你喜歡數據還是故事

感覺現在問行業好不好、經濟好不好、公司好不好的問題越來越多，也造成了兩種回答的泛濫：數據和故事。前者是知乎特色，只要數據夠多，不管分析對不對，就不明覺厲；後者只要繪聲繪聲地進行描述，順帶一些小道消息和內幕揭露，頓時可信起來。

但兩者往往都有很大偏差，尤其是前者，更帶來很多毫無意義的扯淡答案。典型的一些回答，貼上大量統計報告、諮詢報告中的數據圖表，引用一些新聞概述，然後「生成」一個大家都想看到的結論。

我們在分析現象看本質的時候，常常不知道何處用心，何處用腦。這裡所謂「用心」，就是對任何事情，我們總有自己的情感、好惡；所謂「用腦」，就是對事情的原因或邏輯有一個理智的判斷或推斷。人有情感，又有理智。困難在於，人的情感與理智常常容易用錯了地方。

真正的問題在於，很多時候我們只需要故事的時候，並不需要數據；而需要數據的時候，故事也毫無價值。所以很多答案，把不需要的內容去掉之後，你會發現，並不包含你想要的信息。

數據，講究的是客觀看世界。不是說不要情感，而是把情感與事情本身的規律和結果，冷靜地分開來處理。真正的數據分析專家，少有這樣的困擾。講故事，麻煩從來就比較大。用腦得出的見解和判斷，要經受情感甚至情緒的蹂躪和審判。

對於我們個人來說，首要應該搞清楚自己需求的是數據還是故事。我們關注的話題有的屬於宏觀，有的屬於微觀。宏觀指的是國家或是社會全體這類大規模的信息；與此相較，微觀指的是公司、組織團體，個人等範圍較為狹小的信息。

那麼數據指的是用數字顯示的信息，例如GDP、水電消耗量等統計數據，或是一般公司企業常用的各種財務報表等，一般來說較為客觀。

而故事指的是，注重整體來龍去脈的事件信息。例如記載明星從認識到結婚的過程、某公司從創業到上市的始末等新聞報導，帶有主觀色彩。

那麼可以看出，不同職業的人生產的內容屬於不同的象限——

所有流通的信息一定都在這個矩陣只內。因此，當你看到一篇文章時，最重要的是，思考它位於哪個象限，充分理解其特性為何。

比如經濟學家是以宏觀的視野，同時必須參考大量數據的職務。從全國的消費動向或設備投資、企業的生產動態統計等，進行GDP評估、或分析整體經濟活動，正是經濟學家最主要的工作內容。基本上，經濟學家主要是做數據處理，對於預測近期內會發生什麼事不太熱衷。尤其在進行分析時，他們幾乎不考慮個人或企業的商業計劃及經營方針。儘管得出的報表枯燥乏味，但想用以了解整體概況時，卻非常具有參考價值。

同樣是活用數據的工作，如果想替企業或個人服務，就屬於分析師的工作範疇。例如證券公司的股票分析師，他們會先判讀企業的各類財務報表，並預測該公司今後的業績或股價。但股票分析師不會將經濟全體動向都進行考慮，他們重視的是個別企業的營運狀況。此外，各業界的諮詢顧問所進行的資料分析，大抵也都屬於這樣的形態。

與上述相比，記者就顯得沒這麼重視數據，他們看重的是採訪後得到的第一手資訊。一般新聞或雜誌的報導，都是將採訪對象所提供的信息為基礎，再加上記者自身的觀點、預測未來發展後撰寫而成。因此大多數的新聞記者，會落在重視微觀及故事性的第三象限。不過記者的領域非常廣泛，某些新聞報導也很重視宏觀數據，例如分析國家整體財務狀況後所寫出的採訪報導。基本上，記者最重要的工作，是提供社會大眾通俗、易懂的信息，因此會視情況需要，變更及調整信息涵蓋的範圍。

而因為IT技術的進步，發展出從大數據中尋找某些特徵，試圖對社會提出分析和建議，從事這類分析的人被稱為數據分析員（過去被稱為統計專家），這股從美國開始發展的新風潮，現已被廣泛應用。一些知乎分析師，其實也在這個象限，只不過他們不是靠分析，而是靠搬運。

也有某些寫作專精宏觀信息、同時強調故事性，在不知不覺間，就會沾染個人色彩，因此可以將之獨立開來，視為專欄作家。

另外還有兩個特別的領域，分別為自媒體（部分）和紀實作家。

紀實作家指的是依據事實或真實案例進行創作的人。因為他們的作品類似小說，所以非常具有故事性，也因為基於事實寫作，因此其中所透露出的信息可信度亦較高。

某些自媒體，習慣貼近採訪對象，用主觀的視角，描寫出帶有強烈戲劇風格的報導，這裡就不點名了。這種書寫方式雖然欠缺客觀性，但如果讀者希望通過直觀的感受理解事情的來龍去脈，這是非常恰當的信息來源。

當你進行劃分之後，可以有兩個好處：

1、識別乾貨。

通常身份是固定的，某個角色的人很少跳出自己的象限去涉及其他領域。如果一個人重視數據分析，卻喜歡感性結論；或是重視故事脈絡，卻佐以數據分析；要謹慎懷疑是否在掛羊頭賣狗肉。

同時，掌握每種內容的特性，可避免緣木求魚的窘境。例如，當你吸取了經濟學家提供的宏觀數據分析結果，就不必太過在意個別案例的分析。比如當你面對「日本的貧困率為15％，與美國不相上下」這種最典型的宏觀數據時，如果你不分青紅皂白的反駁「像日本這麼富庶的國家，貧困率怎麼可能和美國一樣高？」就表示你沒有以宏觀的立場解讀。相反，當你得到微觀情報時，一定要記得告訴自己，「這並不足以代表全體」，才能避免以偏概全。

閱讀著重故事性的文章時，則要注意別企圖在裡頭尋找現實生活的真相。當戲劇張力越大，人們就越容易投入感情，比起辨識文章內容是否屬實，大部分的人都會先受到喜好與厭惡等情緒的影響。但如果你企圖將這類富感情的文章用來幫助自己做判斷，顯然也是噴錯了對象。

為了避免發生上述錯誤，當你獲得任何信息時，都必須立刻思考它位在矩陣中的哪一象限？當你養成這樣的習慣，就能退一步，用更客觀的視角面對各種信息。

2、避免盲從。

當你看到數據的時候，經過歸類，可以得出它的參考價值。如果某個偏重理念邏輯，或是偏重故事邏輯的文章中出現數據，往往會企圖把各種價值轉化成一個簡單數字，以便與其他簡單數字作比較。那麼這樣的結論仍然是感性地，經不起推敲。

一件事情好不好這個問題，關鍵在於「相對於什麼而言」。當一篇分析帶有故事性，裡面的數據不能保證純粹客觀，而是加入了很多主觀判斷。為了完成故事，其中情況不明的問題，往往會「下注」似估計一些數字，但這樣的話，其中對尚未發生的事件其判斷會很不精確。

我們總是企圖把未來可能出現的好幾種情況，用一種語言（數字）來解讀，讓大家可以閱讀並比較。但數字並非解讀未來的唯一語言，抽離數字之後的故事，雖然帶有個人情感的印記，卻反而不會那麼誤導人。

總之，捕捉搜集信息固然重要，但了解信息、分析信息則更重要，讓有價值的信息幫助自己思考和判斷，成為自己的資源，才真正駕馭這個紛亂的信息世界。