《Everybody Lies》是一本由Seth Stephens-Davidowitz著作，Dey Street Books出版的Hardcover图书，本书定价：USD 27.99，页数：354，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《Everybody Lies》精选点评：

　　●作者本身的经历就很令人鼓舞人心，为了写这本书，辞去了在谷歌的工作，非常投入。内容很平易近人。

　　●a collection of economics/big data anecdotes. Correlation doesn't imply causation, but "sometimes" correlation helps us detect underwater oddities, reveal truths, or make good enough predictions 缺颗星因为不够严谨

　　●感触最深的一段是考没考上第一高中并没有什么差别

　　●感觉像一个针对社科研究人员的Google产品广告: “How to publish a lot using data from Google Trends?”

　　●非常值得一看

　　●funny and interesting, nothing more than that. Everything stays at surface level

　　●很好玩啊，好多研究方法确实很聪明，作者在总结里说，根据大数据，没有几个人会读到这里，所以我就不写了，哈哈哈哈

　　●书中谈到了社交媒体数据的欺骗性：因为爱面子，人们往往会把生活粉饰的多姿多彩。还提到除了社交媒体，人们在很多场合，对于很多问题都会撒谎，尤其是对敏感问题。当被问到关于仇恨、抑郁、性这些问题的真实想法时，我们得到的往往是谎言。更多：http://dwz.cn/6GTHHN

　　●作者说完奇闻小趣事之后..没了，而且还是我都听过的数据整出来的奇闻异事。学过计量的同学就不要看了

　　●作者在conclusion里揭露了自己是个单身狗

　　《Everybody Lies》读后感(一)：短评

　　前面关于怎么用google search来纠正传统survey/pooling的response bias很有新意，google，facebook的数据的确能做一些事，但没有什么一拍脑袋的我这个方向的好点子。后面就有点重复了，初看惊艳，逐渐落于平淡。

　　.S. 为什么短评不显示在我读的界面啊……这样回溯书评太麻烦了。反正我豆瓣没人看，就浪费点，短评也发书评把，利于以后查阅方便。

　　《Everybody Lies》读后感(二)：Everybody lies 带给我的几点启示

　　1. A/B test 在 google ads 以及其他领域的应用

　　2. doppleganger 在 netflix、amazon 等推荐系统的应用

　　3. big data 的一个优势是可以 zoom in

　　4. 不要忽视 small data 的作用

　　5. cooperation 在利用 big data “监视”顾客的时候，顾客也在通过 big data “监督” cooperation：这是一个相互的过程

　　6. 看完全书，还是没有很好的理解 correlation 和 causality 的差异性，数据在何种情况下仅仅是 correlation，什么情况下是可以证明 causality 的

　　7. curse of dimensionality，维度爆炸，这点可以和 6 联系在一起，当维度足够多的时候，一定会有 ”lucky coin“

　　8. 社交网络数据的欺骗性

　　《Everybody Lies》读后感(三)：一本讲有趣讲述大数据的灵魂之书

　　书名：人人都在说谎（everybody lies）

　　作者:赛思·斯蒂芬斯--达维多维茨 出版社:中信出版集团

　　这是一本在图书馆偶遇的书，事实上也不负所望，这是一本蛮有趣的书。作者是一个很幽默的人，在结尾提到有7%的人读完了《思考 ：快与慢》，3%的人读完了《21世纪资本论》所以他推测应该没有什么人读到结尾，因为人们往往不会读完经济学家的著作。很庆幸我读到了，这本书真的十分有趣，我大概只用了三天时间读完了整本书。在我看来这是一本思路很清晰，所有内容都很细致而观点新颖的书。作者用了不传统的数据集来分析不传统的有趣问题，让你发现你的直觉往往出了错。这本书真切地让我看到好奇心、创造力与数据结合起来可以大大提高我们对世界的了解程度，这真的是一件有趣的事情。

　　这是一本关于大数据的书，虽然涉及统计的专业领域，但作者很耐心详细甚至生动地解释了每一个专有名词。也许真的会让你爱上数据统计这个看起来不是太有趣的事情。书里具体地介绍了大数据的四大功能，提供新型数据，提供可靠数据，放大人群子集，因果实验。完完全全让我对大数据有了新的认识，原来数据可以这么玩。希望以后还可以发现这么有趣而科学的书，读起来真的上瘾，还可以更了解一些听上去耳熟却不太了解的科学领域，比如----大数据。

