雅书

“想读”时这样写道：“暗”数据，统计视角下的模式总结，（预设）畅销书的写作方式，都是吸引我“想读”的理由。 买来，读了前面一部分，发现：就是造了一个华丽的新瓶子，把原来的旧东西装进去。

挺好的 凸显了统计学为啥很重要

大部分观点和内容对于中国人来说似乎是常识。

对于数据处理中出现的问题从统计角度做了分类，分析和一些解决方案。结合了作者工作中实际问题。应该能写得更深入和生动点。

像是用一些更为有趣的名词包装了统计学的那些知识，做了一些统计学上比较Tricky的事情的分类，但细节大部分都耳熟能详，比如辛普森悖论，P值，置信区间，似然估计，还有相关关系和因果关系，当然还有统计口径和实效性，平均值的把戏。但例子还是比较生动的，可以作为消磨时间的读物。

了解风险，持续警惕。

谬误与偏差，新瓶装旧酒

前半本还凑合略启智，后边讲统计与算法太粗浅了，大众读物，理工科可跳过后半本。

介绍在收集数据时，可能出现的暗数据，有些暗数据是显而易见的

PS：）任何看起来有趣或者不寻常的数字，通常都是错误的。 大多数明显的发现都是由数据中的小差错引起的幻觉。 任何一个足够完备的公理系统，都存在无法在该系统内部得以证明或反驳的陈述。 泡沫的一个特征是，无论是真实的还是带有比喻性质的，它们都会破灭。 第15种暗数据：推理僭越数据；第14种暗数据：编造与合成的数据；第13种暗数据：故意屏蔽的数据；第12种暗数据：信息不对称；第11种暗数据：反馈与博弈；第10种暗数据：测量误差与不确定性；第9种暗数据：数据汇总；第8种暗数据：数据定义；第7种暗数据：因时而变；第6种暗数据：或可存在的数据；第5种暗数据：关键因素缺失；第4种暗数据：自我选择；第3种暗数据；第2种暗数据：未知的缺失数据；第1种暗数据：已知的缺失数据。

不考虑作者自己乱起的名词，这本书描述统计中各种错误现象还是挺有趣的

看来他人科研成果难以复现不光是个人感受，这种现象的产生也有其原理。本书提供了一个认识数据和统计的窗口，并用大量有意思的案例加以说明。但是读起来会被各种名词绕晕，而实际缺乏应有深度，略感遗憾。

前面部分稍微有些可读性。

這是一本有洞見並且非常有用的書。我們所不知道的數據，如果對我們有影響，將怎樣面對。實際中，未知東西對我們的影響很大，本書當然討論了一個重要的問題。另外本書也從技術角度提供了應對暗數據的幫助。本書對學習信息技術、關注信息社會的人都有幫助。

很典型的外国人写的、中国人翻译的书。