『우리는 왜 숫자에 속을까』 '게르트 기거렌처' - 숫자의 배신

게르트 기거렌처의 『우리는 왜 숫자에 속을까』 

데이터 시대, 호모 넥서스의 생존법

현대 사회를 지배하는 숫자와 통계의 함정을 파헤치고, '통계적 사고'를 통해 진짜를 가려내는 법을 제시합니다. 상관관계와 인과관계의 오류, 기저율 무시, 상대 위험도의 착시 등 핵심 개념을 상세히 해설하고, 데이터 리터러시가 필수인 시대를 살아가는 '호모 넥서스'의 생존 전략을 탐구합니다.

 

총평: 

 

불확실성의 안개를 걷어내는 지성의 백신
게르트 기거렌처와 동료 저자들이 쓴 『우리는 왜 숫자에 속을까』는 단순한 통계 교양서를 넘어, 정보 과잉과 탈진실의 시대를 살아가는 현대인을 위한 필수적인 '지성의 백신'이다. 이 책은 숫자가 가진 권위 뒤에 숨겨진 교묘한 속임수와 논리적 비약을 명쾌하게 파헤침으로써, 독자들이 맹목적인 믿음에서 벗어나 비판적이고 주체적인 사고를 할 수 있도록 돕는다.
이 책의 가장 큰 미덕은 복잡하고 위협적으로 느껴지는 통계의 세계를 '상대 위험도와 절대 위험도', '기저율', '상관관계와 인과관계' 등 누구나 이해하고 즉시 적용할 수 있는 명료한 '사고의 도구'들로 재구성했다는 점이다.  저자들은 독자를 계몽의 대상으로 내려다보는 대신, 스스로 생각하는 힘을 기를 수 있도록 친절하고 실용적인 안내자 역할을 자처한다.
물론 정보 왜곡의 구조적 문제보다 개인의 역량 강화를 강조한다는 점에서 한계가 있을 수 있으나, 민주 사회의 가장 근본적인 힘이 깨어있는 시민의 비판적 사고에서 나온다는 점을 고려할 때, 이 책의 접근 방식은 여전히 강력한 설득력을 지닌다.
결론적으로, 『우리는 왜 숫자에 속을까』는 데이터의 홍수 속에서 길을 잃지 않고, 숫자의 노예가 아닌 주인으로 살아가고자 하는 모든 이들에게 강력히 추천할 만한 필독서다. 특히 파편화된 정보 속에서 관계와 맥락을 읽어내야 하는 '호모 넥서스'에게 이 책이 제공하는 '통계적 사고'는 불확실성의 안개를 걷어내고 진실의 지형도를 그려나갈 가장 믿음직한 나침반이 되어줄 것이다.

 

우리는 왜 숫자에 속을까 / 게르트 기거렌처 - 숫자와 통계의 함정

 

『우리는 왜 숫자에 속을까』

 

서론: 숫자가 지배하는 세상, 당신은 안녕하신가?

"간접흡연 시 심장 질환 위험 25% 증가!", "새로 개발된 유전자 검사, 정확도 99.8%!", "코로나 감염자의 60%는 백신 접종자!" 
우리는 매일같이 숫자로 포장된 뉴스의 홍수 속에서 살아간다. 숫자는 객관적이고 명료하며, 과학적인 근거라는 강력한 후광을 업고 우리의 판단에 깊숙이 개입한다.  우리는 숫자를 근거로 건강 보조제를 선택하고, 특정 정책을 지지하며, 때로는 삶의 중요한 방향을 결정하기도 한다. 그러나 만약 그 숫자들이 교묘하게 설계된 착시 현상이라면 어떨까? 만약 우리가 숫자의 힘에 압도당해 진실의 그림자만을 보고 있다면 어떨까?

