위험한 숫자들

저자(Author) : 사너 블라우 Sanne Blauw

▩ 개 요

‘사너 블라우(Sanne Blauw)’의 ‘위험한 숫자들(The Number Bias)’은 우리가 일상생활에서 접하는 숫자와 통계가 어떻게 진실을 왜곡하고 우리의 의사결정을 오도할 수 있는지를 날카롭게 분석하는 책이다. 저자는 숫자가 객관적이고 정확하다는 맹목적인 믿음, 즉 ‘숫자 편향(Number Bias)’의 위험성을 경고한다.

▩ ‘위험한 숫자들’ 핵심 줄거리

1. 숫자에 대한 맹신과 그 기원

책은 GDP, 신용점수, 수능 등급, 각종 여론조사 결과처럼 우리 삶과 사회를 지배하는 수많은 숫자들의 존재를 인정하면서도, 이러한 숫자가 본질적으로 인간의 주관적인 선택과 의도에 의해 만들어지고 해석된다는 점을 강조합니다.

• 숫자의 탄생: 저자는 우리가 언제부터 숫자에 집착하게 되었는지 역사적 배경을 탐색하며, 표준화와 대규모 데이터 수집의 과정을 짚어본다.
• 숫자의 실체화: 사람들은 추상적인 개념(행복, 교육 수준, 빈곤 등)을 수치화한 후, 그 숫자가 마치 확고한 실체인 것처럼 여기는 오류(실체화/사물화)를 범한다고 지적한다. 이 과정에서 숫자는 현실의 복잡한 진실을 가리거나 왜곡하게 된다.

2. 숫자가 진실을 왜곡하는 방식

책은 구체적인 사례들을 통해 숫자가 어떻게 거짓말을 하고 조작되는지, 그리고 우리가 왜 쉽게 속아 넘어가는지를 설명한다.

• 주관적 선택의 개입: 숫자를 만들고 수집하는 과정에서 측정 대상 선정, 질문 방식, 표본 추출, 데이터 분석 및 해석 등 다섯 가지 주관적인 선택이 개입되며, 이에 따라 결과는 얼마든지 달라질 수 있다.
• 통계적 함정: 킨제이 보고서의 잘못된 표본 추출 문제, 흡연과 폐암 관계를 둘러싼 통계적 기만 사례 등을 분석하며 오차 범위 간과, 빠진 요인(누락 변수), 역인과관계(Reverse Causality) 등 통계적 함정을 파헤친다.
• 숫자로 인한 편견과 차별: 인간이 특정한 결과를 바라는 이해관계나 본능적인 감정에 따라 숫자를 해석하며, 이로 인해 객관적이어야 할 숫자가 오히려 편견과 차별을 강화하는 도구가 될 수 있음을 보여준다.

3. 알고리즘 시대의 위험성

저자는 숫자의 위험성이 알고리즘과 인공지능(AI) 시대에 더욱 심화된다고 경고한다.

• 알고리즘의 주관성: 알고리즘은 객관적인 계산 기계가 아니다. 알고리즘에 들어가는 데이터와 설계 자체가 인간의 주관과 편향을 담고 있기 때문에, “쓰레기가 들어가면 나오는 것은 쓰레기다(Garbage In, Garbage Out)”라는 원칙대로 알고리즘의 결과 역시 편향되거나 위험할 수 있다.
• 상관관계와 인과관계의 혼동: 알고리즘이 제시하는 상관관계를 인과관계로 착각할 때 심각한 판단 오류가 발생할 수 있음을 지적한다.

4. 숫자 편향을 이기는 힘

책의 마지막 부분은 독자들이 숫자에 속지 않고, 더 현명하게 숫자를 활용할 수 있도록 돕는 실천적인 가이드라인을 제시한다.

• 의심하는 연습: 숫자를 볼 때 ‘다시 한번 살펴보기’를 제1원칙으로 삼고, 불확실성(오차)을 인정해야 한다.
• 감정 인식: 숫자에 대해 느끼는 자신의 감정과 상충하는 이해관계가 있는지 살펴봐야 한다. 결국 숫자의 위험성은 숫자를 다루는 인간의 위험한 편향에서 비롯되기 때문이다.

▩ 결 론

‘위험한 숫자들’은 숫자를 버리라는 것이 아니라, 숫자가 세상을 비추는 ‘창문’일 뿐이며 그 창문이 항상 투명하지 않다는 사실을 깨닫고, 숫자 뒤에 숨겨진 진실을 꿰뚫어 볼 수 있는 ‘숫자적 지혜(Numeracy)’를 기르도록 독려하는 책이다.

