这周在学习吴伯凡认知方法论课程里的积极数据和消极数据章节。
消极数据，就是我们把不能明确变成一个指标又确实存在，并且能左右我们判断和认知的数据。
积极数据，就是经过我们加工，可以直接利用的数据，进行分析。
单从这两个概念，给我的理解是，针对同样一个事实。我们会从不同角度解读，也就会造成不一样的所谓的积极数据，并且因为个人能力的原因，我们会忽略掉很多事实。这么说来无论我们怎么处理，我们得到的数据并不能全部反应事实，只能接近事实。
就像男人在选择结婚对象的时候，往往是结构性的“积极数据”占主导，而非结构性数据的“消极数据”只是一个附带。但结婚以后就会反过来：你往往不太关心“积极数据”了。
因为“积极数据”包含的身高、三维、年龄……所有这些指标，本身就是边际效应递减的，一旦获得就视为理所当然了，然后，你就开始关心“消极数据”，也就是日常生活中的点点滴滴了。
数据除了有“积极数据”和“消极数据”的区分，还有一个很重要的特点：数据确认谬误——数据能够通过自我调整来支持我们想让其支持的任何观点。
数据学家奈特・希尔福是这样定义的：最为惨痛的失败性预测，通常有许多共同点，我们只关注那些意味着世界恰如我们所想的标志，而不关心世界的本来面目。
或许我看到的永远只是一小块，但是我能做的就是把这一小块变大一点点！
