数据是异议的“粉碎机”
“我们公司是世界500强。”
“我们公司在世界500强中排名第137位。”
“本次活动我们需要大约5000元预算。”
“本次活动的预算，我们经过仔细测算，需要5280元。”
哪一种更可信？运用数据来佐证观点，能够让思想更可信，数据越是清晰、具体，观点就越是可信。数据代表一种准确性，人们总是喜欢准确而不是模糊的东西。就像去商场购物，如果店员一直回避具体的价格信息，我们会觉得不安全，甚至会怀疑这里面有问题。
在大数据时代，我们已经习惯看完“好评率”再下单网购，选择航班要参照“准点率”，去看电影要先看看评分。每个人创造数据，同时又在使用数据，我们对准确的数据天生有崇拜感。
今天，由经典名著《乱世佳人》改编的同名电影已经成为电影史上的经典，但在当时，这部电影差点就夭折了。20世纪30年代，玛格丽特·米切尔（Margaret Mitchell）写的原著大受欢迎，新书上市首发1万册，迅速告罄，在接下来的几个月内不断加印，一时洛阳纸贵。这本书的成功引起了好莱坞的关注，但在此之前，好莱坞出品的以南北战争为题材的电影部部亏本，没有任何一部赚钱，导演对于《乱世佳人》的意见不统一。于是，好莱坞请盖洛普[11]做一个调查，用数据来证明《乱世佳人》有多流行。通过调查，盖洛普非常肯定地告诉电影的制片人塞尔兹尼克，《乱世佳人》已经成为美国有史以来最流行的小说，共有1400万美国人读过这本书。但还没等到电影开机，制片人、剧组和发行商之间就电影时长、是否分为上下两集、黑白还是彩色、演员的选取和广告设计等问题产生了争议。于是，塞尔兹尼克又委托盖洛普调查争议问题的方方面面。盖洛普调查出非常详细的数据，给了片方建议：影片要分为上下两集、时长为4小时左右、彩色、费雯·丽最适合担任女主角。并且盖洛普精准地预测，这部影片将有5650万名观众。最后，《乱世佳人》一共售出5997万张电影票，和预测的5650万张相距不到6%。凭借这种精确度，盖洛普也彻底地把数据带进了美国的电影行业。
数千万的观影人数，相差不到6%！今天的人可能很难想象70多年前，就可以用数据做出如此精准的预测。这就是数据的力量，在今天这个理性泛滥的年代，数据带来的说服力是没有其他东西可以取代的。
精心修饰你的数据
大多数发布数据的讲话都无趣之极，因为仅仅呈现准确的数据是不够的。有时候，你给出的数据的确不那么惊天动地，或者对听众来说不是全新的信息，那就要精心修饰你的数据，选择一种新奇的表达方式。
聚合数据，体现重要性
“一个很小的问题，乘以13亿，都会变成一个大问题，一个很大的总量，除以13亿，都会变成一个小数目。”[12]这是前总理温家宝在2008年5·12大地震救灾现场说的一句话，让无数中华儿女为之振奋、为之鼓舞，原因就在于“13亿”这个数目，这个庞大的数目赋予了普通事物不同的面貌，带来了全新的视角。
如果数据本身太小，不足以显示其重要性，那么就有必要将数据扩大，最好的办法就是相乘，乘以总人数、总时间等，都可以。
“如果我们每个人每天少用一张纸巾，每年就可以节约259106吨纸巾，如果以每吨纸需砍伐4棵平均20年树龄的树木做原料计算的话，就相当于每年少砍伐1036424棵树。”
“一张”这个数量无法让听众感受到重要性，听众很可能会想：“我一个人多用一张也没什么关系。”这样的想法不是表达者所希望的。但如果将数据聚合，就不一样了，每个人每天少用一张纸，看似很少，但一年呢？60亿人口呢？通过聚合数据，总量变得十分庞大。所谓聚沙成塔，庞大的数量才能让听众意识到“每天少用一张纸”的重要性。因此，当数据本身较小，不足以引起听众的重视时，就适合聚合数据。
分解数据，易于被接受
“27元，27元，每天只需要27元，就可以将最新款的手机带回家。27元只是一顿饭、一斤水果、一包香烟……”
经常可以见到这种分解数据的修饰方法，比如按揭购车、分期支付。当需要听众付出某种代价时，庞大的数字总是让人难以接受。一个新系统采购成本是20万元，如果你觉得这个数字过于庞大，那么可以分解这个数据。因为系统至少可以用10年，每年只需花费2万元，每月只需花费1666.6元，每天只需要花费54.8元。一次性支出20万元，成本高昂，但每天支出54.8元，看起来就没那么多了。总量虽然没有变，但被分解了，给人的感觉就很不一样。数据可以分解到每月、每天，甚至每小时，也可以分解到人均。在需要付出某种代价的时候，一个很小的数字相比一个庞大的数字，看起来总是容易接受得多。
说明意义，数据变故事
通常展示数据本身并不是目的，用这些数据说明问题，才是目的。企业之所以编制各种财务报表，并不是为了数据本身，而是因为财务报表能够反映出企业的经营状况。
现在给你一组数据（见表6-1），你会怎样对待它们？通常你会先仔细阅读数据，之后分析它们，试图寻找数据之间的联系，最后思考这种联系的意义并得出一个结论。
表6-1 各渠道销售数据
