姑娘、棉花和數據

涂子沛

如果要追溯歷史，美國的人口普查部門和美國的建國可謂是相生相伴，但這個最早的統計部門在它成立100 多年后，依然是一個臨時機構。

其實，從19 世紀50 年代的肯尼迪開始，每一屆辦公室主任都想把臨時的普查辦公室升級為一個常設機構。民間的統計團體也長期在國會游說，包括沃克，他在離開普查系統之后，還擔任美國統計協會的主席，他也主張，普查范圍應該不斷擴大、升級為永久性機構，這樣有助于保持工作的連續性。

但歷屆國會均拒絕了升級，總統不支持的理由也很明確，普查工作每10年才一次，公務員隊伍應該盡量精簡。

1899年3月，為了籌備世紀之交的新普查，梅里亞姆被任命為普查辦公室主任。梅里亞姆是一名資深政客，曾擔任明尼蘇達州州長，但卻毫無統計工作經驗，這一任命曾引起普查系統的強烈批評和反對。

但歷史常常和人類開玩笑：正是在這位外行的領導下，普查人實現了半個多世紀的夢想，普查辦公室成功升級為常設機構！

姑娘的力量

這位外行走的也是“偏門”。要說原因，和霍爾瑞斯發明的自動打孔機有關。

那時候，在數據分析開始之前，必須把幾千萬張問卷先轉變為打了孔的卡片。因為霍爾瑞斯發明的自動打孔機，打孔工作已經成為女性的專利。梅里亞姆因此雇用了幾千名卡片打孔員，清一色都是年輕的姑娘。她們每天打扮得花枝招展，像云彩一樣，在聯邦政府的辦公大樓里穿梭，成為一道亮麗的風景線。

除了年輕，姑娘們還有一個共同的特點——都想留在首都華盛頓結婚生子。梅里亞姆在國會、政府頻繁組織聯誼活動，于是，姑娘們和議員、公務員們打成了一片。在她們的強力攻勢下，國會議員在不知不覺中被爭取了過來。美國的人口學之父、著名的威爾科斯教授在談到這段往事時說：“在處理和國會的關系上，梅里亞姆十分聰明，這些姑娘令人眼花繚亂。普查局之所以能成為永久性的常設機構，和統計科學沒有‘半毛錢關系，僅僅是因為有人想把姑娘們留在華盛頓。”

姑娘們“攻陷”了國會，但任何一個法案的通過，還需要總統點頭。恰恰這時候的總統西奧多·羅斯福也非常重視數據，而且就在議員們消受了艷福、改變了立場的時候，發生了一件小事，讓羅斯福看到了小數據的大力量。

棉花也瘋狂

1793 年軋棉機的發明，激活了正在萎縮的奴隸制，棉花種植業從此興起，并成為美國的重要經濟支柱，這種情況一直延續到20世紀。1899年，美國共產棉花900萬擔，其中3/4 用于出口。但接下來的幾年，英國的紡織業不景氣，導致棉花價格大幅波動，不少棉農破產。羅斯福總統因此急需數據，他要求統計一年當中各個時段的棉花產量，以便根據價格變化進行調控。

每一年的棉花產量，農業部都會統計，來年的產量他們也會預測，但這次羅斯福總統要的，是一年內各個時段的實時數據。農業部左拼右湊，還是束手無策，拿不出可靠的數據。

這時候，普查辦公室一個部門主管諾思靈機一動。他提出，在剛剛完成的工業普查中，已經掌握了全國各地軋棉機的分布和數量，每一朵棉花都要通過軋棉機去籽。因此，通過軋棉機的軋棉記錄，我們就可以準確地計算不同時間節點上的棉花產量。諾思用了一年的時間，在全國3萬臺軋棉機上建立了統計報告制度，每月統計兩次，從而獲得了棉花產量的準確數據。這個數據精細到半個月，羅斯福總統大感欣慰，于是同意普查辦公室升級為永久性的常設機構。

1902年3月，在經歷了100多年的波折起伏之后，美國聯邦政府終于在內務部成立了普查局。一年后，普查局和勞工統計局一起并入商務勞工部（DCL）。因為棉花統計的功勞，諾思晉升為普查局局長。

人口普查局和勞工統計局堪稱美國統計工作的中樞和主干，美國政府后來的很多統計部門，例如交通統計部、能源統計部、衛生統計部大多是在這兩個部門的基礎上分化而來的。因為沒有統一的標準，全社會的數據就不可能進行有效的對比和匯總，即使計算得再準確，也沒有什么意義。1901年，美國還建立了國家標準與技術研究院（NIST），推進各類標準在社會中的建立和應用。勞工統計局、普查局、標準局與1863年成立的農業統計局并駕齊驅，標志著美國國家統計機構的健全和崛起。

