，分别是操纵数据的使用、操纵数据的产生和操纵数据的解释。
操纵数据的使用：
用平均数掩盖分布、用百分比掩盖规模、用短期波动代替长期效应、遗漏变化的原因、偷换概念、定义不统一、忽略测量误差、差别过小没有现实意义、参照对象不清、比较时忽略基数、对象不同强行比较、变换基数让人产生幻觉、用数字游戏控制听众感觉
操纵数据的产生：
算法采用的规则有差异、实验条件设置错误、提问的次序影响回答者的选择
操纵数据的解释：
归因错误、因果关系不成立、理论适用错误
总结：
（1）数字不会欺骗，是人会欺骗。西方有句俗语说，Don't hate the player,hate the game (别去恨玩家，要恨恨游戏）。
（2）误导的具体方法很多，不可能完全举例说明，建议你发现一个就记下来一个，经验多了，就会提高识别的能力和速度。
（3）遇到别人用数据得出的论断，建议先问自己五个问题:谁说的?他是如何知道的?遗漏了什么?是否有人偷换了概念?这个资料有意义吗?
==============================================================================================
