要让统计数字富有生命力，另一种办法就是将之置入更人性、更日常的语境中。我们先来做一项科学实验，请对比下面两段表述：

（一）科学家最近计算一项重要物理极限达到了惊人的准确度。为了说明这种精确度，请设想从太阳扔一块石头到地球并能正中目标，误差小于1/3英里。

（二）科学家最近计算一项重要物理极限达到了惊人的准确度。为了说明这种精确度，请设想从纽约扔一块石头到洛杉矶并能正中目标，误差小于2/3英里。

哪一句表述看起来比较精确？

你可能已经猜到了，以上两段的精确度其实完全相同。但当由不同的读者判断时，58%的受访者认为太阳到地球那一段“让人印象非常深刻”，而支持纽约到洛杉矶那一段的受访者比例却一跃跳到83%。我们对于太阳到地球的距离并无切身体验，也没有直觉，因而不符合人性尺度；相比之下，纽约到洛杉矶的距离则具体得多。（坦白地说，这种表述离真正的具体还是很远。但问题是，如果距离设得过于具体，那么精确度本身反而会变得不够具体。比如把距离设定为一座足球场大小，“扔一块石头横穿足球场而能命中目标的误差为3.4微米”这种说法实在无益。）

畅销书《高效能人士的七个习惯》（The 7 Habits of Highly Effective People）的作者史蒂芬·柯维（Stephen Covey）在他所著的《第八个习惯》（The 8th Habit）一书中，谈到了一项针对各大企业的共2.3万名员工所做的调查访问。柯维记录了该调查结果：

·仅有37%的人表示自己清楚了解所在公司的工作目标和宗旨。

·仅有20%的人对于自己所在团队和公司的目标充满热情。

·仅有20%的人表示对于自己手头工作与团队（或公司）目标之间的关联持有清楚的认识。

·仅有15%的人觉得公司能完全信任他们达成的重要目标。

·仅有20%的人完全信任自己任职的公司。

资料会让人清醒，但也相当抽象。看过以后，你可能只留下了“大多数公司都存在很多不满和混乱”这种大致印象。

而柯维就给这些统计数据做了一个非常人性化的比喻。他说：“假设一支足球队的调查结果是这样的话，那就意味着场上11名球员中只有4个人知道哪个球门是自己球队的；11名球员中只有2人会在乎球赛输赢；11名球员中只有2人知道自己踢哪个位置，完全明白自己该做什么；而11名球员中除了2个人以外，剩下9人或多或少都会对抗自己的队友，而不是对方球员。”［12］

足球运动的类比为统计数据打造出人性化的语境，它创造出一种戏剧感和动态感。我们不由会想象出这样一幕球场画面：两名球员拼命地想要进球，而他们的每一步举动都遭到本队球员的百般阻挠。

这个类比为何会成功？因为它依赖于我们脑中的足球队图式，而且因为足球队图式多少也比我们的公司图式更清晰、更明确。一边是想象一支足球队缺乏团队协作，一边则是想象一家公司面临的相同状况，前者无疑更加鲜活生动。而这也正是柯维想要说的：公司本该像球队一样运作，但其实却没有。将统计数据变得人性化，则赋予了这项论述更强的冲击力。

下面我们来看人性尺度原理的另一个例子，试想这样一种寻常情境：思考某项技术更新是否值得花钱。思科系统公司（Cisco Systems）就有这样的例子，公司正在考虑是否要给员工加装无线网络。无线网络每年的维护费用若是平摊到每位员工头上，差不多是500美元。这笔费用听起来很昂贵，几乎等同于为所有员工补充购买牙齿或眼睛保险。但这并不是一项福利，而是一笔投资。那么你该如何计算一项投资的价值呢？你得考虑要是加装了无线网络，公司能否在每位员工身上收回501美元的利润。

