和苹果公司的创始人史蒂夫·乔布斯类似，美国另一家互联网巨头的掌门人杰夫·贝佐斯也是一个性格古怪、甚至有些尖酸刻薄的人。

按理来说，贝佐斯一手缔造了声名显赫的亚马逊帝国，视野和格局应当相当宏大。但实际上，贝佐斯是一个不折不扣的微观管理者。例如：

他不断有新的想法涌现，但对不能严格执行公司标准的做法不留情面；

他总是想尽一切办法，用最低的价格为亚马逊的用户提供优质的商品和服务，但对本公司的员工却非常小气，例如要求员工缴纳停车费；

他生气的时候则喜欢说：“稍等5分钟。”然后他的怒气就会像热带风暴般快速消失。但另一方面，他也经常为了公司经营上细枝末节的事情向亚马逊的高管们大发雷霆。

亚马逊被曝光构建了一套AI系统，可以追踪每一名物流仓储部门员工的工作效率，统计每一名员工的“摸鱼”时间（Time Off Task，简称TOT），然后自动生成解雇的指令。

曾经亚马逊用AI来决定招人与否，最终因为反对的声浪而废止。好，现在亚马逊改了一个方法，用AI来决定该不该解雇一个员工。

被AI监工解雇，理由都是“工作效率太低”，一个2500人的仓库一年就解雇了300人，裁员比例超过10%，而亚马逊在全美有75个这样的仓库。

最初亚马逊对员工的要求是每小时包装80件商品，后来这个要求提高到每小时120件。有员工表示，这几乎是不可能完成的，还有4000名员工曾联名请愿，希望亚马逊把目标降低15%。

在无法完成KPI和系统监控的双重压力下，很多员工不敢喝水、不敢上厕所。因为厕所太远，来回一趟可能需要10分钟，有人选择在走道里用塑料瓶解决。

有调查显示，亚马逊3/4的员工都害怕因为上厕所而浪费时间。

不过，也正是贝佐斯这位性情既古怪又尖酸的人，用一种不被大多数人理解的方式，带领亚马逊从一家不起眼的公司发展到如今8600多亿美元市值的规模。上市22年以来，亚马逊的股票取得了超过1000倍的回报（股票发行价为1.73美元，目前的股价则超过1740美元），内部收益率（Internal Rate of Return，IRR）高达36%。不夸张的讲，这是独属于互联网时代的创富神话。

1994年2月，美国的一份时事新闻月刊《矩阵新闻》（Matrix News）曾刊登过一组数字，用以阐明互联网未来的商业价值。报道指出，在1993年1月到1994年1月一年间，网络传输速度提升了2057个单位，同一时间段，一个单位数据的网络传输速度也提升了2560个单位。

根据这组数据，贝佐斯推断，那年整个网络运行大约上升了2300个单位——相当于增长了2300%。在亚马逊创立初期，贝佐斯经常在讲话中提到，是网络的“2300%”的年增长率才使他不满足于现状。

但实际上，贝佐斯的推断并无可靠根据，网络传输速度的提升与互联网的年增长率之间没有什么实质关联。因此，这也成为一个有趣的历史注脚——从某种程度上讲，亚马逊这家互联网巨头其实是以一个数学错误为基础创建起来的。

那么数据到底对一家公司或者对我们的生活、社会多么重要？而贝佐斯又为何如此看重数据呢？数据到底会不会说谎呢？

很多情况下，我们接收到的数据并不是捏造的，而是真实统计得出的，但这些数据也完完全全真实可信吗？我想我们都在不知不觉中被真实数据误导过，那么如何辨别这些被“造假”的真数据呢？第一，查看数据中的遗漏点。

阅读统计图时，我们不能把注意力集中在图形的直观效果上，而应深究隐含的数据，通过数据的对比得出结论，查看引起变化的原因，才不会被看似“惊人”的变化图所迷惑。第二，查看数据中是否被偷换了概念。在分析统计资料时，请留心从搜集原始资料，到形成结论的整个过程中，是否存在着概念的偷换。

也就是将看上去极像、而完全不同的两件事混淆在一起。比如，交通事故死亡人数的增多，不能等同于交通事故死亡率的提高。第三，警惕外推法得来的无意义数据。外推是根据过去和现在的发展趋势推断未来的一种方法。它是一种很好的近似计算方法。

有时，通过这种方法分析统计数据，并对未来趋势进行预测而来的结论，往往会与实际情况相相反。统计数据能有多荒诞呢？几年前，十几位调查人员分别发表了一份关于抗组胺剂药物的报告。每份报告都表明，服用这个药物后感冒会有明显好转，紧接着就是各种各样的渲染，于是这种药物被大量生产，可事实呢？

这种药的成分里，没有一样是能够治疗感冒的。那为什么人们还会争相购买呢？正应了那句话，“适当的治疗可以使感冒在七天之内痊愈，但如果不管它，感冒就会持续一个星期。”人们就算吃了对治疗感冒无效的药，正常情况下，感冒也会一周就好了，所以就理所当然地把功劳给了抗组胺剂药物。由此可见，人们是很容易被一些所谓的专业数据迷惑的。

《统计数据会说谎》帮助我们更加客观的看待数据。这本书是美国统计专家达莱尔·哈夫的传世之作，书中“编造虚假信息”的话题受到了美国社会持续的关注，同时还引发了美国权威媒体激烈的争论。这本书最大的价值，不是让我们意识到数据是会说谎的，而是希望我们能够通过问自己五个问题来识别出数据的谎言。