【2026年版】数字に騙されるな！データの嘘を見抜く本5選

「AIが『売上が伸びる』と予測したから間違いない」
「アンケート結果で8割が満足しているから大丈夫だ」

その数字、本当に信じていいんですか？
こんにちは、Catalyst Hub編集長のBunolonです。

2026年、AIが生成した偽情報（ディープフェイク）は前年比73%増の540万件に到達しました。
データサイエンティストとして、毎日数字をこねくり回している私が断言します。

「データは、いくらでも嘘をつくことができます」。

グラフの軸を少し変えるだけで、急成長しているように見せることは簡単です。
AIに至っては、間違ったデータを与えれば、自信満々に間違った答え（GIGO：Garbage In, Garbage Out）を出してきます。

これからの時代、文系・理系は関係ありません。
「出された数字を鵜呑みにする人（カモ）」と、「その数字の『出どころ』と『バイアス』を疑える人」の二種類に分かれるだけです。

2026年、データリテラシーの分岐点:

計算はAIがやってくれます。
しかし、「このデータはおかしいぞ？」という違和感（センス）は、人間が持たなければなりません。

この記事では、数式を使わずに、あなたの脳に「嘘を見抜くフィルター」を実装するための5冊をご紹介します。

独自の選定基準：なぜこの5冊なのか？

統計学の教科書ではなく、現実社会でデータがどう悪用され、どう解釈すべきかを説いた「実戦書」を選びました。

① 懐疑心（Skepticism）

データやAIの出力結果を盲信するのではなく、健全に疑うためのチェックリストがあるか。

② バイアス検知（Bias）

「生存者バイアス」や「相関と因果の混同」など、人間が陥りやすい認知の罠を学べるか。

③ 伝える技術（Storytelling）

自分がデータを扱う際に、誤解を与えず、かつ説得力を持って伝える（騙さない）倫理観と技術があるか。

【自己防衛編】数字のトリックを見破る5選

【5位】日本一わかりやすい「実務」の教科書

書籍名：『「それ、根拠あるの？」と言わせないデータ・統計分析ができる本』
著者： 柏木 吉基

• 【私の悩み（Before）】 「データ分析をして」と言われると、とりあえずExcelで平均値を出して満足していました。しかし、上司に「で、これ何が言いたいの？」「この数字、本当に正しいの？」と突っ込まれると、何も言い返せずに撃沈していました。
• 【この本で変わったこと（After）】 日産自動車でデータを駆使して経営課題を解決してきた著者による、現場目線の入門書です。難しい数式は一切なし。「平均値の罠」や「外れ値の処理」など、実務で絶対にやってはいけないミスと、正しいデータの見方が叩き込まれます。会議で「なんとなく」発言するのをやめ、数字という「根拠」を武器にするための最初の一歩です。

【4位】データ分析に「感性」を取り戻す

書籍名：『狙って売上を伸ばすデータ分析の思考法 勝ち続けるための「データ×感性」6ステップ』
著者： 平尾 喜昭

• 【私の悩み（Before）】 「データドリブン」という言葉に踊らされ、数字ばかりを追いかけていました。「データが右と言っているから右」。そこには自分の意志も、顧客への想像力もありませんでした。結果、論理的に正しいけれど、誰の心も動かさない平凡な施策しか打てずにいました。
• 【この本で変わったこと（After）】 「データと感性は対立しない」。この言葉に救われました。著者は、データはあくまで「感性（仮説）」を検証するための材料だと説きます。AIやツールが進化しても、最初の「仮説（妄想）」を生み出すのは人間の感性です。数字の奴隷になるのではなく、自分の感性を武器にするためにデータを使う。マーケターや企画職にとっての「攻め」のデータリテラシー本です。