 

『생각이 직관에 묻다』를 통해 직관의 가치를 복원했던 세계적 석학 게르트 기거렌처가 이번에는 동료 연구자들과 함께 현대 사회의 가장 강력한 권력, '숫자'에 메스를 들이댄다. 그의 신작 『우리는 왜 숫자에 속을까(원제: Gruene fahren SUV und Joggen macht unsterblich)』는 숫자가 어떻게 우리의 눈을 멀게 하고, 판단을 흐리게 하며, 때로는 공포를 조장하여 우리를 위험한 선택으로 이끄는지 적나라하게 고발하는 지적 탐사 보고서다.  저자들은 '숫자맹(Innumeracy)'이 21세기의 정신적 전염병과 같다고 선언하며, 이 병을 치유할 유일한 백신으로 '통계적 사고(Statistical Thinking)'를 처방한다.

 

이 책은 단순히 통계의 오류를 나열하는 기술적인 안내서가 아니다. 심리학자, 통계학자, 경제학자로 구성된 저자들은 건강, 정치, 경제, 인공지능 등 우리 삶의 모든 영역에 스며든 숫자의 속임수를 파헤치며, 우리가 왜 그토록 쉽게 숫자에 현혹되는지에 대한 심리학적 통찰을 제공한다.  특히 모든 것이 데이터로 연결된 비선형적 세계를 살아가는 새로운 인류, '호모 넥서스(Homo Nexus)'에게 이 책이 던지는 메시지는 더욱 의미심장하다. 호모 넥서스는 파편화된 정보 속에서 '흐름'과 '관계'를 읽어내는 존재다. 그들에게 통계적 사고는 더 이상 전문가의 영역이 아닌, 데이터의 거미줄 속에서 길을 잃지 않고 진실의 '결'을 감지해내는 필수적인 생존 기술이다.

들어가는 말: 숫자맹은 정신적 전염병이다

저자들은 서두에서 현대 사회가 '숫자맹', 즉 숫자를 비판적으로 해석하지 못하는 상태에 깊이 감염되어 있음을 경고한다.  언론, 정치인, 기업은 의도적으로 혹은 무지 때문에 숫자를 왜곡하여 대중의 공포를 자극하거나 특정 이익을 추구한다.  이 책은 이러한 정보의 왜곡과 조작에 맞서, 독자들이 스스로 숫자의 진정한 의미를 파악하고 현명한 결정을 내릴 수 있도록 돕는 '통계적 사고'의 도구들을 제공할 것임을 천명한다

 

1부: 데이터를 근거로 생각하라

1장. 통계적 사고의 도구들

이 장에서는 숫자의 함정에 빠지지 않기 위해 반드시 알아야 할 5가지 기본 원칙을 제시한다. 이는 통계적 사고의 가장 기초적인 '연장'들이다.
1. 세상에 확실한 것은 없다: 벤저민 프랭클린의 말처럼 "죽음과 세금 말고 확실한 것은 없다."  모든 예측과 검사 결과에는 불확실성이 내재되어 있음을 인정하는 것이 통계적 사고의 출발점이다.
2. 무엇에 대한 비율인지 이해할 것: "전체 인구의 10%"와 "환자 중 10%"는 전혀 다른 의미다. 비율이 제시될 때, 그 기준이 되는 전체 집단(분모)이 무엇인지 항상 질문해야 한다.
3. 상대 위험도는 절대 위험도와 다르다: "특정 약 복용 시 심장마비 위험 50% 증가!"와 같은 자극적인 헤드라인은 대부분 '상대 위험도'¹를 사용한 것이다. 실제 위험 증가가 1만 명 중 2명에서 3명으로 늘어난 것(절대 위험도² 0.01% 증가)일지라도, 이를 "50% 증가"라고 표현하면 엄청난 공포를 유발할 수 있다.  항상 절대적인 수치가 얼마인지 확인해야 한다.
4. 모든 검사에는 두 가지 오류가 있다: 아무리 정확해 보이는 검사라도 '위양성'³(실제 음성인데 양성으로 나옴)과 '위음성'⁴(실제 양성인데 음성으로 나옴)의 오류 가능성을 가진다. "정확도 99%"라는 말에 속지 말고, 이 두 가지 오류의 비율을 함께 고려해야 한다. 
5. 기저율 고려하기: '기저율'⁵이란 어떤 사건이 전체 집단에서 발생하는 기본적인 비율을 의미한다. 코로나 백신 접종자 중 감염자가 많다는 통계는, 전체 인구 대다수가 백신을 접종했다는 '기저율'을 무시했기 때문에 발생하는 착시다. 기저율을 고려하면 오히려 백신의 효과가 명확히 드러난다. 

