《人人都在说谎》经典读后感有感

《人人都在说谎》是一本由赛思·斯蒂芬斯--达维多维茨著作，中信出版集团出版的精装图书，本书定价：58，页数：328，特精心收集的读后感，希望对大家能有帮助。

　　《人人都在说谎》精选点评：

●*2

●谷歌大数据分析的国度里面没有中国

●的确，由于面子问题，人人都喜欢说谎，但在“人脑可视”，处处A/B测试的当代，除了道德约束外，人们又该怎么进化，从而避免被剥夺和上瘾呢？ 这本书一直在引发我思考，故5星

●数据统计的正确性建立在大家都说实话的情况下。

●大数据，小数据，各种欺骗

●书名就是个利用大数据的案例

●虽然标题有点太畅销书了，但其实内容挺有趣的。感觉以后社会学就要走这种大数据的路线了！

●原以为是心理学读物，才发现是大数据下的另类思维，嗯，搜索引擎有点可怕

●二重身的延展让人细思极恐。

●不错

《人人都在说谎》读后感(一)：很不错的大数据分析入门书籍

能够给予读者一个关于数据分析的初始概念，引人入胜。读者会时不时地有一种“大数据居然还可以做这个”的感觉。书中提到了很多与常识相反的结论，比如“一个好的学校对于学生发展没有太大的影响”，或者“种族歧视现象随着奥巴马的上台而变严重了”。不过这些结论大多都是基于google trend而在美国本土做的研究，一方面不具有广泛性，另一方面，中国目前也没有相应的数据集可以复现类似的工作，所以还是有点遗憾。另外，书的整体组织框架很松散，更适合发散思维或者休闲消遣时的读物，而不是专业书籍。但是这依然不影响这是一本很不错的书籍，适合各个领域的研究者阅读。

《人人都在说谎》读后感(二)：在大数据中寻找规律

因为职业的原因，平时不怎么接触财经类书籍，这一读发现真是太有趣了。

美国“伯乐”的故事很逗，用便携式超声仪器测量马的内脏，没想到与马的成绩有那么大的关联，还有葡萄酒的价格公式。对于数据，可以经过这样的推理，像物理学一样得到一个普遍公式，而里面的变量都是非传统的数据来源，这一切都来源于对生活抱有的开放而灵活的心态。下面几条是读的过程中get到点的结论：

1）企业的秘密：《从零到一》里讲：伟大的企业是建立在许多秘密之上的，这些秘密要么关乎自然，要么关乎人类。

2）儿童教育：在教育上花大钱有助于孩子们进入中上阶层，但使他们成为杰出作家、艺术家或商业领袖需要靠近大学城或者大城市。

3）学校选择：试验组表明相近的分数情况下上什么大学对学生未来的影响并不大。

4）偿还贷款：一个人如何还贷的详细计划和过去曾履行过的承诺是他会偿还贷款的证据；做出承诺、博得同情是一个人不会还款最为明显的迹象。

《人人都在说谎》读后感(三)：对比发现，人们是如此表里不一

书里面举了个例子，美国某机构进行了一次匿名的问卷调查，美国女性平均每年55次性生活，其中16%次使用了安全套，而美国男性频率则更高，按照一定的计算方法，根据美国女性提供的数据计算出美国每年使用11亿个避孕套，根据美国男性提供的数据，计算出美国每年使用16亿一个避孕套。

而实际的避孕套行业数据，美国每年只使用了6亿了。这说明即便是匿名的问卷调查，很多人也不会说实话。

那么谁知道事实的真相呢？答案是，谷歌知道。

每个人都不会对自己的关键词搜索撒谎，数据显示，美国人对于婚姻相关的关键词搜索中，搜索“无性婚姻”的数量比其他婚姻关键词要多得多（有可能达到了30%）。说明这些白天做了匿名的问卷调查吹嘘自己性生活次数的人在夜深人静的时候，向谷歌敞开心扉～想知道自己这种情况和别人比～到底是否正常。

