數據不會說話，是你在為它說話。
　　美國政府長期蒐集許多情報，但為何還是無法預見911恐怖攻擊？
　　2007年房市泡沫爆發前，華爾街的金融專家們為何看不見崩盤的警訊？
　　身處「巨量資料」 （big data）時代，照理說我們擁有空前充足的資料，去做各項預測。但各行各業掌握最多資料的專家與決策者，卻都還是不斷做出失敗的判斷，這是怎麼回事?作者奈特席佛指出，預測最難的部分在於：分辨出哪些是無意義的雜訊，哪些才是關鍵的訊號。誤把雜訊當訊號，做出來的預測，自然不會準確，甚至會造成嚴重的謬誤與損失!
　　最常出錯的就是過度自信、被稱為「刺蝟」型的預測者，他們很會歸納、喜歡大原則、很有膽識，雖不斷收到新訊息卻很少修改預測，他們做預測常成為一種「表演」，模糊了追求精準預測的動機。（代表人物：成為名嘴的專家、認定自己能翻盤的賭徒。）
　　另外一個大家常犯的錯，是忽略「樣本外」的重大新資訊。假設你這輩子從未酒後駕車，肇事紀錄也很低。今晚你喝了酒，請預測今天駕車肇事的機率？如果你拿過去的記錄作分析預測，那麼你出事的機率相當低;但是喝酒開車並不在你過去記錄的樣本內。預測的模型錯了、忽略樣本外的重大訊息，這就是席佛認為，大家對房市泡沫以及雷曼兄弟垮台，無法精準預測的主因。
　　在本書中，席佛針對政治選情、球賽結果與球員價值的評估、金融風暴、氣象、地震、撲克賭局、西洋棋賽、股市投資等跨領域的預測難題，做了精闢的個案分析。雖然領域迥異，但預測要精準，背後的原則與邏輯卻都是一樣的。在一個個精彩的故事中，即使沒有統計背景的讀者，也能一點一滴拼湊、建立預測的基本功，並且可以練習把這些原則與技巧，運用在自己的專業領域上。（甚至可以用來預測伴侶外遇的機率： 詳見第8章）
　　席佛在書中不斷提醒預測者：
　　預設立場或過度自信，對預測來說，是非常可怕的事。
　　預測不是在追求是與非，而是估算事情發展的「機率」。有精準的機率，才能做出有利的決策。
　　預測時不能忽略「誤差」，並要勇於承認有「不確定性」。 不然你會過度解釋，變成不精準的預測。
　　根據預測出來的機率，做了最有利的選擇，即使最後結果不好，仍然是好預測。
　　在很多情境中，不是一定要追求終極完美的預測，只要預測比競爭對手好，你就贏了。
　　當大家不免被雜訊迷惑時，問問自己，你有什麼法寶，能讓自己更接近真相?跟著法寶走，不要跟著群眾走。
　　有新的重大資訊進來時，能保持客觀，隨時更新的預測，才有可能是精準的預測。