大数据越发达，我越不相信数据

type

status

date

slug

summary

category

icon

password

正如我之前所说，人类之所以是人类，是因为有“连续性”。我们能够通过信息交换手段，获得来自过去的指导，我们既是创造者，也是传承者。我们正是将自己的这一角色过于看重，不自觉地肩负起寻找真理的路程。北京的西单民主墙、古希腊的集市、英国的海德公园；高等学府的学术环境、宗族家庭的规训、学校书院的教训，都是人类摸索出来传递经验的方式。可见识得越多，便会觉得，资讯的交换就像是盲人摸象一般，试图用不自知的缺陷来说服别人。当数学发展到一定程度，我们便能通过精确的数字来描述世界上的任何一个事物，发现了大数法则之后，我们对经验的统计也得以量化，似乎概率就能作为我们生活的本质一般。

以下有两个数据，请各位凭着自己的经验来作出选择： A院校：应届生平均年薪为80000元，就业率80% B院校：应届生平均年薪为70000元，就业率90%

我们可以根据数学的期望计算出A院校的期望收益是64000元，B院校的期望收益是63000元。按照这一计算来看，假设两所院校所拥有的学生数量都是相同的，那么这所院校在家长们看来几乎能划上等号。学生想要以毕业难度换取更高的薪资，或是保守一些舍弃一部分薪资换取稳定的毕业都是可以理解的，毕竟高校是作为劳动力的蓄水池，而不是个人梦想实现的平台。

那么经过进一步的调查，获得新的数据如下： A院校：应届生平均年薪为80000元，就业率80%，应届生年薪中位数为40000元 B院校：应届生平均年薪为70000元，就业率90%，应届生年薪中位数为60000元

新因子的加入令事情变得暧昧了起来，具体挑选哪一所学校变得更加模糊。简单的期望计算已经不能满足测试决策的合理性。倘若是学过精算的同学，在这里一般会试着找一个新的模型，来满足预测的可能。就本能来看，大多数人们会被这差异过大的中位数所吸引目光，忽略原本就有的信息，简单地按照这一条件以作决策。那么这一本能究竟从何而来呢？实际上，在阅读这两段话之后，大脑便迅速地进行运算，分辨出两个A院校的期望（64000）与年薪中位数相差甚远，而B院校的期望（63000）则跟中位数相近。我们就会感受到A院校当中的数据有我们不清楚的因子。这一因子究竟是什么？会不会也同样作用在B院校中呢？中位数与期望相近会不会只是巧合而已？我们便需要进一步的构建模型。

那么新模型的构建就需要寻找各个因子间的联系，纯数学方式未必能完成这一要求。于是进一步调研，找到了AB两所院校中研究生的详细信息。包括但不限于：家庭年薪、家庭背景、文科理科、就业去向……种种新的资讯会作为新决策的依据，经验告诉我们，从外部获取越来越多的信息就会令数据的预测更加准确，也就是令概率的可信度慢慢增加。在大数据的时代，数据获得不再是令人发愁的事件。只要善用搜索引擎便能找到无穷多的资讯。金融领域的量化投资也好，AI模型的算法也好，所运用的数据量都是在二十年前不可想象的。就以刚刚例子作饵，如果我们不清楚应届生年薪中位数，或许就会把两所院校化等号，来丢硬币作抉择。好在我们清楚统计，所以才能扩大我们的样本，去充实我们的决策依据。

要上大学的人千千万，要工作的人也千千万，每个人的决策经过整合、沟通，便成了新的样本，便能构建出新的模型，新的概率。高考的升学指导便是资讯的集合体，他们根据自身所得到的样本来为考生提供志愿填报建议，并找到适合对方的升学路线。我们很少听见有受过指导的学生控诉这一行业。我想原因有几种，一是回报周期长，要知道未来怎么样，起码得等个三五年，在毕业的过程中还有许多变数，事情的发展慢慢就偏离了原本的轨道。二是在学生、家长、升学指导三者都有一个共识，即毕业的终点是工作，在这一个行业领工资，和在另一个行业领工资并没有太大差别。

相信大家很容易发现有趣的地方，这一个行业拥有永远稳定的客源，几乎为零的差评率，可以用大量的样本作为考量，这几乎是小型的人生，小型的命运。那么为什么没有完全的铺开呢？作为严谨地安排去实行这一指导。这种带有乔治·奥威尔幻想的现实应当是通往乌托邦的一种捷径，人人按部就班地工作便能实现高效的社会管理。而现实却是这种调节机制正慢慢变得迟钝，失去应有的功能。

