量化人生与数据谎言

freelee

约莫一两个世纪前，数据相当于弄虚作假的代名词。当时西方流行一句谚语：“谎言有三种：谎言、该死的谎言，以及数据。”

过去人们不信任数据，一方面是不信任数据源—数据收集者未必能足够可靠地收集到充足数据;另一方面是不信任数据处理—数据分析者未必能毫无瑕疵地秉公处理数据。数学家尝试解决这个问题，他们提出样本量、标准差、置信空间等一系列概念，指出怎样的数据值得借鉴、怎样的数据纯属胡扯。

如今到了“大数据”时代，数据不但洗脱污名，甚至被追捧为一种洞察真相的方式。消费者用各样生成数据的数码产品记录自己的生活，自认为更好地掌握了自己的状态。企业则每时每刻都在储存业务数据，并通过数据分析寻找更有利于经营的方案。

久而久之，越来越多的人步入“量化人生”：他们定期获取数码产品推送的数据汇总结果，并为下一阶段的数据表现设立目标，从而提升生活质量。而数码产品开发者利用从数据中获取的信息，将他们塑造成“更理想”的用户。

这种被量化的人生，真的让大家都过得更好了吗？

天然失真的数据源

“大数据”之所以可靠，要基于两种假设。第一，有程序、摄像头、监视器等“不带感情”的工具收集原始数据，避免原始数据被数据收集者的主观操作污染。这解决了“不信任数据源”的问题。第二，数据量越大，越能反映出真实的趋势，这解决了小量样本准确还原事实的概率偏低的问题。

可是，各类数据研究机构都会开宗明义：大数据的数据源，天然存在失真可能。

即使收集数据的工具没有缺陷，依然有各种各样的麻烦影响数据源的准确度。比较典型的问题是“数据同步”。工具收集到数据后，还需要将数据传送到一个特定的空间汇总，将其整合成原始的大数据源。然而受网络质量等因素影响，数据往往未必能第一时间传送到汇总空间，甚至不能全部传送到汇总空间。

对于个人用户来说，这种问题比较常见。例如喜欢跑步的人使用跑步软件，记录个人的跑步时间、距离、速度。这类软件往往依赖GPS持续准确定位，来完整记录跑者的运动过程。假如这期间出现网络问题，跑者可能会发现自己只跑了10公里，软件却提示跑了15公里。然后软件计算出来的跑者配速自然也是错误的，速度比平日快了一半。

“自动化”恰恰是数据处理行业希望解决数据源不可靠问题的主要思路。

车况监控软件记录行车数据

又如，一位车主喜欢通过车况监控软件定时查阅自己的驾驶油耗。而一旦出现数据同步滞后，车主可能会发现自己周一驾驶的里程被算到周二。这样无论周一周二的油耗结果都不准确。

大数据的支持者会指出，只要数据记录的次数足够多，偶尔几次的数据源失真并不会影响数据分析结果的可靠性。譬如，对于发现油耗记录故障的车主来说，尽管周一周二的单日油耗错了，但是他整周的平均油耗仍然可能是正确的。

而一个与企业相关的例子说明，数据源失真未必只是“偶然”情况。

2021年10月，游戏公司艺电体育公布旗下足球游戏《FIFA 22》的玩家大数据，指出游戏上架的22天内玩家总共踢了21亿场、46万亿分钟比赛。然而几天后，艺电体育将数据修改为11亿场、123亿分钟比赛。前后两组数据的比赛场数相差接近一倍，显然说明艺电体育最早使用的数据极不可靠。

用自动化化解数据无效危机

数据源不准确，数据分析的准确度也无从谈起。这对于量化人生的追逐者来说，是个大问题。

每逢年底，国内消费者都会用支付软件来查查自己的年度账单。当消费者感叹“我怎么一年花了那么多錢”时，他们未必是在反思自己的消费习惯，而是真的疑惑究竟自己为什么有能力花这么多钱。

比较典型的场景是，某消费者经常需要用自己的账户帮公司垫支。这位消费者的年度账单，实际上就不是个人账单，而是包括公家支出。在公家支出的干扰下，消费者并不能通过年度账单准确地了解自己的消费习惯，甚至可能因为年收入不够覆盖年度账单所显示的支出数字，而怀疑年度账单的准确度。

