来联合水务已经第五个年头，今年3月终于有幸回归上海总部，作为污水处理技术部的一员。相比之前的四年半在项目现场的工作，现在处理的是更为精细和专业的内容，尤其最多的就是关于数据处理的工作，这让我对于数据本身产生了一定的思考。
我们知道，现在社会人与人之间协作越来越精细化、深度化，需要大量的客观公正的协作中介，这个中介就是数字。比如说要买一家公司的股票，那得知道这家公司详细的经营情况和过去一段时间股指情况，这些都是数字。而整个社会也正进入大数据时代，数据越来越多，越来越爆炸，那么如此倚重的数字是否真的靠谱呢？
带着这样的疑问我借阅了美国作家查尔斯•塞费著的《数字是靠不住的》。这本书里就讲到对于数据造假的几种方式。其中数据造假的第一条，叫做恶意造假。其中讲到几个案例，比如说某些化妆品牌宣传自己的产品肌肤肤色显著提高93%，色斑明显减少87%，等等。再比如，1950年的美国有个妄人叫麦卡锡，就宣称自己有一份名单，说美国国务院里有205个共产党员，当时在社会引起了轩然大波。这些数字中有整有零，又是单数，就会让人感觉像是真的。我们生活中经常被这样的数字所充斥，而这样的数据其实仔细推敲就毫无科学依据。
真正难识别的数字陷阱就是原始数据是真的，只是这个数字和背景放在一起，经过人的处理和加工后，给人呈现的意义是假的，是扭曲的。其中有个案例，人类在医学界曾经探讨过，就是人有没有标准体温。其实人是没有标准体温的，多多少少个体差异都会存在。但是有一个大夫最后统计来统计去，说还是有一个大概的标准数的，37摄氏度，这就是标准体温。这种表述是没有问题的，可是美国人用的那个温度计是华氏的，那有的人就把37摄氏度换算为华氏的温度，就变成了98.6华氏度。这样一来，其实就暗示了人的标准体温可以精确到0.1华氏度。所以事实上就给人一个错觉，就是人原来应该有非常精确的标准体温。而它只是做了一个数据换算，但实际上已经在传导一种错误的知识。
数字造假中的第二条，叫做假对比。原始数据还是真的，但是当他把更多的数字放在一起的时候，那就是他刻意营造的一个结果。比如，美国纽约有一个著名的市长叫布隆伯格，当了市长之后就宣布，从2005年到2008年，纽约市的教育水平是直线上升的，他手里的数据就是纽约市的中学学生考英语的阅读理解，和数学，成绩一直是在上升的，听着好像有道理。但是只要你稍微思考一下就知道，两场考试之间的成绩是无法对比的。事实上后来美国人一研究也发现，原来不过是从2005年到2008年，纽约市的这些考试题目变得越来越简单而已。所以一个政客想塑造自己的政绩，他用这种手段，就非常容易给你制造出一个数据的假象。
我们依赖大数据，但是大数据的本质不是数据多，而是维度丰富。所以工作中，当我们在收集数据、或者表达观点使用数据时，应该从多个角度多想想，这个数据是否客观，是否产生偏差和扭曲事实。这样，我们才能够正确地使用数据。
|