通过对关键词统计，数据分析可以暴露人们对各种事物的偏见和歧视、对各种日常问题的无知。但人们永远不会当面表现出来。

对比发现，人们是如此表里不一。

书中说社会学家在统计关于各个族群特点的搜索关键词时发现在美国社会人们对与自己不同的种群之间存在大量的偏见。

关于东亚人的偏见引起了我不满，关键词搜索前五位竟然有笨，这个不值一驳（东亚人平均智商绝壁全球第一），但其中竟还有“丑”这个词。谁该负责？？？

美国媒体经常把亚洲人里长相“明显不美”的模特拿去拍照片放封面，给人们造成的印象能不觉得丑么？多拍点范冰冰放封面再调查一下试试吧！！！

书中还介绍了纽约市的施戴纹什高中是全美排名第一的公立高中，录取学生不看家庭背景、推荐信、课外活动之类，只看考试成绩。

每年在全纽约举行统考，平均27000人考生报名，录取率是5%。社会学家对每年只差1、2分没考上的学生和只比动态分数线多考了1、2分的学生进行了长期跟踪，发现这些其实处于同一水平的学生，无论是否上了重点高中，这两群人在此后考上重点或非重点大学的分布上完全一样，连最细微的差别都没有（大学一样，就业情况自然也是相同的）。

结论是，关于这类划分数线的事情，如果你和那些人只差一两分的话，你实际上并不比他们差，所以进没进去其实对于你的未来是毫无影响的。

我自己的推论是，如果分数差太多，强行进去几乎也不会有好结果。

《人人都在说谎》读后感(四)：“大数据”关注人们做什么而不是说什么

作为跟“大数据”相关的“数据分析”从业者，这本书的出现给我很大启发，让我重新思考“大数据”意义并非在于“大”，而在于因为具有统计学意义的“有用”信息足够大，能给出人们是怎么做的，而摆脱“人们怎么说的”为真实性判断信条。我开始质疑自己从事的所谓大数据有点自欺欺人，因为我们为了解释“事先设定好的”趋势而寻找部分“支持”观点的信息，忽略真实情况导致的“挑战”，这是大数据研究和利用的“耻辱”。

此外我想，国外人写书普遍简单直接，全书就三部分（引言、事实、注意），不讨论好坏优劣，但这种架构让现代人更愿意静心阅读，太过冗长的篇幅给人不愿深入的恐惧。经济、科学类尤其如此。

说说书里的核心内容。

大数据四大功能：提供新型数据、某些在线资源可以让人们承认他们在其他地方不会承认的事、放大一小部分有意义数据获得有关人性的新见解、让随机试验更便捷以便找到真正的因果效应。

大数据的局限性：无法用大数据做到的事（股票、个体决定性强的）和不该用大数据去做的事（有悖伦理和商业道德的）。

我喜欢这种论述，给予一个新兴热门事物过趋势非常高的评价，说明其颠覆性，但同时阐述其问题、不适应性、衰落的可能等等，因为可证伪和谨慎是科学的关键因素，伦理更是科学发展的底线。同时，我们要接受事物发展和升级，不是热点出现问题就一棍子打死。我们从事的工作也一定如此，不能一味的论述某些趋势是好的，要结合可能的风险来做建议，要接受事物发展的曲折。这是我们从事这项工作必备的心理。

作者说书名本想叫做《我的阴茎有多大？谷歌搜索告诉我们人性究竟为何物》，因为“性的真相”是“人人都在说谎”、大数据提供真实想法的最典型支持。这方面，我们对调查或朋友普遍性说谎，但对谷歌诚实。人类过了这么久，连如此本能的活动都在说谎，同时得到的反馈也是假的，我们却现在才知道，这真有意思。