假如这位消费者日常使用多款支付软件，其个人的完整消费汇总就更难成型。微信支付的数据不能合并到支付宝的数据，各大银行的APP数据也不互通。唯一让其掌握真实的理财情况的手段，是使用专门的记账软件，但这意味着消费者要自己执行一系列繁琐的数据录入。

上述问题说到底还是数据源问题。用数据管理来研究自己的消费习惯，需要完整的消费记录数据。然而这些数据分散在各类软件中，有时消费者采用现金支付，更连数据记录都没有。消费者需要一个能汇总各类支付手段的工具，组建起可靠的原始数据库，再进行有意义的数据分析。

消费者使用记账软件记录每一笔收入和支出，在数据处理领域，这就是一个人工确保数据源可靠性的过程。而假如有一款记账软件能读取其他支付软件的数据，消费者就能省下不少工夫，这在数据处理领域属于“自动化执行数据准备”。

沉迷机制令用户要么变成“数据的奴隶”，要么被困于数据制造的局限空间。

“自动化”恰恰是数据处理行业希望解决数据源不可靠问题的主要思路。在大数据环境下，手动检视原始数据的问题属于“不可能任务”，因为数据量太过庞大。即使100万条数据中无效率是5%，也要处理多达5万条数据，如果靠人手操作需时几十小时起。

几乎所有的數据处理公司都主张，用自动化工具解放人力。一家叫作“数据梯子”（Data Ladder）的公司这样建议客户，不要让你的数据专家亲自清洗数据，而要让他们使用正确的工具和方法帮你完成数据准备。这些“正确的工具”，主要指数据清洗软件。数据清洗软件通过编程、算法乃至人工智能等方法，对无效数据可能呈现的形式有一定理解，从而能更快地将具有无效特征的数据抓取出来，乃至自动处理。

伦理风险也难忽略

数据处理公司煞费苦心地研究自动化数据准备的方案，归根结底还是相信大数据的洞察意义。可是过度洞察的问题，令量化人生还存在伦理道德风险。

终端用户常常在日常使用的软件中，看到“你的运动量比上个月增加了200%”“你的消费金额排名全国的前1%”之类的评价。这些评价是软件“沉迷机制”的一部分：通过为用户提供横向或纵向比较排名，吸引用户花更多时间争取更好成绩、更高排名，从而增加软件使用时间。极端的用户会跌入过度运动、过度消费等陷阱，真正变成“为数据而生存”的人。

另一种软件沉迷机制，影响的不仅仅是极端用户，而是大部分用户—算法推荐。各种社交网络、娱乐应用，将这种机制玩得出神入化。一旦算法认为用户对某主题“感兴趣”，就不断推荐相关主题的内容。最终用户看到的都是类似主题的内容，而失去接触其他类型内容的渠道，最终被封锁在所谓的“信息茧房”中。

信息茧房造成信息交流不畅，其危害轻则导致不同茧房的群体互相无谓争执，重则成为谣言传播的温床。令人无奈的是，信息茧房极难打破。甚至有像优兔（YouTube）那样比较极端的机制：假如用户是从推荐页面、推荐栏点进一个新视频，平台会积极推荐相关主题的视频;但假如用户从搜索结果点进新视频，平台推送相关主题的视频的概率低很多。这意味着用户连通过搜索来无意中打破信息茧房的机会，都被剥夺。

沉迷机制令用户要么变成“数据的奴隶”，要么被困于数据制造的局限空间。用数据制造虚假的、片面的信息来控制用户，已非耸人听闻。

早前国内有关外卖平台算法机制的争议，将量化人生的潜在风险表达得更加清晰：企业貌似通过数据洞察了减少送外卖时间的机遇，但实际上外卖员正为此付出健康乃至生命代价，而消费者被提高的期待却没有得到满足，企业也最终陷入风口浪尖。

一个多世纪前，一个叫泰勒的美国人发明了“科学管理”。他大概可以被视为最早的量化人生实践者，通过记录每个工作的步骤及所需时间，设计出尽量提高效率的标准化流程。这本质上还是一个抓取数据源再分析数据的过程。如今“科学管理”被称为“机械管理”，成为“非人性化”的代名词，已被现代管理学抛弃。

大数据设计的量化人生，也会被视为反人性、也会最终被抛弃吗？