【超閱讀觀點18】從海量數據中找尋秘密--《數據、謊言與真相》

談到數據調查，以往我們的認知可能是拜託別人做問卷，然後回收再進行量化處理。但在歷經一段這麼辛苦的歷程後，更糟糕的是，所獲得的數據可能也不是最貼近現實的。

舉例來說，有關於瀏覽色情網站的調查，再怎麼詳盡，絕對沒有直接以色情網站直接獲得的數據來得真實，因為相較於問卷，直接瀏覽的行為絕對是最直接的，不會騙人。

這其實是個迷思，因為我們最需要獲得的，其實不是更多更大的數據，而是最正確的數據。Google在搜尋引擎方面，之所以能夠脫穎而出，靠的是能夠在第一頁，就能提供我們最符合搜尋字詞的訊息，所以如果我們沒辦法在大數據當中，解讀出獨特的見解，那麼獲取更多的數據，某種程度來說，只是獲取更多無用的垃圾。

大數據的作用：提供新類型的數據、誠實的數據、允許把焦點放在人口的小子集、提供因果關係。

在賽馬領域，以往都是追溯血統與考量體型，來預測該賽馬未來是否會在賽場上大放異彩，但這方法其實用在NBA賽場上就知道，喬丹的兒子也沒能在NBA場上活躍XD。因此有數據學家專門評估馬的各種屬性，包含鼻孔大小、快縮肌體積、糞便重量等因素，是否與賽馬場上的表現有關聯，最後找到一個重要關鍵-左心室大小，後來這匹馬成為三冠王。

另外，看暴力電影會導致人們變得更暴力嗎？作者也以科學方式，驗證暴力電影上映期間，暴力案件是否有增加的趨勢，最後得出的結論是沒有。無論如何，以科學方式所得出的結論，總比「口說無憑」來得有說服力。

作者提到「維度的詛咒」，如果你把一千枚硬幣編號，每天丟硬幣預測股市漲跌，發現丟到第三百九十一枚硬幣時，股市大漲機率高達百分之70.3，那以後只要丟這枚「第三百九十一號」的硬幣就能發大財嗎？絕對也是不行。

影響某事件的變數可能很多，如果把瞎貓碰上死耗子，誤認為瞎貓可以抓老鼠，那就會變得非常危險。

比如書中提到，線上借款的網站，根據申請人的自述與最後還款表現，發現使用了「無債務、稅後、畢業」等字眼的人最有可能還款，使用「醫院、上帝、會還錢、承諾」等字眼的人，最不可能還款。那麼，以後可以不借款給提及「醫院」的人嗎？萬一他是真的有親人因病在醫院真的需要借錢呢？

這本書用數據解釋了「哪個地區的人出名機率較高？」「在NBA打出名堂真的是比較貧窮的人嗎？」「成績類似，最後有上好學校，會比唸次一等學校的人的人生際遇來得好嗎？」等非常有趣的問題。如果沒有數據佐證，大家勢必受到「刻板印象」影響，但事實可能並不是你想得那樣。

最後，西恩想到之前去上網路行銷的課，提到網頁跳出率，一般來說，網頁跳出率越高，代表那個網頁設計或是內容不太好，導致大家看到個網頁時決定跳出。但色情網站的跳出率越高，代表那個網頁很棒，至於為什麼？就有待大家用智慧思考。