 

2장. 결과가 원인이 되는 마법

이 장은 통계에서 가장 흔하게 발생하는 오류인 '상관관계와 인과관계의 혼동'을 다룬다. 두 변수가 함께 움직이는 경향(상관관계⁶)이 있다고 해서, 하나가 다른 하나의 원인(인과관계⁷)이 되는 것은 아니다.  예를 들어, 아이스크림 판매량이 늘어날 때 익사 사고도 증가하는 경향이 있지만, 아이스크림이 익사를 유발하는 것은 아니다. '더운 날씨'라는 숨겨진 제3의 요인이 두 현상 모두에 영향을 미치기 때문이다. 이 장은 상관관계를 인과관계로 포장하여 특정 주장을 펼치는 수많은 사례들을 통해 비판적 사고의 중요성을 일깨운다

 

3장. 답이 정해져 있는 설문 조사

설문 조사는 여론을 파악하는 중요한 도구지만, 동시에 결과를 조작하기 가장 쉬운 도구이기도 하다. 이 장에서는 설문 결과를 해석할 때 반드시 던져야 할 질문들을 제시한다. "누가, 어떤 의도로 이 조사를 했는가?", "질문은 어떻게 구성되었는가?", "누가 설문에 응답했는가?" 등이다. 예를 들어, "환경 보호에 찬성하십니까?"라는 질문과 "환경 보호를 위해 세금을 더 내는 것에 찬성하십니까?"라는 질문은 전혀 다른 결과를 낳는다.  또한, 특정 정당 지지자들만 모인 온라인 커뮤니티에서 진행된 설문 결과는 전체 여론을 대표할 수 없다.

 

4장. 데이터가 말하는 것과 숨기는 것

데이터는 객관적인 사실처럼 보이지만, 측정 방식과 정의에 따라 얼마든지 달라질 수 있다. '실업률' 통계는 '실업자'를 어떻게 정의하느냐에 따라 크게 변동하며, '범죄율'은 신고되지 않은 범죄를 포함하지 못하는 한계를 가진다. 이 장은 데이터가 지식을 만드는 것이 아니라, 데이터를 '어떻게' 측정하고 해석하느냐가 중요하며, 그 과정에 숨겨진 의도나 한계를 파악해야 한다고 강조한다.

 

5장. 그래프가 보여 주는 것과 감추는 것

그래프는 복잡한 데이터를 한눈에 보여주는 강력한 시각적 도구지만, 동시에 가장 흔한 눈속임의 도구이기도 하다. Y축의 시작점을 0이 아닌 다른 값에서 시작하여 변화를 과장하는 '다리 없는 막대그래프', 이미지 크기를 조작하여 차이를 부풀리는 '픽토그램의 눈속임', 그리고 전혀 다른 두 종류의 데이터를 하나의 그래프에 그려 억지 상관관계를 만드는 '이중축 도표' 등 흔히 사용되는 시각적 트릭들을 파헤친다.

