大数据背后，获取的信息不一定完全准确

每天早上，我都在谎言中开始新的一天。起床后，我走进浴室，称了称体重。这些数据将从中国制造的体重秤同步到我手机上的应用程序，最终进入苹果的数据库，我的体重数据将永久存储在云中。我之所以举行这个称重仪式，是因为我觉得它能迫使我对自己的体重保持诚实。它会阻止我找借口欺骗自己。例如，衣服不合身是因为洗涤缩水，而不是因为啤酒和奶酪吃得太多。这些体重数据是真实的，不是来自我的主观判断，所以体重秤不会撒谎。当然，我们都相信，从技术角度来看，体重秤显示的数字不应该是假的。这个数字是我目前的真实体重。它和蛋糕食谱上配方表中的数字一样可靠。但是在一次又一次的称重中，你会发现，决定一个人是标准的还是臃肿的，是瘦是胖的，其实很容易操纵。如果我想让自己变轻，我会在上面说之前出去跑步，流汗，排出多余的水分。如果我担心我已经超过了健身计划的标准，那么我需要回到健康的饮食，推迟称重时间，补充食物和足够的水，这样我就可以看到体重数量再次上升。当然，你使用的这些干预体重的方法只会带来大约5磅（大约4.5磅）的差异，但对于一些像我这样非常重视体重的人来说，这些小的体重数字波动足以让我觉得我真的改变了，从这个人⬇️：变成这个人⬆️你可能认为这只是个人生活中的数字欺诈，世界上的其他数据，例如，在公开学术期刊上发表的数据并不那么容易被人为操纵。但是，如果你看到最近在美国权威学术期刊《科学》上发表的一项研究，你可能不会这么认为。然而，如果你看到最近发表在美国权威学术期刊《科学》上的一项研究，你可能不会这么认为。该项目的研究人员复制了发表在100篇高质量心理学论文中的实验，看看能否获得相同的数据，只有36%的数据可以重现。换句话说，即使换了另一批细心专业的研究人员，三分之二的论文结果也无法重现。「这个研究项目为我们提供了很多证据，了解到在许多心理学研究论文中发现的结论仍然需要仔细的工作来反复测试，看看这些结果是否像我们所知道的那样确定。」在今天的许多研究领域，科学家总是收集数据，直到数据呈现出明显的统计模式，然后他们使用这些严格选择的数据来发表论文。这种做法在学术界被称为「P值篡改」（p-hacking），只要掌握了一些数据操作技巧，就能使数据虚高，在统计学上得到显著而有意义的结果。论文中常用的篡改数据的方法如下：通过中间的实验分析，决定是否继续收集数据，记录许多因变量，并决定是否添加或删除报告中的极端值。当分析结果显示P值时，立即停止数据收集，并将上述所有数据添加在一起，你会发现知识产出过程中存在如此明显的问题。当这些有问题的研究结论进入Facebook驱动的社交媒体世界时，即使是一个小小的「P值篡改」研究也会迅速传遍世界，不会有多少人表示怀疑。当一个普通人快速浏览新闻时，他不会意识到这些「科学实验得出结论」、「研究表明」其实是扯淡，研究结果根本经不起考验，尤其是这些说法出现在学术期刊上，不会引起怀疑。当一个普通人快速浏览新闻时，他们不会意识到这一点「科学实验得出结论」、「研究表明」事实上，这是胡说八道。研究结果根本经不起考验，尤其是当这些说法出现在学术期刊上时。这就是所谓的专业科学研究！如果学术研究领域存在数据欺诈，更不用说数据驱动的商业领域了。在惊人的《国家视角》中（SeeingLikeaState）在一本书中，它展示了政府和其他大型机构如何试图减少世界上的极端复杂性，并将其归类为可以解释的统计数据，使其国家或组织的领导人能够理解发生了什么。作者Jamesc.在整本书的开头，Scott使用了一个历史上真实的故事作为介绍。18世纪下半叶，普鲁士的统治者想知道他们在森林茂密的国家有多少人「自然资源」。