从这些数据中你能看出什么？作者到底想要说什么？可能是医院这个渠道做得很好；也可能是OTC药店这个渠道做得不好，需要加强；还有可能是仅仅展示数据，总之，你没法确定作者要表达什么。而且，这里仅仅展示了4个数据，在很多时候，数据量远远超过4个，一旦展示的数据很多，听众阅读和分析数据就会很辛苦。最关键的是，听众思考得出的结论和作者要阐明的结论很可能不一样，一旦不一样，听众就会产生怀疑。所以，我们不仅要展示数据，还要寻找数据背后的意义。
此外，挖掘数据背后的意义更感性。数据本身是理性的，理性的东西虽然能够说服听众，但在情感上不容易让人接受。出于打动听众、引起共鸣的需要，我们还需要深入挖掘数据背后的意义。数据也可以讲故事，数据背后的意义就是好故事。例如：
某招聘网站针对就业市场的情况做过调查，得出如下数据：
35岁以上的求职者，通过人才市场或者招聘网站这两种渠道找工作的，只占到所有求职者总数的14%，而通过以上两种渠道去招人的单位，愿意接受35岁以上求职者的，只占到全部用人单位的1%。
这说明什么？读者需要仔细体会，表达很多时候并不是文学作品，与其让读者费尽心思去体会数据的含义，不如直白地告诉他。
“也就是说，如果求职者到了35岁，还通过人才市场或者招聘网站这样的渠道找工作，就代表35岁以前的积累很有问题，积累得不够，还需要和20多岁刚毕业的学生在一个平台上竞争。”
这就是数据背后的意义。通过挖掘数据背后的意义，变理性的数据为感性的意义，可以充分让听众意识到所描述信息的重要性，也让观点更鲜明，更容易引起共鸣。
再比如，我们先看看以下来自教育部的官方数据：
1998年，全国小学生招生人数为2201万人。
2007年，全国普通高中招生人数为840万人。
2010年，全国本科招生人数为351万人，专科招生人数为310万人。
1998年上小学的孩子于2010年高考，没有错吧？这说明了什么？这说明在同龄人中，有62%的人压根就走不到高考改变命运这一步！他们连高中都没上，更遑论接受大学教育。
补充两个数据：2010年的复读生人数没有确切的统计，但近年来估计复读生约占当年高考总人数的六分之一（河北、山东两地复读生比例可占到约五分之一），这就说明录取人数中包括了将近100万的复读生，所以这个数据会更加悲观。而2010年，中国出国留学的人数是28万人，可以忽略不计。
再来看看数据背后的含义。
这说明什么问题？这说明了一个类似于“幸存者偏差”的错觉，我们身边都是大学生，都是城市家境较好的同学，平时老师威胁你就说：“你要不好好学习，将来只能上某大学。”而即使是某大学这种被很多人嫌弃了高中三年的学校，也是一本高校。全国一本每年录取人数在50万~70万人不等（因为有些统计数据没有考虑到艺术生、自主招生和小语种等，所以会出现上下波动），那么一旦进入了一个一本大学，你就已经甩开了约97%（60/2200=2.7%）的同龄人！虽然你觉得上一个普通的211大学压根就是被人碾压。
很惊人的数据是不是？我们总是习惯于看自己身前而忽略自己身后，这是人之常情。所以说，除了知乎这种给人错觉的网络社区以外，我们还有广袤的土地，难以计数的县、镇、村，放开眼界吧，那才是我们真正的中国。
精心修饰我们的数据，不在于数据本身，而在于能够通过数据证明观点。为了证明观点，我们需要精心修饰数据，修饰不是编造，而是深入地探寻。为了体现重要性，我们聚合数据；为了容易被接受，我们分解数据；为了变理性为感性，我们寻找数据背后的意义。无论如何，一切都只是为了说明观点。
常用句式
常用句式：（数据……）也就是说……
【例】蒙古帝国在极盛时期的疆域达到了3300万平方千米[13]，也就是说，当时全世界已经发现的陆地面积将近80%都在蒙古帝国的统治之下。（哥伦布发现美洲大陆是在1492年，蒙古帝国的极盛时期是在公元12世纪。）
使用注意
切记，不要去编造数据！
“没有一个人支持你！”
“你有做过调查吗？有调查过百分之几十吗？”
“网上的调查多得很，80%、90%，有几个人支持你？”
在这三句话中你发现什么问题了吗？可以很明显地看出，所谓的“80%、90%”的数据并没有可信的来源。我们不能随意地去瞎编数据，如果需要引用数据，那么就需要引用权威的、精准的数据，如果不这样，不但不能增强说服力，反而会使得你的思想更可疑。就像这里的“80%、90%”不但不能说明问题，恰恰还证明了讲话者的不可信。
可信的数据通常来源于分析报告、权威媒体或者有代表性的调查统计。
根据皮尤研究中心在中国的民意调查报告，其中一些数据反映了中国的主流民意，其中大部分数据在近几十年来十分稳定。
高达85%的中国民众对国家未来的方向表示满意，70%的民众认为在过去的五年中生活得到了改善，82%的民众对未来五年颇感乐观。
英国《金融时报》刚刚公布的全球青年人民意调查结果显示，93%的中国90后年轻人对国家的未来感到乐观。
李世默2013年TED演讲《中国的崛起》节选
以上所采用的数据都有明确可查的出处，所以能取信于人，如果没有，就会适得其反。要采用数据，就一定不要编撰数据，而要选用精准的、权威的数据，只有这样才能带来可信的说服力。