 

 

2부: 상식을 벗어나면 뉴스가 된다

6장. 영원히 사는 방법

"조깅 한 시간이 수명 7시간을 연장한다", "매일 커피를 마시면 사망률이 N% 감소한다"와 같은 연구 결과들은 언론이 가장 좋아하는 먹잇감이다.  이 장은 이러한 연구들이 종종 상관관계를 인과관계로 비약하거나, 효과의 크기를 과장하며, 수많은 다른 변수들을 통제하지 않은 채 발표된다는 점을 비판한다. 건강에 대한 대중의 불안감을 자극하는 선정적인 뉴스 이면의 통계적 허점을 짚어낸다.

 

7장. 일찍 죽는 방법

6장과 반대로, 특정 행동이나 물질이 수명을 단축시킨다는 공포 마케팅의 이면을 분석한다. 미미한 위험 요소를 과장하거나, 복잡한 원인을 단 하나의 '공공의 적' 탓으로 돌리는 보도 행태를 비판한다. 특히 사망자 수와 같은 절대적인 숫자가 주는 공포감에 매몰되지 말고, 전체적인 맥락과 비율을 함께 보아야 함을 강조한다.

 

8장. 인공지능은 모든 걸 알고 있다

빅데이터와 인공지능(AI) 시대에 우리는 알고리즘이 모든 것을 예측하고 해결해 줄 것이라는 환상을 품기 쉽다. 하지만 AI의 예측 역시 통계에 기반하며, 통계가 가진 오류를 그대로 답습한다. 이 장에서는 질병 진단 AI의 '가짜 양성(위양성)' 문제, 검색 기록이나 페이스북 '좋아요'를 통해 개인의 특성을 예측하는 알고리즘의 한계와 위험성을 다룬다.  AI가 내놓는 예측값을 맹신하지 말고, 그 예측이 어떤 데이터와 원리로 이루어졌는지, 오류의 가능성은 없는지 비판적으로 검토해야 한다고 주장한다.

 

9장. 틀릴 수 없는 예측

"날씨가 변하거나 그대로 유지될 것이다"와 같은 예측은 절대로 틀릴 수 없지만, 아무런 정보도 주지 않는다.  이 장은 애매모호한 표현으로 실패의 가능성을 원천 봉쇄하는 사이비 예언가들의 수법을 통계적 관점에서 분석한다. 의미 있는 예측이란 '틀릴 수 있는 구체성'을 가져야 하며, 우리는 예측의 정확성뿐만 아니라 그 예측이 얼마나 구체적이고 검증 가능한지를 따져 물어야 한다.

 

 

3부: 듣고 싶은 말을 들려주는 숫자들

10장. 기준치가 만들어내는 환영

'정상 혈압', '적정 체중', '경제 성장률 목표치' 등 우리 사회는 수많은 '기준치'에 둘러싸여 있다. 이 장에서는 이러한 기준치가 결코 객관적이거나 과학적인 절대 기준이 아니며, 종종 주관적이거나 특정 집단의 이익에 따라 설정될 수 있음을 보여준다.  기준치 자체가 어떻게 사람들의 인식과 행동을 규정하는 '환영'을 만들어내는지 분석한다.

 

11장. 헛된 희망을 품게 하는 조기 검진

조기 검진은 질병을 일찍 발견하여 생명을 구한다는 긍정적인 인식이 강하다. 하지만 저자들은 조기 검진이 가진 통계적 맹점을 날카롭게 지적한다. 조기 검진은 필연적으로 '과잉 진단'을 낳아 불필요한 치료와 불안을 유발할 수 있으며, 생존율을 높이는 것처럼 보이지만 실제 사망률 감소 효과는 미미한 경우가 많다. 이 장은 조기 검진의 혜택과 부작용을 통계적으로 균형 있게 이해하고 신중하게 결정해야 함을 역설한다. 