人人都在说谎

7.6

赛思·斯蒂芬斯--达维多维茨 / 2018 / 中信出版集团

《人人都在说谎》读后感(五)：真相，全部的真相——还有统计数字

大数据正在改变社会科学，正如显微镜彻底改变了医学一样

很多人都觉得大数据已不再像一年前那样光鲜。希拉里·克林顿败给特朗普之后，矛头大多指向了她那个备受吹捧的分析团队，因为他们没能发现中西部各州发出的警告，致使她与总统之位失之交臂。但根据前谷歌数据科学家赛斯·斯蒂芬斯-大卫德维茨（Seth Stephens-Davidowitz）的研究，希拉里真正的错误不是对新奇的统计方式太过依赖，而是利用得太少。

希拉里聘用了一流的数字分析人员，但他们的计算大体上仍依赖传统的数据来源，例如选民档案或民意测验。而斯蒂芬斯-大卫德维茨则选用了一种新颖的数据：谷歌的搜索结果。他特别统计了美国最恶劣的种族歧视字眼“nigger”（“黑鬼”）的查询频率。人们一般认为美国南方才存在公然的种族主义言行，但数据显示，和美国其他地方相比，中西部和锈带相对来说更喜欢用这个词。2016年共和党初选期间，在预测哪些地理区域会支持特朗普而非其党内对手时，这一变量的影响超出其他所有变量。如果希拉里的团队当初更好地利用了这样的信息，也许就能及时推断出，她那“蓝色防火墙”的根基正在崩裂。

这只是《人人都会说谎》一书的惊人发现之一。这本书以搜索数据为向导，快速地领略了现代人的内心世界。书中的某些发现再次确定了普遍的看法，例如DIY流产、对自己的性取向感到困惑的男性的有关搜索都集中在美国社会风气保守的南方。有些发现则与普遍看法相左：虽然从赤贫到巨富的故事在篮球界广为流传，但数据显示，在贫穷的环境中成长实际上会减少一个男孩打入NBA的机会，原因也许是穷孩子长到足够身高的可能性更低。有些结果让人不安，也令人费解。例如人们在色情网站上大量搜索展示对女性施加性暴力的视频，而女性本身搜索这种场景的频率至少是男性的两倍。其他的一些发现也很古怪：为什么印度的成年男子那么热切地想让妻子给他们喂奶？

《人人都会说谎》给出的实证结果非常有趣，想来就算将它们简单罗列，也会令人手不释卷。然而斯蒂芬斯-大卫德维茨还提出了一个巧妙的论点：网络将为社会科学带来一场革命，就像显微镜和望远镜彻底变革了自然科学那样。

现代的微观经济学、社会学、政治学以及计量心理学在很大程度上都依赖调查，最多也就抽样几千人。斯蒂芬斯-大卫德维茨认为，相比之下，“大数据具备四种不同寻常的力量”：提供新的信息来源，例如对色情内容的搜索；捕捉人们真实的行为和想法，而不是他们决定告诉民意测验机构的那些；让研究人员可以直接着手处理和比较人口统计或地理数据的子集；可以快速地进行随机对照试验，既可证明相关性，也能说明因果联系。因此，他预言“学者们花费几个月招募一小批本科生开展单项试验的日子将会终结”。作为替代，“社会及行为科学的研究绝对会扩大规模。”此外，研究者们得出的结论也将会是“货真价实的科学，而不是伪科学”。

斯蒂芬斯-大卫德维茨并不属于那些个不假思索就为大数据革命摇旗呐喊的人。他辟出充分的篇幅，既阐述量化分析结果会如何误导决策者，也详述了这类数据“全知”般的拥有者可能会想办法滥用数据。他发问道：如果从喜欢摩托车这一点可预测一个人智商较低，那么应不应该容许雇主拒绝那些承认自己喜欢摩托车的求职者？因此他呼吁，将大数据的运用从大规模的人群扩展至针对个人的决策时，要格外谨慎。不过，总的来说作者还是持乐观态度。他写道，由于信息技术的进步，人类将“在更短的时间内”，对自己有“更多的了解”。