互联网时代，当心“大数据”背后的陷阱

身处“大数据时代”，任何行为都是“可数据化”的。如何在渺如烟海的数据洪流中正确甄别真伪，合理分析，得出结论，成了摆在任何战略面前不可回避的重要议题。

正文开始之前，请大家先看一个案例：

1.二战的故事

在二战期间，盟军的战斗机在战斗中损失惨重，于是盟军总部秘密召集了一批物理学家、数学家来专门研究“如何减少空军被击落的概率”。

当时军方统计了所有返航飞机的中弹位置，发现机翼部分中弹比较密集，而机身和机尾的中弹比较稀疏，因此当时普遍的建议便是：应加强机翼部分的防护。

然而，统计学家沃德却提出了一个完全相反的观点，他认为应加强机身和机尾部分。

沃德教授说：“所有的样本都是成功返航的飞机，也就是可能正是因为机翼遭到攻击，机身和机尾没有遭到密集的攻击，所以才使得这些飞机能够成功返航。”

后来又经过一系列有力的论证后，军方果真采用了他的建议。事后也证明这的确是无比正确的决策，有效降低了空军被击落的概率。

这个故事讲的就是所谓的「幸存者偏差」（Survivorship bias）

幸存者偏差是指：当取得资讯的渠道仅来自于幸存者时，此资讯可能会存在与实际情况不同的偏差。（因为死人不会说话）

那它跟之前用户画像的例子有什么关系呢？

关系很大。

虽然数据是不会撒谎的，但它只能展示出有数据（幸存者）的那部分信息，而无法展示没有数据（阵亡者）的那部分信息，它是片面的。

2.洞穴之喻

柏拉图曾在《理想国》的第七篇中，讲了一个著名的比喻——洞穴之喻（Allegory of the Cave）

设想有个很深的洞穴，洞里有一些囚徒，他们生来就被锁链束缚在洞穴之中，他们背向洞口，头不能转动，眼睛只能看着洞壁。

在他们后面砌有一道矮墙，墙和洞口之间燃烧着一堆火，一些人举着各种器物沿着墙往来走动，如同木偶戏的屏风。当人们扛着各种器具走过墙后的小道，火光便把那些器物的影像投射到面前的洞壁上。

由于这些影像是洞中囚徒们唯一能见的事物，他们便以为这些影像就是这个世界真实的事物。

在现实生活中，数据就像该比喻中印在壁洞上的影像——它试图利用低维的事物，去给人们描绘一个高维的东西。如果将洞壁的影像进行数据化处理，哪怕技术再先进，收集的数据再多，都难以让洞穴人感知到一个真实的世界，因为他们看到的世界都被“降维处理”了。

而另一方面，常识又是什么？

不可否认的是：常识跟数据一样，都是片面的。并且每个人的常识都不尽相同，质量参差不齐。

不过这里想说的重点是：相比于数据，常识能从更多得多的角度去分析一个事物。

因为人类的大脑很奇妙，它能把很多看似无关的事物联系在一起。而这一点，是任何计算机都很难以数据的形式做到的。

举个最简单的例子：人们可通过观察“一根筷子折得断，十根筷子折不断”的现象，悟出一个与之毫不相关的道理——团结就是力量。而同一个现象如果交给计算机去处理，那最后的结果就肯定只能与“材料”“扭矩”和“力度”等相关...

再比如迈克·亚当斯曾做过的一项研究，他发现：美国大学生期中考试临近时，奶奶去世的可能性是平时的10倍，而期末考试时是平时的19倍。（数据来自各高校收到的请假邮件和推迟交论文的申请）

若单看数据，你也许会认为学生的学术压力会对奶奶的健康造成影响（的确有科学家对此做过研究...）；但若用常识去思考，那就很简单了——为躲避考试，学生们编造了“奶奶去世”的请假借口。

这就是常识与数据的区别——常识是多维的，数据是单维的。

3.数据不骗人，但它会坑人

数据真正的价值并不在于其统计或计算结果，而在于人们能对其做出正确的解读。不过这很困难，尤其当你面对的是残缺的数据。

就像我以前举过的一个例子：

据《2017社会大学英雄榜》显示，国内登上胡润百富榜的2000多位资产超二十亿的富豪中，有一半的人都是低学历。（PS，低学历是指本科以下的学历）

请问：从这条新闻中你能读出什么结论？

我想肯定有很多人会认为：学历的高低跟收入的确没什么关系。

然而，这种解读是错的。

正确的解读方式是什么呢？

应该是：中国在2016年末大约有13.8亿人口，其中本科及以上的只有3800万，本科以下则有13.42亿——低学历的人本来就比高学历的人多得多（35倍），而它们进入榜单的人数基本相同。因此，拥有高学历的人进入百富榜的概率，是低学历的35倍。

在这个例子中，所有的数据都是真实的。但如果你只看到一部分数据，而没有看到其他数据，那就很容易被数据给坑了，得出错误的结论。

当然，要想得出更加准确的结论，这里还需挖掘更多的数据。比如：

富豪们的年龄分布。毕竟不同年龄段人群的学历分布是不一样的；

所属行业的分布。毕竟不同行业对学历的要求与相关程度是不一样的；

在这些富豪中，高学历的收入与低学历的收入的总体对比情况...

嗯，如果你不是专门学统计的，相信在加入这么多因素之后，一定会崩溃掉...不过你也不用慌，因为大部分情况下，你根本就没有机会能知道这么详尽的数据。

包括以数据著称的新零售。为什么大部分新零售项目仍然在亏钱？其实就是因为它们的规模还没有达到一定的量，数据的维度依然比较单一，“算”出来的东西依然不够精准，所以效率的提升也就很有限了。

4.小结一下

文章读到这里，你也许会在心里嘀咕：这篇文章，是不是想告诉我们数据是没有用的呢？如果数据的结果都不够准确，那什么才是准确的呢？

首先，这里并不是说数据没有用，即使它是片面的。

所谓的要客观看问题，并不是指你一定要掌握了所有数据之后才能下定论，而是要在下定论之前，尽量多方面了解一些数据和信息，无论它们本身多片面。

多了解一点，犯错的几率就会小一点，多看到一面，你离客观的真相就更接近一点，这就是进步。

千万不要试图一下子解决所有的问题，或者以为一下子就得到准确的答案，因为这本身就是一种错误的价值观，或者说痴人说梦。（所以你也不用纠结“什么才是准确的”了，根本就不存在）

知道自己还有不知道的，并在问题中不断前进，这才是真正科学发展的思想。

相反的，如果仅凭单方面数据就武断得出结论，并且笃定得不行，那无论数据样本有多大，你的结论和真实情况都很可能是天差地别的。

其实大数据也好，互联网也好，都是一个帮助性的工具，是不能去一味的依赖的，合理利用好工具，才是正确的思路。