データ分析の結果を見せられたとき、「すごい！」と感動する前に、まず「本当にそうなの？」と疑問を持つことが大切だ。データは真実を語ることもあれば、誤解を招くこともある。
「そのデータ、どこから来たの？」——まず確認すべきは、サンプルサイズ（何人・何件のデータ？）、収集方法（アンケート？実験？観測？）、収集時期（いつのデータ？）、収集範囲（どの地域・年齢層・条件？）。
「中学生の95%がスマホを持っている」——これ、全国？それとも都市部だけ？何人に聞いた結果？いつの調査？同じ「95%」でも、条件が違えば意味が全く変わってくる。
グラフの「トリック」にも注意。縦軸の範囲が98万円〜102万円だと、4%の増加なのに、グラフでは巨大な変化に見える。縦軸を0円から始めれば、実際の変化の大きさが正しく表現される。円グラフも要注意。3D効果で誤解を招いていない？全体が何を表しているか明確？
相関関係と因果関係も区別しよう。アイスクリームの売上と水難事故件数は相関があるけど、アイスクリームが水難事故の原因ではない。本当の原因は「暑い夏」という共通要因だ。

「平均年収800万円の会社」——すごそう！でも実態は？社長が5000万円、部長4人が各1000万円、一般社員95人が各300万円。合計100人で平均は1185万円だけど、95%の人は300万円。平均値は極端な値に引っ張られる。
確認すべき指標は、中央値（データを並べたときの真ん中の値）、最頻値（最も多い値）、分布（データのばらつき具合）。
「統計的に有意」という言葉も要注意。薬Aと薬Bで「有意差」があっても、実際の効果の差が1%なら実用的ではない可能性がある。サンプル数が多ければ小さな差でも「有意」になる。統計的に有意≠実用的に重要なんだ。
ニュース記事を見るとき、「最新の研究によると...」→どんな研究？「専門家は語る...」→どの分野の専門家？「△△が××倍に増加」→元々の数値は？商品広告では、「利用者の95%が満足」→何人中95%？「従来品比30%向上」→何と比べて？「科学的に証明」→どんな実験で？
こういう質問を常に持つことが大事だ。

信頼できる分析の特徴は、透明性（方法論が明確に記載）、再現性（他の人が同じ結果を得られる）、客観性（先入観や利害に左右されない）、限界の明示（できること・できないことが明確）、多角的検証（複数の方法で確認）。
怪しい分析の兆候は、結論ありき（最初から答えが決まっている感じ）、都合の良いデータだけ（不利な結果は隠している）、過度な一般化（限定的なデータから広い結論）、感情的表現（科学的でない煽り文句）、検証困難（方法や生データが非公開）。
SNSの情報を見るとき、拡散される情報ほど疑って、感情的な反応を誘う内容は要注意、元のソースまで確認する——これを習慣にしよう。
完璧な情報はない、不確実性の中で決断する、新しい情報で判断を更新する、「保留」も立派な判断——こういう柔軟な姿勢が必要だ。
質問する習慣（常に「なぜ？」「本当に？」）、ソース確認（元の情報まで辿る）、複数視点（異なる立場の意見も聞く）、数字の感覚（桁や比率の感覚を鍛える）——これらを実践することで、データに振り回されるのではなく、データを活用する人になれる。
データ分析の結果は強力な道具だけど、使い方を間違えると危険な武器にもなる。正しい読み方と判断力を身につけよう。