---

---

---

▩ Contents <<< [위험한 숫자들]

---

1장. 우리는 언제부터 숫자에 집착하기 시작했을까

• 우리가 숫자에 열광하게 된 최초의 계기
• 표준화의 시작
• 수치를 대규모로 모으기 시작하다
• 수치를 분석하기 시작하다
• 직감, 오류, 이해관계 무너뜨리기

2장. 만들어진 숫자들이 세상을 지배한다

• “차라리 흑인이 똑똑하다는 걸 발견했더라면 저도 좋겠어요”
• 몇 가지 중요한 유의사항
• 다섯 가지 주관적 선택
• 그럼에도 숫자 덕분에 밝혀진 진실

3장. 수상쩍은 렌즈를 통해 바라본 ‘성’ 이야기

• 통계학자 세 명이 킨제이에게 묻다
• 잘못된 질문
• 조사에서 빠진 사람들
• 인터뷰 집단이 너무 소규모다
• 무작위 표본, 문제의 해결책인가
• 참여하고 싶지 않은 사람들
• 오차범위를 간과하다
• 특별한 결과가 필요한 사람들

4장. 흡연이 폐암을 일으킨다는 분명한 사실이 의심받은 이유

• 통계로 거짓말하기
• 히틀러가 수백만 명의 목숨을 구할 뻔했다
• 가장 음흉한 마케팅 기법
• 우연의 일치, 빠진 요인 그리고 역인과관계
• 어디까지 알면 충분한가
• 흡연 통계로 거짓말하는 법

5장. 틀리지 않는 계산 기계는 없다

• 이 시대의 가장 위험한 발상 중 하나
• 알고리즘이란 도대체 무엇일까
• 알고리즘의 위험한 활용
• 쓰레기가 들어가면 나오는 것은 쓰레기다
• 알고리즘도 혼동하는 상관관계 vs 인과관계
• 숫자가 오히려 진실을 바꾸어버렸다
• 수로 무엇을 얻길 원하는가

6장. 숫자 본능을 이기는 힘

• 틀린 연구 결과가 왜 계속 나올까
• 좋지 않는데도 좋게 느껴지는 해석
• 숫자를 보면 어떤 감정을 느끼는가
• 제1원칙, 한번 더 살펴보라!
• 불확실성 인정하기
• 상충하는 이해관계가 있는지 살펴보자

---

---

▩ 인용글(Quoted Passage) <<< [위험한 숫자들]

---

가난과 범죄에 관한 수치, 주민등록 기관, 우리가 매일 신문에서 보는 평균값 도표 등은
모두 채 200년도 안 된 19세기에 뿌리를 두고 있다.
하지만 이 모든 것은 난데없이 등장하지 않았다.
– 통계의 등장

19세기부터 다양한 유형의 수가 등장하기 시작했다.
경제, 범죄, 교육과 같은 추상적 개념에 관한 수들이 그것이다.
하지만 이런 개념들을 우리가 만들어냈다는 사실을 잊고서,
그런 개념이 확고하게 자리잡힌 것이라고 여길 때 위험이 초래된다.
– 통계의 위험성

결코라니! 얼마나 무지막지한 말인가.
최근의 일부 사상가들은 개인의 지능이 고정된 양, 즉 커질 수 없는 양이라고 확언함으로써,
그런 개탄스러운 판결을 도덕적으로 지지하고 있는 듯하다.
우리는 이 잔혹한 염세주의에 반대하고 저항해야 한다.
그것이 아무 근거도 없는 주장임을 입증하려고 시도해야 한다.
– 스티븐 제이 굴드(‘인간에 대한 오해’)

가난을 측정하고 성적 학대 관련 통계를 발표하는 수치는 표본에서 얻은 데이터다.
이런 종류의 조사에서 모두를 포함시키기란 불가능하다.
표본은 세상을 이해하기 위해 사용하는 렌즈인 셈이다.
– 통계 표본의 한계

오늘날 사람들은 상관관계를 인과관계와 혼동한다.
두 현상 간에 관련성이 있기 때문에 자동으로 한 현상이 다른 현상의 원인이라고 여기는 것이다.
그리고 담배 업계는 이기적인 이유로 이를 이용했다.
– 상관관계와 인과관계의 혼동

빅데이터가 세상을 더 좋게 만들 수는 있다.
‘좋거나 나쁜’ 것은 알고리즘 자체가 아니라 우리가 알고리즘을 사용하는 방식이다.
우리의 목표는 진실 밝혀내기일까 아니면 수익 창출일까?
이는 도덕적 딜레마지 통계적 딜레마는 아니다.
– 딜레마

쓰레기가 들어가면 나오는 것은 쓰레기다.
– 통계학 격언

수가 그릇되게 사용되고 있음을 알아차리고 싶다면, 자신의 직감을 이해하는 것이 중요하다.
하지만 가장 중요한 질문은 이것이다.
수 뒤에 누가 있는가?
그 사람이 결과에 이해관계가 있는가?
– 직감의 중요성(통계에 앞서)

전달자가 누구인가?
어떤 감정을 느끼는가?
표준화된 수치인가?
데이터가 어떻게 수집되었는가?
데이터가 어떻게 분석되었는가?
숫자를 어떻게 제시했는가?
– 숫자를 의심하는 연습

---

---