结语：数据思维背后的三个基本信念

你好，我是悦创。

这一讲是数据思维课的最后一讲，讲点什么才能作为一门课的结语呢？想来想去，我决定讲点个人化的东西。我想讨论这样一个问题——数据思维背后的基本信念是什么？

为什么要讨论这个问题呢？我觉得，数据思维就像语文素养一样，是一个现代人的基本素养之一。发刊词里我就说过，数据思维是数据时代的通行证。

所有人应该都认同语文素养是现代人基本素养之一，你可以没有上过大学，但是你必须要识字写字，作为一个人，我们必须要理解他人，表达自己。

1. 理由一：世界是量的，而不是质的

我认为数据素养应该是现代人的基本素养之一的第一个理由是：这个世界是量的，而不是质的。

这句话听起来很绝对，但是我说了，我想表达的是个人观点，只要对你有所启发就好。

这里，我们从大哲学家柏拉图讲起。

柏拉图有一个重要的理论，就是把世界分成本质的世界和形成的世界。比如圆，数学上的圆就是本质的。但是在现实中，你见不到本质的圆，你见的都是形成的圆，比如有月亮、车轮这样的圆；也有窑洞、梅花、鹅卵石这样包含圆的元素的东西。

这就要求我们有观察能力，通过形成的世界去猜测本质的世界。但是怎么猜呢？只能通过量的方式去猜。这也好理解，怎么从本质到达本质呢？只能通过量这个途径来逼近本质。

比如说身高。你的身高到底是多少呢？这是一个本质性的问题。怎么知道答案呢？测量。测量一次肯定有误差，所以我测100次，求平均值，这个平均值就是我们的答案。

那一群人的身高呢？这就非常不同了。因为你把一个人群的身高平均值测得再准，也理解不了这个问题——高高低低的身高背后有什么规律呢？这个时候用平均值就接近不了本质，必须改用分布。只要一群人的数量足够多，身高的分布一定服从正态分布。

反过来，当你声称找到了一个事物的本质，要验证它，也要回到形成的世界，从量来证实这个本质在运作。

比如在相亲网站上我们会发现，男生的数量是足够多的，但是1米7的男生特别多，根本不是正态分布。是相亲的男生的身高与一般男生的身高有本质不同吗？是因为1米7的男生最难找到女朋友吗？当然不是。而是大量的不到1米7的男生都声称自己是1米7，所以造成了相亲网站偏离了正态分布。只有理解了这些是如何形成的，你才会对你发现的本质更有信心。

还有，量与质之间也是互相纠缠的。

一只狗，你能看出什么本质来呢？是对人的依赖性还是对主人的忠诚度呢？但是，不管你看到什么，你绝对看不到狗的社会性。看不到，不等于不存在。想看到狗的社会性，就要养6只或者6只以上的狗，才能看到这些狗形成了一个小社会。

因此，本质的世界只能存在于我们的头脑中，我们能触摸到的只有形成的世界，而触摸这个形成的世界的方式就是通过量。所以在这个意义上我说，这个世界是量的，不是质的。

2. 理由二：只有量的竞争才能达成共识

我认为数据素养应该是现代人的基本素养之一的第二个理由是，只有通过量的竞争才能让我们暂时达成共识。

世界是复杂的，对于一件事物，每个人都有自己的观点、看法和结论。如果只在这些地方讨论，结果只能是自说自话、互相不服。但量是确定的，自然能让大家心服口服。

举个例子：

小杨把老耿告上法庭，说老耿侵权。为什么呢？原来，小杨公司是生产卷尺的，是行业著名品牌。老耿公司也生产卷尺，尽管商标上差异很大，但是有些卷尺的外观特别像小杨公司的。所以小杨说老耿侵权，误导消费者。

为了证明相似的外观确实造成了混淆，小杨做了一个调查。被调查者是经常使用卷尺的木匠们。结果，有40%的木匠说错了，把老耿的卷尺说成是小杨的。

看起来证据确凿，但老耿说，那不一定。你调查的木匠都是业内人士，声称自己很资深，可以分辨出任何品牌的卷尺。因此，即使他不认识，也不好意思承认，于是就瞎猜。所以，他们出于维护面子才瞎说的，怎么能怪到我老耿的头上？

小杨说，那好，我再做一个调查。还是这些木匠，这次给他们看你们老耿公司没有外观侵权嫌疑的那个卷尺。这个卷尺他们也不认识，如果存在维护面子这个问题，说错的比例应该和刚才差不多。