 

12장. 두려움이 건강을 해친다

언론과 산업계는 끊임없이 새로운 '위험 요소'를 발굴하고 공포를 조장한다. 이 장에서는 미미한 위험에 대한 과도한 두려움이 오히려 스트레스를 유발하고, 더 중요한 건강 문제를 간과하게 만드는 등 건강에 해로운 영향을 미칠 수 있음을 경고한다. 위험을 통계적으로 올바르게 인식하고, 불필요한 공포에서 벗어나는 '위험 관리 능력'의 중요성을 강조한다.

 

13장. 더 나은 삶은 어디에

'장수마을'의 비밀, '행복지수' 순위 등 언론이 제시하는 '더 나은 삶'의 모습들은 종종 통계적 왜곡과 신화에 기반하고 있음을 비판한다. 이 장은 행복이나 삶의 질과 같은 복잡한 개념을 단순한 숫자로 환원하려는 시도의 위험성을 지적하며, 통계가 보여주는 단편적인 모습 너머의 진정한 삶의 가치를 성찰하게 한다.

나가는 말: 통계적 사고를 위한 우리의 노력

저자들은 통계적 사고가 소수의 전문가만이 아닌, 민주 사회를 살아가는 모든 시민이 갖춰야 할 기본 소양임을 다시 한번 강조한다. 숫자에 속지 않고, 데이터에 기반하여 합리적인 판단을 내리는 시민들이 많아질 때, 우리 사회가 더 건강하고 현명한 방향으로 나아갈 수 있다는 희망적인 메시지로 책을 마무리한다.

 

[용어]

 

. 상대 위험도 (Relative Risk): 특정 요인에 노출된 집단의 사건 발생률이 노출되지 않은 집단에 비해 몇 배나 높은지를 나타내는 비율. 변화율을 강조하여 효과나 위험을 과장하는 데 자주 사용된다. 
.  절대 위험도 (Absolute Risk): 특정 기간 동안 어떤 사건이 발생할 실제 확률 또는 그 변화량. 실제 위험의 크기를 보여준다.
. 위양성 (False Positive): 실제로는 정상이거나 음성인데, 검사 결과가 비정상 또는 양성으로 잘못 나오는 경우. 1종 오류라고도 한다. 
. 위음성 (False Negative): 실제로는 비정상이거나 양성인데, 검사 결과가 정상 또는 음성으로 잘못 나오는 경우. 2종 오류라고도 한다.
. 기저율 (Base Rate): 어떤 사건이 전체 인구나 특정 집단에서 자연적으로 발생하는 기본적인 비율 또는 빈도. 통계적 추론에서 매우 중요하지만 종종 무시되기 쉽다. 
. 상관관계 (Correlation): 두 개 이상의 변수들이 함께 변화하는 경향. 하나가 증가할 때 다른 하나도 증가(양의 상관)하거나 감소(음의 상관)하는 관계를 보이지만, 원인과 결과를 의미하지는 않는다. 
. 인과관계 (Causation): 하나의 변수(원인)가 다른 변수(결과)의 변화를 직접적으로 유발하는 관계. 

 

 

『우리는 왜 숫자에 속을까』 구조적 해석

 

'위험 소양(Risk Literacy)' 교육을 위한 실천적 지침서

게르트 기거렌처의 『우리는 왜 숫자에 속을까』는 그의 학문적 여정에서 중요한 실천적 전환을 보여주는 저작이다. 그의 이전 저서 『생각이 직관에 묻다』가 불확실한 세상에서 '빠르고 간결한 어림법(Fast and Frugal Heuristics)'의 힘을 역설하며 직관의 가치를 복원하는 데 집중했다면, 이 책은 그 어림법이 올바르게 작동하기 위해 반드시 필요한 인지적 토양, 즉 '통계적 사고' 또는 '위험 소양(Risk Literacy)'을 어떻게 기를 것인가에 대한 구체적인 방법론을 제시한다.

