种打击。经过了持续的严打之后，到时候可能好人没枪了，可是坏人持枪的几率也大幅度减少，这样的情况下老百姓就不一定需要有一把枪来给自己心理安慰了，不是么？毕竟枪支这么一个东西，那是属于一个小孩子拿着都可以造成非常大损害的武器！美国不是没有什么妈妈带着五岁的孩子去超市。结果买了一大堆东西回来，孩子坐在副驾驶位置翻出来了杂物箱里面的手枪，不小心把正在后车厢放东西的亲妈给崩了的事儿！
所以同样，如果要得到一个关于老百姓大量支持禁枪的民调，那就可以对之前的那种诱导反其道而行之——上来先问普通民众两个问题，第一个就是问民众碰到了持刀的坏人和持枪的坏人的。他们在哪种情况下容易逃脱？第二个问题，如果政府进行零容忍的对枪支泛滥问题进行严打，那么坏人持枪的几率是不是会大幅度下降？这两个问题老百姓回答了之后，那再问一句他们是否支持禁枪，这一般人只要没有自杀倾向，那肯定会倾向于回答一句支持啊！毕竟之前的两个诱导问题都隐藏着一种禁枪了可以对老百姓安全有很大提升的一个概念，如果这老百姓还不支持禁枪，那不就是不支持让自己变得更安全么？这不是违背人类的潜意识的么？所以哪怕他本身是不支持禁枪的，但是在这么一个诱导之下。也很容易回答支持！
这还是进行诱导，如果加上一些数据挑选的话，那更是可以做到想要什么结果就能有什么民调结果的地步！那这样的数据会撒谎么？而在另外一方面，哪怕数据本身是非常真实的，没有什么诱导和伪造以及挑选，就是直接真实调查出来的原始数据，那么对数据解读也是数据分析最重要的环节！数据不会说谎，说谎是来自于数据误读！很多公司招聘数据分析只强调数据处理。对数据解读无法评估，就会带来数据误读。从而产生“数据会说谎”的结论！
比如说，现在收集到了一套数据，很多人发现这套数据里面a数据和b数据是高度相关的，每次只要a数据发生变化，那么很快b数据也会发生变化，那么是不是能够得到a的变化会导致b的变化这么一个结果？表面上看起来好像是可以的。但是还有一个问题——为什么a和b不能是都和另外一个c相关，而采集数据中的a变化b就变化，只是因为这些数据中c都最先出现了变化，所以a和b都会受到影响！可是如果单独拿出来了a和b，而c没有变化的话。那a和b还有别的一些受到影响的因素，这就会让a和b数据的变化完全没有关联性！
这就是数据解读的问题！另外还有一些问题，那也是解读而导致的数据撒谎的问题。比如说世界上是存在一种
请收藏：https://m.zhxs6.com
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）