结果怎么样呢？第二次调查说错的只有 20%。也就是说，40% 的人是因为两种因素说错的，一种是维护面子，另一种是被外观误导。现在，维护面子的因素被测量出来了，20%，占了一半，那另一半，也就是剩下的 20%，就是外观混淆的效果。

这个量一确定，老耿就没有话说了。

我们再看一个非常敏感的争论：

大家都承认，从事科学职业的女性远远比男性少。为什么会有这样的现象呢？有人说，这是男科学家群体歧视女性，设置了隐性的职业障碍，所以才导致女科学家少。怎么证实或者证伪这个问题呢？

华裔美国社会学家谢宇做了一个漂亮的工作。这里讲一下谢宇的思路：

假如有 100 个男生，物理专业毕业后，99 个都进入研究所工作。为什么会少一个呢？我们肯定不会认为他受到了歧视，而是认为他有个人原因。那么，我们也找 100 个女生，也都是物理专业毕业，结果发现，只有 50 个进入了研究所。这时候，看一下那 50 个干嘛去了。一看，49 个去结婚生孩子去了。你能说，这是因为男科学家歧视吗？当然就不能了。

因为 49 个女生选择去结婚生孩子，可能有社会的歧视，也可能是出于本人自愿，也有可能是社会的合理分工，到底是为什么，可以进一步的研究。但是说男科学家集体歧视女性，数据就不支持。这就是谢宇使用的“生命历程方法”。

聪明的你马上会问，这样的数据哪里有呢？谢宇的厉害之处就在这里，他通过高超的统计学技巧，用17个不同的美国全国调查结果建立了一个虚拟队列，从而解决了这个问题。

真实的数据和技术就不说了。这里给两个背景：第一，谢宇的研究结果发表之后，这方面的讨论基本上就终止了；第二，谢宇因为这个工作当选了美国院士。你说厉害不厉害？

总结一下，只有量的竞争才能让我们暂时达成共识，而观念的争论只会让我们自说自话，相互无法认同。

3. 理由三：定量是唯一可信赖的方法

我认为数据素养应该是现代人的基本素养之一的第三个理由是，具体的定量方法是不完美的，但却是我们唯一可以信赖的方法。

用量来理解本质，是一个抽象的说法。实际生活中，你要理解一个事物，总要使用一个具体的定量方法。而具体的定量方法，是很容易犯错误的。这里的坑太多了，我只说一个最主要的，也是很多人最容易忽略的，就是**任何量的结论都是有时空限定的**。

比如自杀率，大部分社会都是男性自杀率比女性高，但是这个结论不适用 1995 年到 1999 年的中国农村地区。有学者推算，那个时候，农村年轻女性的自杀率比农村年轻男性高 66%。这个现象吸引了很多社会学者研究，也被很多人指出来讨论，所以这个结论被很多人知晓。

但是近年的研究发现，我国农村女性的自杀率已经连续20年下降，女性自杀率回到了低于男性自杀率的一般规律。但是，由于农村女性比男性自杀率高的研究被广为宣传，所以到现在仍然有很多人保留了这个印象。

不过，虽然具体的方法不完美，但是我们没有可以选择的其他道路，我们能做的就是不断改进具体的方法。

比如，有些人攻击双盲实验，认为这个方法被神化了。你看，昨天还说这个药有效，今天马上就被新实验打脸了。这样的事情太多了。

但是，你是觉得研究人员不知道双盲实验的局限吗？其实，现在最高的证据并不是一次单一的双盲实验，而是荟萃分析，是整合了所有的证据之后的结果。而且，即使是对双盲实验本身，学界认为最好的方式也是多中心、大样本、双盲随机对照实验。

多中心，是指不同的国家，不同的种族，不同的文化等，这就是在探测结论的适用范围到底有多大。大样本，就是在缓解使用小样本推及总体时会产生的代表性不充分的问题。

此外，大数据、人工智能、深度学习等新技术的广泛应用，对很多以前难以解决的问题都有了很好的解决方案。我们要做的是与时俱进，不断提高认知，升级数据思维。

最后再强调一下，这仅仅是我个人的看法，不代表真理。

我想说的是，我们这些相信数据思维背后基本理念的人，不是把量当成神圣的东西，不是统计至上主义者，不是科学教徒，我们是胸怀理想但又面对现实的一群人。

最后，祝贺你走完了数据思维这门课的全程。我们各自安好，江湖再见！

划重点：

我认为数据思维是现代人的基本素养之一，地位与语文素养一样。理由有三个：

• 第一：这个世界是量的，只有通过量才可能接近质；

• 第二：只有通过量的竞争，才能达成质的暂时共识；

• 第三：虽然定量的方法不完美，但我们只能依赖它。

公众号：AI悦创【二维码】