Sprawiam, że dane mają sens.

1. 1

   Gole lecą jak grad.

   Około 3 gole na mecz. Żaden mundial nie strzelał tak od 1958 roku.

2. 2

   Każdy strzał to szansa, a szanse da się policzyć.

   Strzał z pustej bramki prawie zawsze wpada. Strzał z daleka prawie nigdy. Zsumuj, ile wart jest każdy strzał, a dostaniesz gole, które POWINNY paść.

3. 3

   Szanse mówią 90. Tablica wyników mówi 109.

   Napastnicy strzelili o 19 goli więcej, niż były warte ich szanse. To największa różnica, jaką kiedykolwiek zmierzono na mundialu.

4. 4

   Więc to magia? Raczej nie.

   Takie szczęście zwykle mija. Gdy ktoś pokazuje Ci dobrą passę, zapytaj, ile były warte szanse.

Źródła: Total Football Analysis, 3 lipca 2026 (109 goli wobec 90 oczekiwanych, około 3 gole na mecz, najwięcej od 1958). Dane historyczne: FIFA. xG (oczekiwane gole) = jak często dokładnie taki strzał kończy się golem.

1. 1

   Suma wyglądała źle.

   Na każdych 100 mężczyzn, którzy aplikowali, przyjęto około 44. Na każde 100 kobiet, około 35. Gazety były gotowe.

2. 2

   Ktoś rozbił to na wydziały.

   Zajrzyj do każdego wydziału z osobna, a historia się odwraca: w większości z nich kobiety dostawały się w tym samym stopniu albo lepiej.

3. 3

   Kobiety wybierały trudniejsze drzwi.

   Więcej mężczyzn aplikowało na wydziały, które przyjmują dużo osób. Więcej kobiet aplikowało na te najtrudniejsze. Suma zmieszała te wybory w fałszywą historię.

4. 4

   Średnie potrafią kłamać. Najpierw je rozbij.

   Jedna liczba na wszystko może wskazywać w złą stronę. Analityk danych zawsze pyta: co dzieje się wewnątrz każdej grupy?

Źródła: Bickel, Hammel i O'Connell, Science (1975): 12 763 aplikujących do UC Berkeley, jesień 1973. Wskaźniki ogólne: 44% z 8 442 mężczyzn, 35% z 4 321 kobiet; wskaźniki wydziałowe zaokrąglone.

1. 1

   Jedna liczba kazała wszystkim ciąć wydatki.

   Teza: gdy dług kraju przekracza 90% jego gospodarki, wzrost staje się ujemny. Politycy wszędzie to cytowali.

2. 2

   Student spróbował ją odtworzyć. Nie mógł.

   W ramach projektu na zajęcia Thomas Herndon przeliczał liczby raz po raz. Jego wynik nigdy nie zgadzał się z tym słynnym. Więc poprosił o oryginalny arkusz.

3. 3

   Formuła pominęła pięć krajów.

   Formuła została przeciągnięta w dół arkusza, ale nie dość daleko. Pięć krajów z góry listy po prostu nigdy nie zostało policzonych.

4. 4

   Uczciwa liczba była dodatnia.

   Napraw formułę, a straszny minus zamienia się w zwykły dodatni wzrost. Te same dane, działający potok. Sprawdzaj każdy krok, zwłaszcza te nudne.

Źródła: Reinhart i Rogoff, Growth in a Time of Debt (2010); Herndon, Ash i Pollin, University of Massachusetts Amherst (2013): poprawiona średnia to +2,2%, nie -0,1%; pięć krajów pominiętych przez błąd w arkuszu.

1. 1

   Google próbował przewidzieć grypę.

   Pomysł: gdy ludzie źle się czują, szukają. Policz wyszukiwania w rodzaju „objawy grypy”, a możesz zgadnąć, ile grypy jest teraz, tygodnie zanim zgłoszą to lekarze.

2. 2

   Na początku działało.

   Model wiernie śledził prawdziwe liczby grypy, sezon po sezonie. Stał się sztandarowym przykładem big data.

3. 3

   Potem się pomylił. Mocno.

   Przez 100 tygodni ze 108 zgadywał za wysoko. Na szczycie w 2013 roku przewidział ponad dwa razy więcej grypy, niż było naprawdę.

4. 4

   Przetestuj go na danych, których nigdy nie widział.

   Każdy model może wyglądać genialnie na przeszłości, z której się uczył. Zaufanie zaczyna się, gdy dalej działa na nowych, niewidzianych danych. Na tym polega cały audyt.

Źródła: Lazer, Kennedy, King i Vespignani, The Parable of Google Flu, Science (2014): model zawyżał w 100 ze 108 tygodni od sierpnia 2011 i przewidział ponad dwa razy więcej niż rzeczywisty poziom na szczycie w lutym 2013 (rzeczywiste dane: amerykańskie CDC).

1. 1

   Nikt nie wie dokładnie, dokąd pójdzie burza.

   Nawet najlepsi naukowcy z najlepszymi komputerami. Wiatr jeszcze się nie zdecydował. Udawanie, że jest inaczej, byłoby kłamstwem.

2. 2

   Więc rysują każdą trasę, którą może obrać.

   Komputery przewijają burzę do przodu wiele razy, każde przejście trochę inne. Razem te trasy tworzą wachlarz.

3. 3

   Wachlarz staje się rozszerzającym się stożkiem.

   Na jutro są dość pewni. Na pięć dni naprzód dużo mniej. Stożek robi się około 8 razy szerszy od dnia 1 do dnia 5, bo uczciwość rośnie z odległością.

4. 4

   I mówią Ci, jak często to działa.

   Burza zostaje wewnątrz stożka mniej więcej 2 razy na 3. Prognostycy drukują to na samej prognozie. Tak wygląda przewidywanie, któremu można zaufać.

Źródła: NOAA National Hurricane Center: stożek rysuje się tak, aby środek burzy zostawał w nim mniej więcej 2 razy na 3 w ciągu poprzednich pięciu lat; okręgi stożka rosną mniej więcej 8 razy szerzej od dnia 1 do dnia 5.

1. 1

   Jedna strona, jeden przycisk, miliony odwiedzających.

   Strona powitalna prosiła ludzi o zapis. Każdy odwiedzający widział obraz i przycisk. Który obraz? Który przycisk? Opinie wszędzie.

2. 2

   Zamiast się kłócić, podzielili tłum.

   Odwiedzającym pokazywano różne wersje losowo: 6 obrazów i filmów, 4 teksty przycisków, 24 kombinacje. Losowo to słowo klucz: sprawia, że grupy są sprawiedliwe.

3. 3

   Wygrała nudna opcja. I to z dużą przewagą.

   Wszyscy spodziewali się, że wygra film. Zwycięzcą było zwykłe rodzinne zdjęcie z przyciskiem „Dowiedz się więcej”. Zapisy skoczyły z około 8 na 100 do około 11,6 na 100.

4. 4

   Ten jeden test był wart około 60 milionów dolarów.

   Lepsza strona oznaczała miliony więcej zapisów, więcej wolontariuszy, więcej darowizn. Nikt tego nie przewidział. Znalazł to test. Testuj, nie zgaduj.

Źródła: Dan Siroker (szef analityki kampanii, później Optimizely), How Obama Raised $60 Million by Running a Simple Experiment (2010): wskaźnik zapisów z 8,26% do 11,6% (+40,6%), około 2,9 miliona dodatkowych zapisów, około 60 milionów dolarów dodatkowych darowizn, 310 382 odwiedzających w teście.