量化人生與數據謊言

freelee

約莫一兩個世紀前，數據相當于弄虛作假的代名詞。當時西方流行一句諺語：“謊言有三種：謊言、該死的謊言，以及數據。”

過去人們不信任數據，一方面是不信任數據源—數據收集者未必能足夠可靠地收集到充足數據;另一方面是不信任數據處理—數據分析者未必能毫無瑕疵地秉公處理數據。數學家嘗試解決這個問題，他們提出樣本量、標準差、置信空間等一系列概念，指出怎樣的數據值得借鑒、怎樣的數據純屬胡扯。

如今到了“大數據”時代，數據不但洗脫污名，甚至被追捧為一種洞察真相的方式。消費者用各樣生成數據的數碼產品記錄自己的生活，自認為更好地掌握了自己的狀態。企業則每時每刻都在儲存業務數據，并通過數據分析尋找更有利于經營的方案。

久而久之，越來越多的人步入“量化人生”：他們定期獲取數碼產品推送的數據匯總結果，并為下一階段的數據表現設立目標，從而提升生活質量。而數碼產品開發者利用從數據中獲取的信息，將他們塑造成“更理想”的用戶。

這種被量化的人生，真的讓大家都過得更好了嗎？

天然失真的數據源

“大數據”之所以可靠，要基于兩種假設。第一，有程序、攝像頭、監視器等“不帶感情”的工具收集原始數據，避免原始數據被數據收集者的主觀操作污染。這解決了“不信任數據源”的問題。第二，數據量越大，越能反映出真實的趨勢，這解決了小量樣本準確還原事實的概率偏低的問題。

可是，各類數據研究機構都會開宗明義：大數據的數據源，天然存在失真可能。

即使收集數據的工具沒有缺陷，依然有各種各樣的麻煩影響數據源的準確度。比較典型的問題是“數據同步”。工具收集到數據后，還需要將數據傳送到一個特定的空間匯總，將其整合成原始的大數據源。然而受網絡質量等因素影響，數據往往未必能第一時間傳送到匯總空間，甚至不能全部傳送到匯總空間。

對于個人用戶來說，這種問題比較常見。例如喜歡跑步的人使用跑步軟件，記錄個人的跑步時間、距離、速度。這類軟件往往依賴GPS持續準確定位，來完整記錄跑者的運動過程。假如這期間出現網絡問題，跑者可能會發現自己只跑了10公里，軟件卻提示跑了15公里。然后軟件計算出來的跑者配速自然也是錯誤的，速度比平日快了一半。

“自動化”恰恰是數據處理行業希望解決數據源不可靠問題的主要思路。

車況監控軟件記錄行車數據

又如，一位車主喜歡通過車況監控軟件定時查閱自己的駕駛油耗。而一旦出現數據同步滯后，車主可能會發現自己周一駕駛的里程被算到周二。這樣無論周一周二的油耗結果都不準確。

大數據的支持者會指出，只要數據記錄的次數足夠多，偶爾幾次的數據源失真并不會影響數據分析結果的可靠性。譬如，對于發現油耗記錄故障的車主來說，盡管周一周二的單日油耗錯了，但是他整周的平均油耗仍然可能是正確的。

而一個與企業相關的例子說明，數據源失真未必只是“偶然”情況。

2021年10月，游戲公司藝電體育公布旗下足球游戲《FIFA 22》的玩家大數據，指出游戲上架的22天內玩家總共踢了21億場、46萬億分鐘比賽。然而幾天后，藝電體育將數據修改為11億場、123億分鐘比賽。前后兩組數據的比賽場數相差接近一倍，顯然說明藝電體育最早使用的數據極不可靠。

用自動化化解數據無效危機

數據源不準確，數據分析的準確度也無從談起。這對于量化人生的追逐者來說，是個大問題。

每逢年底，國內消費者都會用支付軟件來查查自己的年度賬單。當消費者感嘆“我怎么一年花了那么多錢”時，他們未必是在反思自己的消費習慣，而是真的疑惑究竟自己為什么有能力花這么多錢。

比較典型的場景是，某消費者經常需要用自己的賬戶幫公司墊支。這位消費者的年度賬單，實際上就不是個人賬單，而是包括公家支出。在公家支出的干擾下，消費者并不能通過年度賬單準確地了解自己的消費習慣，甚至可能因為年收入不夠覆蓋年度賬單所顯示的支出數字，而懷疑年度賬單的準確度。