思科公司的一名员工指出了思考这项投资问题的更好办法：“如果你认为这样做可以每天增加员工一到两分钟的生产力，那么无线网络的成本就能收回来了。”根据这样的人性尺度，投资问题就变得很容易评估，我们的直觉也能派上用场。我们可以轻易模拟出员工因为有了无线网络而省下几分钟时间的情景，比如说某个重大会议进行期间，员工就可以轻松发条消息请人送一份忘带的文件过来。

统计数据本身起不到什么作用，唯有尺度和语境才使之有用。没有几个人能靠直觉就判断出无线网络能否帮助每位员工每年创造多余的500美元的最低收益。但适当的尺度可以改变一切。此前我们已经见识到，“具体”有助于让人们的知识发挥作用——还记得惠普公司模拟一家人到迪士尼乐园游玩的演示吗？同样，人性尺度原理有助于让人们的直觉发挥作用，进而用来评判某则信息的内容是否可信。

*　*　*

统计数据用来说明关联时，是很好的内部可信性来源。在本书引言中，我们谈到美国公共利益科学中心反对电影院爆米花的例子，他们得到的统计数据是中等包装爆米花中含有饱和脂肪37克。那又怎么样？这到底是好还是不好呢？

公共利益科学中心的阿特·西尔弗曼很聪明地把这项数据置入了相关的语境来比较，他告诉公众吃一袋爆米花等于摄入一天垃圾食品的饱和脂肪总量。西尔弗曼知道，大家一定会被这项发现给吓坏了。

但要是西尔弗曼是个卑鄙之徒怎么办？他大可以选一种极不健康但其实不含多少饱和脂肪的食品来做比较。比如说棒棒糖：“一袋爆米花所含的饱和脂肪相当于712000支棒棒糖！”（或者说无穷支棒棒糖，反正棒棒糖里不含脂肪。）这种数据很低级，因为它只不过是利用不健康食品的不同成分定义玩的花招儿而已。同样卑劣低级的电影院经理也可以反击，比如把比较对象从饱和脂肪变成玉米的某些正面成分：“一袋爆米花所含的维生素J相当于71磅西兰花！”（这是我们捏造的。）

这些可能性也正说明了，为何写到统计数据这部分时我们会满怀焦虑。尤其是在需要选择性地宣扬某些议题的政治领域时，拼凑数据让无数人有活可干、有钱可赚。缺乏道德感而又富有分析能力的人，只要稍加歪曲，便能将手头上任何统计数据改造成利于己方论点的证据。

当然，我们也别忘了，没有数据远比有数据更容易夸大。数据至少还有边界；除非有人能无耻到捏造数据，否则数据本身对现实多少会有所限制。这固然是件好事，但其中仍有颇大的活动空间。

那么像我们这种不擅长于炒作数据的人，又该怎么办呢？实际上，我们也还是会用手中的数据做出最好的呈现，所有人都一样。“今晚我替我们篮球队拿下了16分！”（没到的到：还有22个球没投中，球赛最后也输了。）“我身高1米68。”（没提到的：高跟鞋将近8厘米。）“今年的营业额提高了10%，所以我应该拿奖金。”（没提的到：今年净利润大跌。）

因此，关于统计数据，我们给出的建议：把数据当输入，不要把数据当输出。用数据来帮助自己在某一议题上做决策，而不要做了决定以后再去找数据来支持自己（那等于是自寻诱惑、自找麻烦）。但只要我们使用统计数据来帮助自己做了决定，那就很适合与他人分享这些重要数据，正如艾因斯科和“远离战争”运动的支持者一样。

创意诊断(www.daowen.com)

背景

鲨鱼攻击恐惧症

每隔几年，美国媒体就会大肆炒作鲨鱼攻击人的新闻事件。但事实是，鲨鱼攻击人的情况极其罕见，这种现象也不会每年发生改变。那么为什么鲨鱼攻击会引发这么多媒体和公众的注意呢？答案是，鲨鱼攻击会繁衍出一堆恐怖骇人、噩梦连连的故事。就像下面这则来自美国著名节目《奥普拉脱口秀》上的故事：

