大数据的陷阱

胡泳+郝亚洲

李娜再度夺得大满贯，超越了张德培的华人大满贯纪录，非举国体制下的奇迹造就了举国的愉悦。在总结李娜成功因素的时候，也再次看到了这样的言论，“是大数据起到了重要的作用”。早在2013年美网期间，就有媒体说大数据深度介入赛事、颠覆体育的时代来临了。但在仔细看过了相关材料后，我们发现，大数据的作用仅仅是囿于赛事的外围，比如观众体验；并不能够轻易得出大数据在提升球员自身比赛能力方面会发挥显著效果的结论。这次李娜夺冠，最靠谱的解释就是李娜在卡洛斯的帮助下大大提升了心理层面的战斗力。在技术层面领先的前提下，李娜在整场比赛中克服了节奏问题，她具备了一颗冠军的心脏。

而目前所说的大数据，无非是告诉球员一些不算具体的技术指标。在个人竞技比赛中，高手之间心理素质的较量远远重要于技术的比拼，否则也不会有“爆冷”一说。可以说，体育比赛的最大魅力就在于那些无法预知的“黑天鹅”。

2012年9月6日，代表亚洲网球至高水平的中国选手李娜在美国迎战名将小威廉姆斯。当时，IBM公司在综合了美网过去8年的全部比赛数据之后，为参赛球员制定了“Keys to the match”的比赛制胜策略。李娜一方获得赢球的关键包括3个指标：1.一发得分率超过69%；2.4-9拍相持中得分利率要超过48%；3.发球局30-30或40-40时得分率要超过67%。

比赛结果是，李娜溃败。比赛结束后，IBM高调地宣布李娜仅仅完成了三项制胜策略中的一项，而小威廉姆斯则完成了自己三项制胜策略中的两项。于是，很多人就顺着IBM的思路问，李娜为什么不照着IBM的策略去打球？

美国著名的博客纳特·西尔弗在《信号与噪音》中提出了一个命题，数据究竟是对于我们的未来有所帮助的信号，还是毫无意义的噪音。西尔弗成名于奥巴马选举期间。当时，奥巴马和罗姆尼的选战正在胶着，人们都看不出来谁有可能获胜。西尔弗用棒球的统计方法得出结论，奥巴马必胜。这一准确预测让他名声大噪。但是，西尔弗很快就开始反思，利用大数据获得成功预测的案例远没有失败的多。为何？

为什么9·11的时候，美国政府会忽视将要有恐怖袭击的信息，就像当年的珍珠港事件一样？为什么握有大量数据的经济学家预测不出来经济危机？为什么美国职业棒球大联盟中，球探依然无法被数据所取代？

西尔弗在书中写道：“自从有了印刷机，我们的世界已经经历太多。信息不再那么稀有，我们拥有的信息太多，甚至多到无从下手，但是有用的信息却寥寥无几。”

当当事人的主观愿望不积极的时候，大数据对他们来说不过是噪音而已。同样，数据也会因为主观意愿具有欺骗性。

说回IBM为大满贯球员打造的制胜策略上。在和几位国内资深的网球评论员交流之后，发现大家对这个所谓的大数据系统除了觉得好玩之外，并没有实用的价值。

而且，若要IBM为李娜设定的三个指标都达标的话，需要两大因素支持。首先是李娜的临场心理状态。打球不比下棋，想到的可能做不到。其次，在于对手的压迫程度。面对小威这样的力量型选手时，李娜的发挥空间会被大大压缩，而这两大因素又是紧密联系在一起的。

我们很多时候都会被误导，认为大数据的作用是让历史告诉未来。不然。甚至在网球这样的领域里，历史数据常常会成为陷阱。

有意思的是，在另一场女子网球比赛中，一位球员做到了IBM为其制定的三项指标中的两个，她却失败了。胜利的一方，只完成了一个指标。endprint