值得一提的是，在棉花統計過程中，開始出現商業隱私的爭議。普查局最初以縣為單位，公開發布各地的棉花產量，以供各級政府、商業組織和個體農戶參考。但對于一個小縣，如果只有兩三臺軋棉機，公布其總數，則意味著各臺軋棉機的機主就能推算出其他軋棉機的產量，這相當于商業機密的變相泄露，因此引起了一些地方的抗議。普查局很快修改了規定，規定一個郡縣的軋棉機如果不超過三臺，其數據必須合并在其他郡縣中，不予單獨發布。這也表明，美國社會的隱私意識在逐步成熟。

到1910年，第27任總統塔夫脫首次為普查發表了專門的總統聲明，向大眾公開保證政府不會濫用普查信息和數據。他在聲明中說：

“普查的唯一目標是獲得我們國家人口和資源的總體信息，我們要求每個人都回答問卷，是為了保證能夠編撰細致的統計信息。普查和納稅、軍隊服役、強制入學、移民管理以及任何國家、州和地方層面的執法工作沒有任何關系，任何人都不會因為提供這些信息而受到傷害，沒有任何必要擔心我們會公開個人情況及事務的數據。我們會對信息提供人的權益進行合理保護，每個工作人員都禁止泄露任何信息，違反規定必受重罰。”

棉花，又一次改變了美國歷史。

數據安全浮出水面

除了隱私意識的成熟，在棉花的統計和預測中，數據安全的問題也開始浮出水面。上文提到，農業統計局每個月都要發布統計報告，其中的一個重要指標，就是對下個月各種農作物產量的預測。這些數據會影響全國很多商品的供求關系，甚至左右期貨市場價格的波動和成交量的多少。因此，這份報告在發布之前，被視為機密。1903年，農業部總統計師海德成立了一個三人小組，專門負責對全國各種農作物的產量進行預測。每月正式發布數據的當天，三人小組就會召開會議，共同確定各項數據的大小，然后在同一時間提供給所有的新聞媒體。

1903年12月，羅斯福給農業部部長寫信，說他收到多起投訴，有人提前知道了棉花的產量數據，并利用它在股票和期貨市場上進行內線交易。這意味著數據泄密。海德立刻修改了數據討論和發布的過程：他把會議地點定在了一個與外界通信隔絕的房間，并規定在完成數據預測的工作之后，三人小組的成員也必須待在會議室，直到數據正式對外發布之后才能離開。

海德認為這萬無一失，他也向部長拍胸膛保證，但羅斯福總統還是繼續接到投訴。

泄密者確實是三人小組中的一名成員，他是助理統計師霍姆斯。霍姆斯把數據泄露給了華爾街一位棉花投機商賴柏。在被要求不能離開會議室之后，他跟賴柏約定，用會議室百葉窗的窗簾作為信號：當窗簾拉到一半，就是約定的棉花產量，窗簾最后停在不同的位置，就表示不同的產量。

海德百思不得其解，但他最終還是想出了一個辦法，挖出了“內鬼”。

一天，在所有的數據匯總、預測完成后，他在最后一分鐘提出要緊急修改，但這時候，霍姆斯的信號已經發出，得到錯誤信號的賴柏在當天的交易中損失了25000 美元。巨虧之下，賴柏憤憤不平，他在交易現場公開指責有人“篡改”了數據，這當然也暴露了他提前知道數據這一事實。在后續的調查當中，賴柏供出了霍姆斯。

令人尷尬的是，雖然霍姆斯對其陰謀供認不諱，但當時卻找不到一部法律能給他定罪。因為無法可依，農業部最后只能對霍姆斯開除了事，總統計師海德被迫引咎辭職。

面對丑聞的尷尬，羅斯福十分震怒，他責令立即立法。1909 年，美國國會通過立法，將公務員提前泄露相關數據的行為定為刑事犯罪。此后，農業部著力完善了數據安全機制，推出了“鎖定”制度：凡是接觸到敏感數據的工作人員，在數據發布前必須被隔離，數據公布以后隔離才能解除。鎖定制度同時也明確規定，數據大小的最終決定權在專業統計人員手中，即使是農業部部長，也屬于鎖定的對象：他僅僅在數據正式發布前的15分鐘，在同樣封閉的情況下聽取專業人員對數據的解釋，以便回答記者們提出的問題。這個制度不僅提高了數據的安全性，也把數據的決策權牢牢地掌控在專業技術人員手里，保證了統計工作的中立性和專業性。

這種鎖定制度很快在其他統計部門得到推廣。例如，每屆總統大選期間，“失業率”就十分敏感，甚至可以影響老總統的去留和成敗，它的計算過程，都是在“鎖定”的情況下由統計學家獨立計算得出的，連勞工部部長也無權過問。

隱私觀念的成熟、數據安全管理制度的完善都表明，這時候的美國，已經開始向一個具有現代意識的國家轉變。