7,129
个编辑
更改
→数学盲
高效的分析师通常善于使用各种数字的技术。然而，受众可能没有这样的数字和算术读写能力；他们被认为是'''<font color='#ff8000'>数学盲Innumeracy</font>'''。或者是传递数据的人的数据分析技术过于糟糕，会导致出现'''<font color='#ff8000'>误导mislead</font>'''或'''<font color='#ff8000'>误报misinform</font>'''的情况。<ref>[http://www.bloombergview.com/articles/2014-10-28/bad-math-that-passes-for-insight Bloomberg-Barry Ritholz-Bad Math that Passes for Insight-October 28, 2014]</ref>
高效的分析师通常善于使用各种数字的技术。然而，受众可能没有这样的数字和算术读写能力；他们被认为是'''<font color='#ff8000'>数学盲 Innumeracy</font>'''。或者是传递数据的人的数据分析技术过于糟糕，会导致出现'''<font color='#ff8000'>误导 mislead</font>'''或'''<font color='#ff8000'>误报 misinform</font>'''的情况。<ref>[http://www.bloombergview.com/articles/2014-10-28/bad-math-that-passes-for-insight Bloomberg-Barry Ritholz-Bad Math that Passes for Insight-October 28, 2014]</ref>
例如，一个数是上升还是下降可能不是关键因素。更重要的可能是相对于另一个数的数，例如相对于经济规模（国内生产总值）的政府收入或支出，或者公司财务报表中相对于收入的成本金额。这种数的技术称为'''归一化normalization'''<ref name="Koomey1"/> 或'''<font color='#ff8000'>共同比 common-sizing</font>'''。分析师们通常都会使用这样的数据分析技术来进行调整，无论是对通货膨胀进行调整（如，比较实际数据与名义上的数据） ，还是考虑人口增长、人口统计学信息等。
例如，一个数是上升还是下降可能不是关键因素。更重要的可能是相对于另一个数的数，例如相对于经济规模（国内生产总值）的政府收入或支出，或者公司财务报表中相对于收入的成本金额。这种数的技术称为'''归一化 normalization'''<ref name="Koomey1"/> 或'''<font color='#ff8000'>共同比 common-sizing</font>'''。分析师们通常都会使用这样的数据分析技术来进行调整，无论是对通货膨胀进行调整（如，比较实际数据与名义上的数据） ，还是考虑人口增长、人口统计学信息等。