　　《Everybody Lies》读后感(四)：大数据服务大家伙就好

　　被经常当笑话看的搜索栏里的默认推荐在这里成了大数据分析的出发点。媒体上展现的往往只是一场名义正确的做戏，人们作秀伪装来表现一个道德法律没有瑕疵的自己，多数人的内心声音被忽略，只有意见领袖的声音在广播，误导我们世界就是如此，人们在现实中网络上依旧follow heart各行其是。社交媒体也如此，一个个生活得精彩幽默优雅生动的照片文字Po出来，一切都那么美好。而在搜索引擎上，一个人，写日记一样在搜索栏里陈述自己的问题，可能为了寻找共鸣，可能为了寻找解决方案，于是搜索公司最了解人的歧视，自卑，仇恨，无聊以及性癖，这里就是人性的交汇点。如是，不光正式的搜索公司是人性切入口，任何论坛或媒体的搜索都可以，就像微博知乎微信的搜索栏也一样。再往深了想，直接一点，会不会输入法也是最了解我们的工具？我们的问题迟早要付诸笔下，而输入法一直冷眼旁观记录着我们自己。

　　大数据证实了我们的脆弱，邪恶，怪癖，告诉我们不同观点的人现实中往往不是那么截然不同，找到人的化身并不是很困难，以及我们是多么容易受到周围环境以及青春期时期影响。依靠统计数字来判断不同因素间的因果效应，心理学家社会学家商家政府从中各取所需。然而大数据是否真能永远坐实他所识别出的特征判断？有没有巧合因素？样本筛选有没有可能存在未被识别的自身共性？换个时间区域变量会不会得出不一样的结果？而且大数据运用会不会造成反向歧视，我们因为与某一特征的人群的共同点而遭遇相同识别对待。如果说喜欢看卡戴珊的人IQ普遍不高，那我喜欢看她家真人秀会不会永远找不到工作？大数据歧视已经用到了商家定价、产品推送上，如果政府也依此区别对待会有什么后果？个体被抹杀，一个个被大数据计算划分到不同标签群体里，你无法自证，因为数据不会说谎。大数据还是放宏观行为制定上，离微观行为越远越好

　　《Everybody Lies》读后感(五)：人人都在说谎，怎样才知道谁骗了你？

　　在点开这篇推送文章之前，你估计刚刚刷完朋友圈：小甲又去国外出差了，小乙又去吃了一个网红下午茶，小丙又在秀恩爱。也许你正想翻个白眼，感叹为什么别人的生活都比自己的风生水起。

　　先别急，你有没有想过其实朋友圈充满了谎言？小甲也许刚刚被老板骂，小乙的下午茶可能其实很难吃，小丙也许刚和男朋友大吵一架。刚刚发了幸福的朋友圈的人，可能转身却在电脑上搜索“抑郁症该怎么办”。

　　在赛斯.斯蒂芬斯-戴维维茨（Seth Stephens-Davidowitz ）五月出版的新书《人人说谎（Everybody Lies）》里， 就谈到了社交媒体数据的欺骗性：因为爱面子，人们往往会把生活粉饰的多姿多彩。

　　书中还提到，除了社交媒体，人们在很多场合，对于很多问题都会撒谎，尤其是对敏感问题。当被问到人们对于仇恨、堕胎、抑郁、性这些问题的真实想法时，我们得到的往往是谎言。

　　那么到底怎样才能了解人们的真实想法呢？传统的方法如问卷调查，费时费力，样本量小，又具有欺骗性，得到的结果很不可信。

　　但随着科技和大数据的发展，新的研究方法变成了可能。赛斯就找到了一个更真实可靠，样本量全面的新研究方法，即研究谷歌搜索数据。

　　不同于传统调查的局限性，当人们搜索各种信息或寻求帮助时，搜索数据能真实的告诉我们他们想要什么，喜欢什么，或是害怕什么。赛斯更是认为，搜索数据是有史以来最重要的研究人类心灵的数据。

　　书中从四个方面介绍了为什么大数据，尤其是搜索数据，能作为颠覆传统心理学和社会学研究的创新研究方法：

　　1. 数据的独特性

　　2. 数据的真实性

　　3. 数据的样本量大

　　4. 数据用于研究因果关系

　　详情：https://mp.weixin.qq.com/s/NIzH20iui9pExC7_miXfZw