【3位】AIの「差別」と「偏見」を知る

書籍名：『あなたを支配し、社会を破壊する、AI・ビッグデータの罠』
著者： キャシー・オニール

• 【私の悩み（Before）】 「AIは人間のような偏見を持たず、公平な判断をする」と信じていました。人事採用やローン審査も、AIに任せれば公平になると。しかし、それは大きな間違いでした。
• 【この本で変わったこと（After）】 データサイエンティストである著者が告発するのは、「AIは偏見（バイアス）を増幅する」という事実です。AIは過去のデータ（人間が差別してきた歴史）を学習するため、黒人や貧困層に不利な判断を下すことがある。この「アルゴリズムの闇」を知ることで、AIが出したスコアを盲信せず、「なぜそうなったか？」を人間が監視する必要性を痛感しました。

【2位】「もっともらしいデタラメ」と戦う

書籍名：『デタラメ データ社会の嘘を見抜く』
著者： カール・T・バーグストロム, ジェヴィン・D・ウエスト

• 【私の悩み（Before）】 SNSで流れてくる「衝撃の事実！」という投稿や、AIが生成したそれっぽい文章を、ついシェアしそうになっていました。情報量が多すぎて、一つ一つの真偽を確かめる時間がない。私たちは「Bullshit（デタラメ）」の洪水の中で溺れかけていました。
• 【この本で変わったこと（After）】 ワシントン大学の人気講義を書籍化した本書は、フェイクニュースや疑似科学と戦うための武器庫です。「相関関係と因果関係の混同」や「チェリーピッキング（都合のいいデータだけつまみ食い）」など、デタラメのパターンを体系的に学べます。AI時代、この「知的護身術」を持っていないのは、裸で戦場に行くようなものです。

【1位】人間の判断は「ノイズ」だらけ

書籍名：『NOISE（ノイズ） 上・下：組織はなぜ判断を誤るのか？』
著者： ダニエル・カーネマン, オリヴィエ・シボニー, キャス・サンスティーン

• 【私の悩み（Before）】 「ベテランの勘」や「専門家の判断」は正しいと信じていました。しかし、同じデータを見ても、その日の気分や天気によって判断が変わる人間に、どれだけ重要な決定を任せていいのか？ AIと人間、どちらを信じるべきか迷っていました。
• 【この本で変わったこと（After）】 ノーベル賞学者が暴くのは、人間の判断のばらつき（ノイズ）の恐ろしさです。裁判官の判決や医師の診断でさえ、驚くほどバラバラであることをデータで証明します。データリテラシーの最終地点は、データではなく「それを見る自分自身の脳（バイアスとノイズ）」を疑うことです。上下巻の大著ですが、人間がいかに不安定な計測器であるかを自覚し、賢い決断を下すための、現代の教養書です。

総評：データは「答え」ではなく「問い」である

「データがこう言っている」という言葉を聞いたら、反射的にこう返してください。
「そのデータは、誰が、いつ、どうやって集めたの？」

データは現実の断片（コピー）に過ぎません。

2026年、AI時代のデータリテラシー:

AI時代だからこそ、計算結果に惑わされず、その裏にある背景（コンテキスト）を読み解くリテラシーが、あなたの身を守り、正しい未来を選び取る羅針盤になります。

実践アクション：明日から始める3つのステップ

1. 5冊のうち1冊を選び、今週中に読む

→ Audible無料体験なら通勤時間で聴ける（『デタラメ データ社会の嘘を見抜く』が最も実践的）

2. ニュースやSNSの数字に「5つの質問」を投げかける

→ ①誰が集めた？ ②サンプル数は？ ③軸は適切？ ④因果関係か相関関係か？ ⑤都合の悪いデータは隠されていないか？

3. AIの出力結果を1つ検証してみる

→ ChatGPT/Claudeに「その根拠は？」「データソースは？」と質問
→ AIも間違えることを体感し、盲信を避ける習慣づくり

次のステップ：この記事を読んだあなたへのおすすめ

• ［関連記事］データを扱うAIへの「指示出し」の技術を磨く
• ［関連記事］思考のバイアスを取り除き、行動力を上げる
• ［関連記事］データの裏にある「意味」を読み解き、イノベーションを起こす