和蘋果公司的創始人史蒂夫·賈伯斯類似，美國另一家網際網路巨頭的掌門人傑夫·貝佐斯也是一個性格古怪、甚至有些尖酸刻薄的人。
按理來說，貝佐斯一手締造了聲名顯赫的亞馬遜帝國，視野和格局應當相當宏大。但實際上，貝佐斯是一個不折不扣的微觀管理者。例如：
他不斷有新的想法湧現，但對不能嚴格執行公司標準的做法不留情面；
他總是想盡一切辦法，用最低的價格為亞馬遜的用戶提供優質的商品和服務，但對本公司的員工卻非常小氣，例如要求員工繳納停車費；
他生氣的時候則喜歡說：「稍等5分鐘。」然後他的怒氣就會像熱帶風暴般快速消失。但另一方面，他也經常為了公司經營上細枝末節的事情向亞馬遜的高管們大發雷霆。
亞馬遜被曝光構建了一套AI系統，可以追蹤每一名物流倉儲部門員工的工作效率，統計每一名員工的「摸魚」時間（Time Off Task，簡稱TOT），然後自動生成解僱的指令。
曾經亞馬遜用AI來決定招人與否，最終因為反對的聲浪而廢止。好，現在亞馬遜改了一個方法，用AI來決定該不該解僱一個員工。
被AI監工解僱，理由都是「工作效率太低」，一個2500人的倉庫一年就解僱了300人，裁員比例超過10%，而亞馬遜在全美有75個這樣的倉庫。
最初亞馬遜對員工的要求是每小時包裝80件商品，後來這個要求提高到每小時120件。有員工表示，這幾乎是不可能完成的，還有4000名員工曾聯名請願，希望亞馬遜把目標降低15%。
在無法完成KPI和系統監控的雙重壓力下，很多員工不敢喝水、不敢上廁所。因為廁所太遠，來回一趟可能需要10分鐘，有人選擇在走道里用塑料瓶解決。
有調查顯示，亞馬遜3/4的員工都害怕因為上廁所而浪費時間。
不過，也正是貝佐斯這位性情既古怪又尖酸的人，用一種不被大多數人理解的方式，帶領亞馬遜從一家不起眼的公司發展到如今8600多億美元市值的規模。上市22年以來，亞馬遜的股票取得了超過1000倍的回報（股票發行價為1.73美元，目前的股價則超過1740美元），內部收益率（Internal Rate of Return，IRR）高達36%。不誇張的講，這是獨屬於網際網路時代的創富神話。
1994年2月，美國的一份時事新聞月刊《矩陣新聞》（Matrix News）曾刊登過一組數字，用以闡明網際網路未來的商業價值。報導指出，在1993年1月到1994年1月一年間，網絡傳輸速度提升了2057個單位，同一時間段，一個單位數據的網絡傳輸速度也提升了2560個單位。
根據這組數據，貝佐斯推斷，那年整個網絡運行大約上升了2300個單位——相當於增長了2300%。在亞馬遜創立初期，貝佐斯經常在講話中提到，是網絡的「2300%」的年增長率才使他不滿足於現狀。
但實際上，貝佐斯的推斷並無可靠根據，網絡傳輸速度的提升與網際網路的年增長率之間沒有什麼實質關聯。因此，這也成為一個有趣的歷史註腳——從某種程度上講，亞馬遜這家網際網路巨頭其實是以一個數學錯誤為基礎創建起來的。
那麼數據到底對一家公司或者對我們的生活、社會多麼重要？而貝佐斯又為何如此看重數據呢？數據到底會不會說謊呢？
很多情況下，我們接收到的數據並不是捏造的，而是真實統計得出的，但這些數據也完完全全真實可信嗎？我想我們都在不知不覺中被真實數據誤導過，那麼如何辨別這些被「造假」的真數據呢？第一，查看數據中的遺漏點。
閱讀統計圖時，我們不能把注意力集中在圖形的直觀效果上，而應深究隱含的數據，通過數據的對比得出結論，查看引起變化的原因，才不會被看似「驚人」的變化圖所迷惑。第二，查看數據中是否被偷換了概念。在分析統計資料時，請留心從搜集原始資料，到形成結論的整個過程中，是否存在著概念的偷換。
也就是將看上去極像、而完全不同的兩件事混淆在一起。比如，交通事故死亡人數的增多，不能等同於交通事故死亡率的提高。第三，警惕外推法得來的無意義數據。外推是根據過去和現在的發展趨勢推斷未來的一種方法。它是一種很好的近似計算方法。
有時，通過這種方法分析統計數據，並對未來趨勢進行預測而來的結論，往往會與實際情況相相反。統計數據能有多荒誕呢？幾年前，十幾位調查人員分別發表了一份關於抗組胺劑藥物的報告。每份報告都表明，服用這個藥物後感冒會有明顯好轉，緊接著就是各種各樣的渲染，於是這種藥物被大量生產，可事實呢？
這種藥的成分里，沒有一樣是能夠治療感冒的。那為什麼人們還會爭相購買呢？正應了那句話，「適當的治療可以使感冒在七天之內痊癒，但如果不管它，感冒就會持續一個星期。」人們就算吃了對治療感冒無效的藥，正常情況下，感冒也會一周就好了，所以就理所當然地把功勞給了抗組胺劑藥物。由此可見，人們是很容易被一些所謂的專業數據迷惑的。
《統計數據會說謊》幫助我們更加客觀的看待數據。這本書是美國統計專家達萊爾·哈夫的傳世之作，書中「編造虛假信息」的話題受到了美國社會持續的關注，同時還引發了美國權威媒體激烈的爭論。這本書最大的價值，不是讓我們意識到數據是會說謊的，而是希望我們能夠通過問自己五個問題來識別出數據的謊言。