華夏經(jīng)緯北京

我們每天都要接受大量的數(shù)據(jù)，這些數(shù)據(jù)不是都是有用的，那我們應(yīng)該怎么來正確的解讀、分析、處理這些數(shù)據(jù)呢?

在《數(shù)據(jù)的真相》一書中MIT數(shù)據(jù)學(xué)專家講述了如何破譯每天接觸到的數(shù)據(jù)，將復(fù)雜的問題變得更簡單和直觀。我們每天都在刷頭條、瀏覽彈窗，每天都會接觸海量的數(shù)據(jù)信息，這些信息背后隱藏著什么真相?如何識別那些一本正經(jīng)的胡說八道?普通人一天大約要接收30G的數(shù)據(jù)，但大部分人不知道如何正確地解讀這些數(shù)據(jù)。MIT數(shù)據(jù)學(xué)專家在《數(shù)據(jù)的真相》中講述了如何破譯每天接觸到的數(shù)據(jù)，將復(fù)雜的問題變得更簡單和直觀。

《數(shù)據(jù)的真相》涉及商業(yè)、零售、廣告、育兒等諸多領(lǐng)域的真實案例，以及時常為人們所誤解的數(shù)據(jù)概念。在本書中，你不僅能夠找到如何在信息龐雜的世界中識別數(shù)據(jù)謊言、挖掘有用信息的方法，而且還能找到憑借該答案迅速做出明智決定的智慧。

如果你擁有所有以往數(shù)據(jù)，也就是我們所謂的數(shù)據(jù)總體，那么你就有了一個良好的開端。例如，不管以什么方式，若我們能夠觀測到曾經(jīng)發(fā)生在日本的每一次地震及海嘯，我們就掌握了所有這些事件的數(shù)據(jù)。即使那時我們常常禁不住思考未來還會發(fā)生什么別的事情。

但如果我們沒有搜集到全部數(shù)據(jù)，就不得不依賴某一個樣本。而在抽樣的過程中，我們也不是總能知道樣本是否代表了數(shù)據(jù)總體的真實情況。所以你得出的結(jié)論也不確定，也就是抽樣誤差—我們在第五章討論過。這是福島大災(zāi)難背后的因素之一，鑒于大地震及海嘯發(fā)生的頻率相對較低，其樣本容量(幾十年)太小，不具備代表性。

樣本的不確定性越大，預(yù)測的不確定性就越大。掌握的信息越詳盡，預(yù)測結(jié)果越準(zhǔn)確，在統(tǒng)計學(xué)中，我們將預(yù)測的基礎(chǔ)稱為“模型”。模型展示了所有掌握的信息—你用來預(yù)測未來的因素，你所依賴的基礎(chǔ)樣本數(shù)據(jù)，以及你通過數(shù)學(xué)方法確定的各因素之間的關(guān)系。換句話說，該模型體現(xiàn)了你所認(rèn)為的各因素之間的關(guān)系。畢竟，如果你解釋不了已經(jīng)看到的東西，就很難(幾乎不可能)解釋在未來將要看到的東西。

以往的數(shù)據(jù)也會受到目前我們討論過的許多因素的影響—篩選數(shù)據(jù)、遺漏變量、離群值、顯著性差異等。以上任何因素在你的以往數(shù)據(jù)中出現(xiàn)都會導(dǎo)致影響預(yù)測的問題，因為未來通常立足于以往的數(shù)據(jù)。

任何評估都存在不確定性，然而這并不是有些人所喜聞樂見的—他們只想要數(shù)字。

正如布朗所說，“大多數(shù)經(jīng)濟(jì)學(xué)家明白，我們真正在做的是‘規(guī)劃’而非‘預(yù)測’”。換句話說，如果生育率、死亡率或者勞動參與率以特殊的方式演變的話，我們可以非常自在地將社會保障系統(tǒng)內(nèi)的資金運(yùn)轉(zhuǎn)方式轉(zhuǎn)化為模型。但若要明確地說明陳述生育率、死亡率或者勞動參與率將以哪種特定的方式發(fā)展，我們就沒那么自在了。

不過除了在數(shù)據(jù)統(tǒng)計方面受過訓(xùn)練(或者讀過這本書)的人，這類的細(xì)微差別可能對他們來說無足輕重。布朗指出：“結(jié)果是，我們常常見到這樣的情形，當(dāng)政策沒有完全達(dá)到預(yù)期效果，哪怕結(jié)果仍處在初步估算出來的置信區(qū)間時，人們就已經(jīng)表達(dá)出意外、失望乃至憤怒之情了。”

數(shù)據(jù)霸權(quán)崛起、無用階層龐大——這是《今日簡史》預(yù)言中2050年的世界

算法正在大行其道，我們到底是受益者還是受害者?