 

'오류'가 아닌 '교육'의 관점: 카너먼과의 또 다른 대립각

이 책은 표면적으로는 대니얼 카너먼의 '편향과 오류(Heuristics and Biases)' 프로그램과 유사하게 인간의 비합리적 판단 오류들을 다루는 것처럼 보인다. 그러나 그 근본적인 철학과 처방은 카너먼과 뚜렷한 대립각을 세운다. 카너먼이 인간의 인지적 한계로 인해 발생하는 '체계적 오류' 자체에 주목하고, 이를 교정하기 위한 외부적 개입('넛지')의 필요성을 강조한다면, 기거렌처는 이러한 오류들이 인간이 본질적으로 비합리적이어서가 아니라, 통계적 불확실성을 이해하고 소통하는 '도구'가 부족하거나 잘못 제시되었기 때문에 발생한다고 본다. 

예를 들어, 카너먼에게 '기저율 무시 편향'은 인간의 직관(시스템 1)이 가진 고질적인 결함이다. 반면 기거렌처에게 이는 '기저율'이라는 개념을 배우지 못했거나, 정보가 확률(%)이 아닌 자연 빈도(natural frequencies, 예: 1000명 중 10명)처럼 이해하기 쉬운 형태로 제시되지 않았기 때문에 발생하는 '교육의 문제'다.  따라서 그의 처방은 인간의 오류를 우회하는 시스템 설계가 아니라, 시민들이 스스로 위험을 이해하고 현명한 판단을 내릴 수 있도록 '교육'하는 것이다. 이 책의 1부 '통계적 사고의 도구들'은 바로 이러한 기거렌처의 교육 철학이 집약된 결과물이다. 그는 복잡한 통계 이론 대신, 누구나 일상에서 즉시 적용할 수 있는 구체적이고 실용적인 사고의 원칙들을 제시함으로써 '숫자맹'의 탈출을 돕는다.

 

심리학적 해석: 통계적 사고는 '메타-어림법'이다

심리학적 관점에서 볼 때, 이 책에서 제시하는 '통계적 사고'는 일종의 '메타-어림법(Meta-Heuristic)'이라고 해석할 수 있다. 이는 개별적인 판단 상황에서 자동적으로 작동하는 1차적인 어림법(예: 재인 어림법)이 아니라, 그 판단의 근거가 되는 정보(숫자, 통계) 자체의 신뢰성과 타당성을 평가하는 한 단계 위의 고차원적인 정신적 규칙이다.

"상대 위험도인가, 절대 위험도인가?", "기저율은 얼마인가?", "상관관계인가, 인과관계인가?"와 같은 질문들은, 정보의 홍수 속에서 어떤 정보를 신뢰하고 어떤 정보를 무시해야 할지를 빠르고 효율적으로 판단하게 돕는 강력한 필터 역할을 한다. 이는 정보 과부하 상황에서 모든 데이터를 분석하는 대신, 소수의 핵심적인 질문을 통해 정보의 질을 평가하는 '빠르고 간결한' 전략이라는 점에서 기거렌처의 어림법 철학과 일맥상통한다. 결국 이 책은 독자들에게 새로운 종류의 '적응적 도구상자'를 제공하는 셈이다. 이 도구상자에는 불확실한 데이터 세계를 항해하는 데 필요한 나침반과 지도(통계적 사고 원칙)가 들어있다.

 

 

『우리는 왜 숫자에 속을까』 거미인간(Homo Nexus)

데이터의 '결'을 읽는 감각

『우리는 왜 숫자에 속을까』는 선형적 사고의 한계를 넘어 비선형적 세계를 살아가는 '호모 넥서스(거미인간)'에게 필수적인 생존 매뉴얼이다. 호모 넥서스는 세상을 독립된 객체들의 집합이 아닌, 모든 것이 서로 연결된 '관계의 망'으로 인식하며, '판단'이 아닌 '감지'를 통해 정보의 '흐름'을 읽어내는 존재다.  이 책이 제시하는 '통계적 사고'는 바로 이 데이터의 거미줄 속에서 길을 잃지 않고, 숫자의 이면에 숨겨진 진짜 '결'과 '흐름'을 감지하는 핵심적인 능력이다.