假如這位消費者日常使用多款支付軟件，其個人的完整消費匯總就更難成型。微信支付的數據不能合并到支付寶的數據，各大銀行的APP數據也不互通。唯一讓其掌握真實的理財情況的手段，是使用專門的記賬軟件，但這意味著消費者要自己執行一系列繁瑣的數據錄入。

上述問題說到底還是數據源問題。用數據管理來研究自己的消費習慣，需要完整的消費記錄數據。然而這些數據分散在各類軟件中，有時消費者采用現金支付，更連數據記錄都沒有。消費者需要一個能匯總各類支付手段的工具，組建起可靠的原始數據庫，再進行有意義的數據分析。

消費者使用記賬軟件記錄每一筆收入和支出，在數據處理領域，這就是一個人工確保數據源可靠性的過程。而假如有一款記賬軟件能讀取其他支付軟件的數據，消費者就能省下不少工夫，這在數據處理領域屬于“自動化執行數據準備”。

沉迷機制令用戶要么變成“數據的奴隸”，要么被困于數據制造的局限空間。

“自動化”恰恰是數據處理行業希望解決數據源不可靠問題的主要思路。在大數據環境下，手動檢視原始數據的問題屬于“不可能任務”，因為數據量太過龐大。即使100萬條數據中無效率是5%，也要處理多達5萬條數據，如果靠人手操作需時幾十小時起。

幾乎所有的數據處理公司都主張，用自動化工具解放人力。一家叫作“數據梯子”（Data Ladder）的公司這樣建議客戶，不要讓你的數據專家親自清洗數據，而要讓他們使用正確的工具和方法幫你完成數據準備。這些“正確的工具”，主要指數據清洗軟件。數據清洗軟件通過編程、算法乃至人工智能等方法，對無效數據可能呈現的形式有一定理解，從而能更快地將具有無效特征的數據抓取出來，乃至自動處理。

倫理風險也難忽略

數據處理公司煞費苦心地研究自動化數據準備的方案，歸根結底還是相信大數據的洞察意義。可是過度洞察的問題，令量化人生還存在倫理道德風險。

終端用戶常常在日常使用的軟件中，看到“你的運動量比上個月增加了200%”“你的消費金額排名全國的前1%”之類的評價。這些評價是軟件“沉迷機制”的一部分：通過為用戶提供橫向或縱向比較排名，吸引用戶花更多時間爭取更好成績、更高排名，從而增加軟件使用時間。極端的用戶會跌入過度運動、過度消費等陷阱，真正變成“為數據而生存”的人。

另一種軟件沉迷機制，影響的不僅僅是極端用戶，而是大部分用戶—算法推薦。各種社交網絡、娛樂應用，將這種機制玩得出神入化。一旦算法認為用戶對某主題“感興趣”，就不斷推薦相關主題的內容。最終用戶看到的都是類似主題的內容，而失去接觸其他類型內容的渠道，最終被封鎖在所謂的“信息繭房”中。

信息繭房造成信息交流不暢，其危害輕則導致不同繭房的群體互相無謂爭執，重則成為謠言傳播的溫床。令人無奈的是，信息繭房極難打破。甚至有像優兔（YouTube）那樣比較極端的機制：假如用戶是從推薦頁面、推薦欄點進一個新視頻，平臺會積極推薦相關主題的視頻;但假如用戶從搜索結果點進新視頻，平臺推送相關主題的視頻的概率低很多。這意味著用戶連通過搜索來無意中打破信息繭房的機會，都被剝奪。

沉迷機制令用戶要么變成“數據的奴隸”，要么被困于數據制造的局限空間。用數據制造虛假的、片面的信息來控制用戶，已非聳人聽聞。

早前國內有關外賣平臺算法機制的爭議，將量化人生的潛在風險表達得更加清晰：企業貌似通過數據洞察了減少送外賣時間的機遇，但實際上外賣員正為此付出健康乃至生命代價，而消費者被提高的期待卻沒有得到滿足，企業也最終陷入風口浪尖。

一個多世紀前，一個叫泰勒的美國人發明了“科學管理”。他大概可以被視為最早的量化人生實踐者，通過記錄每個工作的步驟及所需時間，設計出盡量提高效率的標準化流程。這本質上還是一個抓取數據源再分析數據的過程。如今“科學管理”被稱為“機械管理”，成為“非人性化”的代名詞，已被現代管理學拋棄。

大數據設計的量化人生，也會被視為反人性、也會最終被拋棄嗎？