數據英雄的逆行
1854年秋天，霍亂第4次席捲英國，8月31日爆發，3天內就有127人喪生，10天之後，死亡人數攀升到500多人，其中一個名為寬街（Broad Street）的區域，居民死亡案例最多、最集中。
這時候的斯諾，於每週第一時間閱讀法爾的死亡報表，關注死者的飲用水源，希望在表格和數據中找到線索。
雖然法爾收集了供水的來源，但斯諾根據這部分數據做不出任何判斷。為什麼呢？這是因為整個倫敦有10幾家大公司供水給城市的不同地區，各家公司的地盤互相交錯，供水管雜亂無章地交織在一起，僅憑地址無法準確判斷供水公司。
斯諾左思右想，無計可施之下，為了得到這些數據，他最後決定一家一家上門走訪。斯諾走了多少路，我們今天已不得而知。但他很快又碰到新的困難──即使挨家挨戶去敲開每一位患者的門，得到的數據也還是不完整、不準確，因為很多住戶根本不知道自家的用水是哪個公司提供的，房子可能是租的，水費可能是由房東繳交的，即便是自己付的，也找不到公司的收據，名稱還是不清楚。
皇天不負苦心人，斯諾又想出新辦法解決這個問題。他在走訪中發現，某一家公司的水中，鹽分含量是另外一家公司的4倍，根據這個差別就能判斷水的來源，如此一來，他碰到不知道自家供水公司的住戶時，就取一小瓶水樣，在瓶上注明地址，然後帶回去檢測。
斯諾搜集數據的執著讓人感佩。在大多數情況下，數據都沒有現成的。搜集數據太難了，就像在風中奔跑，搜集隨風飛散的柳絮一樣，你需要逐風而行，東奔西走。但對高數商的人而言，這一點是共性：他們都願意展開搜集數據的行動，都願意付出極大的努力，包括精力和時間。搜集數據所用的精力、體力和時間，可能是分析數據的數倍之多。第谷和克卜勒就是最好的例子。
在死亡案例高度集中的寬街，斯諾發現，「幾乎所有的死亡案例都發生在某街頭的一口水井附近。只有10名死者的住所靠近另一個街頭的水井，而其中有 5 名死者的家屬確認，他們一直使用那個水泵，有3戶距離這口水井遠一點，但死亡的孩子所在的學校就在這口水井附近」。
在這條街上，他還發現有1家啤酒廠和1家感化院沒有任何人死亡。他實地走訪了這2個地方，發現啤酒廠和感化院都有自己獨立的水井，而且啤酒廠的工人平常只喝啤酒不喝水，斯諾因此更加確定，水就是人們感染霍亂的最終原因。
現在，讓我們試想一下，一個社區爆發了有史以來最為兇險的傳染病，驚恐的居民在一片混亂中成群出逃，用馬車拉著家當往一個方向走，但1名皇家醫生選擇逆人流而上，挨家挨戶去敲門瞭解死者的生活細節，他走進的每一間屋子，都還籠罩在葬禮的陰影和哀號當中。