如果是五年前选择土木、建筑、设计的学生，现在应该追悔莫及，想方设法地转专业。甚至愿意冒着风险去跨专业考研，选择这些专业的学生想必都不是自愿碰上这一情景。在挑选专业的时候大都是按照最近的毕业生的境况作为依据。在这里，人们忽略了资讯的时效性，我们不能否认这些资讯是有用的，但资讯的时效能维持多久呢？谁也不知道，唯一能够加以佐证的只有其它的资讯。听起来像是陷入永无止境的螺旋一般是吧。真理究竟在哪？神学家碰到这种问题是构造出一个超越性的存在作为问题的终点。但资讯不能这么操作。资讯本身就是非超越性的，它必定只能奏效一部分，因此资讯本身即是问题，也是答案。

通俗地讲，概率与数据是由人类的经验所构造，是具有条件性的概念。人均收入、人均工作时长、人均可支配收入，这些只能一定程度地反映了现实。真实社会中，恰好获得与“人均收入”等额的收入的人寥寥可数。我们的个人经历与数据和概率的偏差，就能用“方差”来形容。

回到一开始所提出的问题： A院校：应届生平均年薪为80000元，就业率80% B院校：应届生平均年薪为70000元，就业率90%

各位有没有对期望的计算有疑问？为什么期望能简单地以80000*0.8，而不用加上延毕、休学、退学学生的收入呢？在计算的过程中，我们下意识地忽略掉未毕业的人员，统一将他们的工资看作是“0”，即对他们在社会生产环节中的参与以否定。平均的力量在此就体现出来了，因为大多数人都依照平均的社会所前进，按部就班地一步步升学，进好单位。这是大多数人的路径，也是没有个性的路径。有个性的路径所能参考的样本有限，出于对未知的恐惧，我们自然也不敢投资自己的个性，生怕自己的个性会拖累自己的人生。

古希腊哲学家爱彼克泰德曾说：改变人的不是事情，而是对事情的看法。每个人心里的透镜都不一样，折射出来的彩带在这世上也找不到相同的颜色。数据作为冷冰冰的真相，并不能直接作用于世界的运转。只有当数据被解读之后，才有意义。在一般市场中，企业的裁员也可被解读作内部架构调整、降本增效，从而成为利好消息。而在下行的市场周期中，企业的裁员也可当作是对市场悲观的佐证，而成为利空消息。该用哪一种解读方案对专业的金融从业人员来说也不敢百分百确认。《快思慢想》中有这么一个疑问：“当你要卖股票的时候，谁来买它？是什么因素使一个人要卖、而另一个人要买？”大部分的买主和卖主所拥有的资讯都是同样的，发生买卖行为这一根本原因是他们拥有不同的意见。买者认为价格市场价格过低，以后会涨；卖方认为价格过高，以后会跌。

掌握人们看到的资讯，就能掌握人们的意见。这也正是所有金融化背景下互联网企业所关注的核心。搜索引擎优化SEO（Search Engine Optimization）就是一项站在资讯提供者角度的功能。搜索引擎是“让人们找到自己想要的资讯”，在“想要”这一方面中，搜索引擎便能通过SEO按照人类的阅读习惯控制我们“最想要”的事物，让我们越来越想要。

我们通过搜索引擎检索资讯的同时，也将部分的资讯筛选掉。那部分资讯是宝贵的相反意见，它也是作决策时必要的参考资料。倘若我们只是为自己的观点寻找支撑的案例，假惺惺地忽略掉意见相反声音，我们当然会过得十分舒服，因为我们不过是在用左手和右手拔河，赢家只有我们一个。资讯被赋予条件性之后，我们便能以此来作为区分人群的手段。政治光谱上连续的点被截断成一个个圈，加深了社会的分裂。一切的差异都能被当作“他者”的条件。社会中有这么一种人，粗略地认识圈子里的人，按照部分样本的呈现当作是刻板印象，紧接着主观地刻板印象延伸到全体个体，并给他们冠以低俗的称号，下次在碰见类似的人，他们便能毫无羞愧地说出：啊，原来是xxx啊，难怪。

错误的样本、偏激的理解，这便是这一类群体所拥有的“懒惰的智慧”，他们不过是借以扁平化他人来扁平化自己。把自己脑子上的褶皱统统抹平，这样他们便不用思考，不用理解，以原始本能过活。