호모 넥서스는 "코로나 감염자의 60%는 백신 접종자"라는 파편화된 숫자(노드)에 매몰되지 않는다.  대신, 그 숫자가 전체 백신 접종률(기저율)이라는 다른 노드와 어떻게 연결되는지, 그리고 그 관계 속에서 어떤 의미의 '흐름'(백신의 효과)이 나타나는지를 감지한다. '상대 위험도'와 '절대 위험도'를 구분하는 능력은, 과장된 공포를 유발하는 정보의 '진동'과 실제 위험의 '진동'을 구별해내는 정교한 센서와 같다. '상관관계'와 '인과관계'를 혼동하지 않는 것은, 두 사건 사이의 표면적 연결(실) 너머에 숨겨진 제3의 연결 지점이나 더 복잡한 시스템적 관계망을 꿰뚫어 보는 통찰력이다.

결국, 이 책에서 말하는 통계적 사고는 단순히 숫자를 계산하는 기술이 아니다. 그것은 데이터라는 비선형적 네트워크 속에서 개별 정보들의 위치와 관계, 그리고 그것들이 만들어내는 전체적인 패턴을 이해하는 '시스템 감지' 능력이다. 이는 호모 넥서스가 정보의 홍수 속에서 피상적인 판단을 넘어, 데이터의 심층적인 맥락과 구조를 읽어내고, 이를 통해 더 현명하고 주체적인 결정을 내리는 핵심적인 작동 원리가 된다. 통계적 사고는 호모 넥서스가 데이터의 거미줄을 능숙하게 탐색하고, 거짓된 연결을 끊어내며, 진실된 의미의 그물을 직조해 나가는 가장 강력한 도구인 셈이다.

 

 

『우리는 왜 숫자에 속을까』에 대한 비판적 고찰

이 책은 통계적 사고의 중요성을 대중의 눈높이에서 매우 효과적으로 설파하는 뛰어난 저작이지만, 몇 가지 비판적 관점에서 검토해 볼 지점 또한 존재한다.

개인의 '리터러시'에 대한 과도한 기대

이 책의 핵심 처방은 결국 '개인의 통계적 소양(리터러시) 함양'으로 귀결된다. 이는 매우 중요하고 근본적인 해결책이지만, 한편으로는 정보 왜곡의 책임을 과도하게 개인에게 전가한다는 비판에 직면할 수 있다. 현대의 정보 환경은 단순히 개인이 똑똑해지는 것만으로 대응하기에는 너무나 거대하고 복잡하다. 정교한 알고리즘에 기반한 소셜 미디어 플랫폼, 정치적 목적을 가진 조직적인 허위 정보 캠페인, 상업적 이익을 위해 공포를 조장하는 미디어 등은 개인의 비판적 사고 능력을 체계적으로 무력화시킨다.
이러한 '정보 생태계' 자체의 구조적 문제에 대한 심층적인 분석이나, 이를 개선하기 위한 사회적, 제도적, 기술적 해결책에 대한 논의가 부족하다는 점은 이 책의 한계로 지적될 수 있다. 개인의 각성만으로는 거대한 불량 통계 생산 시스템에 맞서기에는 역부족일 수 있다.

'나쁜 통계'에 대한 집중과 '좋은 통계'의 역할 축소

이 책은 제목처럼 '우리가 왜 숫자에 속는가'에 초점을 맞춰, 잘못 사용되거나 오용되는 통계의 '나쁜' 사례들을 집중적으로 파헤친다. 이는 대중의 경각심을 일깨우는 데 매우 효과적이지만, 역설적으로 통계 자체에 대한 불신이나 냉소주의를 키울 위험도 내포한다.
물론 저자들은 통계적 사고의 중요성을 강조하지만, 책의 대부분이 부정적인 사례 분석에 할애되다 보니, '좋은 통계'가 어떻게 사회 문제 해결에 기여하고, 우리의 이해를 심화시키며, 더 나은 정책 결정을 이끌어내는 지에 대한 긍정적인 측면은 상대적으로 약하게 다뤄진다. 독자에 따라서는 "어차피 모든 통계는 조작된 것이니 아무것도 믿을 수 없다"는 식의 극단적인 회의론에 빠질 가능성도 배제할 수 없다.