信息一

奥普拉：贝萨妮·汉密尔顿（Bethany Hamilton）很爱冲浪。打从8岁起，贝萨妮就天天冲浪。这小姑娘可是个传奇，人人都说她血液里流的是海水。年纪才13岁，贝萨妮就成了冲浪圈里的新秀，也是当地名人，但接下来发生的事情却让她登上了全球头条新闻。

信息一评析

那是个大清早，贝萨妮在海里躺在冲浪板上，一条手臂垂在水中。突然间，一只将近5米长的致命虎鲨咬住了她的手臂。鲨鱼猛烈地撕扯，硬是把整条手臂从她的小身躯上扯了下来。几秒钟后，鲨鱼和她的手臂都不见了，只剩下贝萨妮一人躺在冲浪板上，周围全是血水。

现在，假设你得反驳这些生动鲜活的故事。或许你是拯救鲨鱼基金会的公关部门主任，又或者你只是想说服上初中的女儿，希望她明白到海滩游玩并不危险。你会怎么做？事实真相是站在你这边的，鲨鱼攻击非常罕见；但这并不能保证人们会相信你。那么你利用什么信誉来让人们相信你呢？

*　*　*

信息二

以下这则信息根据美国佛罗里达自然历史博物馆发布的统计数据写就：［13］

即便是在一个配有救生员的海滩上，溺死的概率远比被鲨鱼攻击要大，更别提被鲨鱼咬死了。2000年，美国共有12人死于有救生员保护的海域，没有一起不幸事故是由鲨鱼引起。（往年每年平均只有0.4人死于鲨鱼之口。）

信息二评析

这段说明还可以，但还不够好。这则信息使用了内在可信，也就是精确数据的可信性。我们有两点意见：第一，溺死并不算很好的比较对象，因为许多人可能觉得溺死是很常见的死因，“溺死比鲨鱼攻击致死更常见”并不特别让人意外。（可能我们疑心太重，但大学生救生员的存在本来就不会让人觉得生命有了万全的保障。）第二，统计数据的比较（12人对0.4人）很好，但是从人性尺度来讲，并不特别生动，也不是特别有意义。读完数据一周后大家不太可能还记得这些数字。

*　*　*

以下这则信息也是根据佛罗里达自然历史博物馆发布的统计数据写就：

问题：下列哪一种动物比较可能会杀死你？

（一）鲨鱼；

（二）鹿。

答案：鹿比较可能会杀死你。事实上，鹿杀死人的可能性是鲨鱼的300倍（鹿杀人的方式：人驾车被鹿撞上）。

我们很喜欢这个意外观念：小鹿斑比比大白鲨更危险；接着告诉读者更加令人意外的数字：小鹿斑比的危险性大大高于鲨鱼！（危险300倍！）这简直荒谬到了可笑的地步，而面对鲨鱼咬死人的故事所带来的恐惧，幽默倒是不错的良药。从某种意义上来说，我们是用一种情感联想去对抗另一种情感联想（参见下一章“情感”）。

这则信息运用了数据的内在可信性，但也把读者用作可信性的来源。美国读者都知道自己开车出门时害怕撞到鹿的程度——有多怕？不怎么怕。我们可不会因为害怕途中可能撞上鹿而不敢晚上出门。既然我们知道自己不怕鹿，那为什么要怕鲨鱼呢？（这将比鲨鱼咬死人和溺水死亡相比要更有效，因为毕竟大多数人或多或少还是有些怕淹死的。）

*　*　*

小结

我们在使用统计数据时，越少依赖实际数字越好。数字告诉我们的是背后隐含的关联，但要阐明关联总有比数字本身更好的办法。将小鹿和鲨鱼并举，很像艾因斯科在金属桶里扔BB枪子弹的做法。