在大数据时代保持谦逊

有人说，抛开功利目的，统计学其实就是一项任务明确的客观工作。要达成这一任务，无非是处理数据，从中寻找信息，继而得出结论。但数据从来不是单纯的数字，它是关于事实的符号记录，构成信息或知识的基础材料。数字是抽象的符号，数据却包含着特定的意义。比方说“157”这个数字，本身没有任何主观的含意。可是，如果有人说，157是一个成年男子的身高，我们立刻就会明白，哦，它的单位肯定不是千克，也不是毫安，而是厘米。接着我们也许还会推断说，这个人的个头比较小，不太可能去打NBA。可见，数字必须嵌在经验、上下文联系、解释等主观判断里才可能成为数据。换句话说，在统计学的范畴内，数据是“有内容的数字”。而所谓内容，其实大有玄机。

纵使我们对数据来源抱以高度的清醒，也未必能做到客观真实。

2008年，纳特·希尔弗在美国大选期间成功预测了49个州的选举结果。2012年，他更是惊人地准确预测了美国全部50个州的选举。但正是这个被誉为“神奇小子” 的人提醒大家，在如今所谓“大数据”的时代，作为一门炙手可热的学问，统计学的第一戒条就是谦逊。一个好的统计学家必须认识到，哪些事情统计学可以办到，哪些不能。而这一点，往往是分辨好数据与坏数据的前提。

上世纪七八十年代，当计算机开始得到广泛运用时，人们乐观地以为，统计学可以解决经济预测问题。然而30年过去了，经济仍然是一个湍流难测的领域。很少有人预知到经济危机的发生，经济趋势的预测通常也充满了一个个互相矛盾的修正值。

经济学家哈祖斯是少数准确预测到2008年国际金融危机的人。他认为，人们在下判断时，总是倾向于选择那些满足自身偏见的数据。不管这些偏见是经济动机还是政治信仰，它们都会使数据变得很不可靠。他说：“我认为人们绝对有这样的倾向，急切地希望事情按照自己希望的方式发展下去。”正是这种一厢情愿的自以为是，使得数据、统计，以及它们描述的世界统统发生了扭曲。

哲学家C.I.刘易斯告诫人们：“不存在任何先验的理由足以证明，当我们发现真理的时候，它会是有趣的。”不仅是统计学，任何以真理为最终目标的知识，都应该以此为圭臬。

（摘编自微信公共账号“大家”，作者：西闪，原题为《用数据是否能走向真理》）