복잡한 현실의 단순화 가능성

저자들은 복잡한 통계적 개념을 명쾌하고 이해하기 쉬운 사례를 통해 설명하는 데 탁월한 능력을 보여준다. 그러나 이러한 단순화 과정에서 때로는 복잡한 사회적, 과학적 현실이 가진 다층적인 맥락이 생략될 위험이 있다. 예를 들어, 조기 검진의 효용성이나 특정 건강 정보의 타당성과 같은 문제는 단순히 통계적 오류만으로 환원될 수 없는 다양한 의학적, 윤리적, 사회적 논쟁을 포함한다. 이 책의 명쾌한 설명 방식이 독자들로 하여금 복잡한 문제에 대해 성급하고 단정적인 결론을 내리게 할 가능성에 대한 경계도 필요하다.

 

 

함께 읽으면 좋은 책

1. 한스 로슬링, 『팩트풀니스(Factfulness)』: 기거렌처가 데이터의 '함정'을 피하는 법, 즉 '어떻게' 데이터를 비판적으로 읽을 것인가에 집중한다면, 한스 로슬링은 우리가 세상에 대해 가진 거대한 오해들을 실제 데이터(팩트)를 통해 바로잡아주며 '무엇이' 진실에 가까운지를 보여준다. 『우리는 왜 숫자에 속을까』를 통해 통계적 사고의 도구를 연마한 후, 『팩트풀니스』를 통해 그 도구로 세상의 진짜 모습을 조망하는 경험은 지적인 희열과 함께 긍정적인 세계관을 선물할 것이다. 두 책은 데이터 리터러시의 이론과 실제를 아우르는 완벽한 한 쌍이다.

2. 대니얼 카너먼, 『생각에 관한 생각(Thinking, Fast and Slow)』: 기거렌처와 평생의 학문적 라이벌이자 파트너인 대니얼 카너먼의 대표작이다.  기거렌처가 통계적 '무지'를 '교육'을 통해 극복할 수 있다고 보는 반면, 카너먼은 인간의 직관(시스템 1)에 내재된 '인지 편향'의 극복 불가능성을 강조한다. 기거렌처가 인간의 합리성에 대한 믿음을 기반으로 도구를 제공한다면, 카너먼은 인간의 비합리성을 인정하고 그 함정을 파헤친다. 두 거장의 책을 함께 읽는 것은 인간의 판단과 의사결정을 둘러싼 현대 지성사의 가장 중요한 논쟁을 입체적으로 경험하는 최고의 방법이다.

3. 스티븐 슬로먼 & 필립 페른백, 『지식의 착각(The Knowledge Illusion)』: 이 책은 "개인은 무지하지만, 우리는 '지식 공동체' 안에서 생각한다"는 도발적인 주장을 펼친다.  이는 기거렌처가 강조하는 '개인의 통계적 사고 능력 함양'에 대해 중요한 보완적 관점을 제공한다. 우리가 아무리 통계적 사고 능력을 길러도, 결국 복잡한 세상의 모든 지식을 혼자 이해할 수는 없으며, 타인과 사회 시스템에 의존할 수밖에 없다는 것이다. 이 책은 개인의 리터러시를 넘어, 우리가 어떤 전문가와 커뮤니티를 신뢰해야 하는지, 그리고 어떻게 협력하여 집단 지성을 발휘할 수 있는지에 대한 사회적 차원의 질문을 던진다.