所以他们开始计算，他们在自己国家的地图上画了一个巨大的表格，这样他们就可以计算出在指定的森林范围内可以产生多少木尺（翻译注：硬木板的测量单位）。至于森林的其他价值，如为人类和动物提供庇护，以及它们自身的生态环境价值，都被忽视了。现实世界不那么守规矩，普鲁士统治者得到的数据总是不完美的。因此，他们开始创造自己的新森林，同时种植单一品种的树木，这样森林中就不会有无法货币化的树木。「事实是，在这种几何图形森林规划背后，有国家力量的支持。这种力量将原始、真实、包含多个物种、略显混乱的森林转化为新的统一森林，并将森林分为网格进行统一管理。」Scott在书中写道。普鲁士所有的森林都变成了网格！这些人甚至根据严格的网格形状把树种成整齐的一排。德国林务员对如何施肥和管理树木有着非常科学的认识。普鲁士的植树造林计划确实有效，至少在接下来的100年里没有问题。世界各地的许多人都采用了普鲁士统一管理森林的方法。然后森林开始大面积死亡。「在德国的植树造林计划中，那些无法形成最终商业价值的树木品种被抛弃，导致了后来大量树木死亡的悲惨结果。这种情况只有在裸体植物被种植后才能逆转。」树木的生长需要依靠复杂的生态系统来支持，这种系统的形成需要通过几代微生物和物种之间的相互作用来培养，所有这些物种之间的关系都被普鲁士严格的植树计划所摧毁。植物和微生物的营养周期被打断，物种之间的微妙平衡一去不复返。隐藏在现实世界中的操作规则只有在它消失时才会慢慢暴露出来。德国人发明了一个新词来描述发生了什么:Waldsterben，这意味着森林的消失。有时，当我看到当前的世界时，在许多情况下，人们试图通过获得有限的数据来控制人类与其他生物之间非常复杂的关系。我很想知道我们是否已经踏上了普鲁士的后尘，等待着下一个Waldsterben的时刻。以广告为支撑的互联网生态系统就是一个很好的例子。这种操作方法非常聪明：通过整个互联网获取人们的数据，然后根据已知的信息向他们展示他们想看的广告。不仅如此，与传统的广播媒体和印刷媒体相比，人们的在线活动过程是可以跟踪的，所以广告商可以越来越准确地掌握人们想买什么。显然，在数据挖掘技术的支持下，在线广告的市场份额在不断增长，其他传统媒体的市场份额已经占据了大部分。许多新媒体公司不断增长的估值是基于数字广告市场将继续增长的预期。然而，如果你撕开这层明亮的皮肤，你会发现明显的问题。这些数字广告和宣传视频流量巨大的背后，其实并不是真正的消费者，绝大多数都是软件伪造的虚假点击。「这是一种让虚假流量以虚假的方式混淆真实的艺术，它们会通过足够的信息将自己伪造成一个看似真实的用户。程序控制的广告计费系统无法区分点击是来自真实用户还是机器人，也无法识别只复制粘贴他人文章和图片的新鲜原创网站和假网站。」高端媒体当然不需要这样做。然而，由程序控制的廉价计费广告被虚假流量蒙蔽了双眼，虚假流量也降低了整个在线媒体行业的广告价格，这使得那些真正做新闻的网站很难依靠广告费来支持自己的运营。与此同时，许多网站用户对这种商业模式非常反感，并开始安装广告拦截器来对抗在线广告。广告商和广告技术公司只是想抓取用户的数据，向他们投放准确匹配的广告。他们唯一想做的就是让他们投放的广告更有针对性。然而，从现实出发，随着广告商欲望的不断增长，这种广告模式必然会以不可预测的方式重塑网络媒体的价值观。我们欺骗自己说，数据只是一个镜头，只反映了我们的生活图景，但数据实际上已经成为在线广告商业模式的引擎。广告商获得的用户数据已经改变了在线媒体行业的运作模式。从收集数据本身来看，这不是一个中性的举动，而是一种重塑在线媒体的方式。也就是说，我每天称重体重不是为了知道我真正的体重，而是为了改变我对胖瘦的认知。这个谎言通常是有效的。