阅读：0
听报道
书评：”Everybody Lies: Big Data, New Data, And What The Internet Can Tell Us About Who We Really Are”,
可以译为：《每个人都在撒谎：大数据，新数据和互联网显示我们都是骗子》，
作者：Seth Stephens-Davidowitz.
这两年，我买了不少关于互联网，和大数据的书（中，英文都有），但是我都读不下去。作者们玩概念，无真货，没有实操经验 。上周我买了这本新书，很妙。我花两天时间，读完了。
长期以来，社会科学之所以被人们瞧不起，根源在于它不严谨，缺数据，公说公有理，婆说婆有理。近些年，社会科学界有些人采用了访谈，问卷调查等，但是数据的质量差，样本太小，分析方法也落后。这二十年来，互联网的发展，特别是 Facebook 和谷歌产生了大量的数据，使那些在数学，统计学和 IT方面功底深厚的人们开始用大数据来耕耘社会科学。
作者是一个经济学家，在谷歌当了一段时间的数据科学家，发现了很多有趣的事情。最重要的发现是：撒谎是人的本性。那些问卷调查，即使是通过互联网的匿名方式进行的，也含有太多垃圾。
作者比较了谷歌搜索和 Facebook上人们的行为与独立第三方的数据，发现差距惊人。
（1）选民说他们会支持希拉里，但是投票时却是特朗普，
（2）绝大部份美国人声称自己不是种族主义者，但是，他们在谷歌上搜索带贬义的 nigger “黑人”这个词的频率高得惊人。美国人的种族歧视还十分严重。
（3）美国的成年女性说，她们平均每年做爱55次，使用避孕套的比例大约16%，这意味着美国的避孕套销量应该在16亿只。可是，美国的实际年销量只有6亿只。
（4）人们在 Facebook和 Instagram 或者其它社交网站上展示的是自己的潇洒和美满家庭，可是他们的日子过得一塌糊涂，他们已经恨透了自己的妻子或丈夫，正在外面寻欢，或者搜索外遇的机会。
（5）作者发现了美国男人和女人如何对他们的家人，情人，医生，律师和朋友撒谎的若干规律。你知道作者如何通过Google Trend 证明大家在撒谎吗？
（6）如何利用谷歌和 Facebook预测一个地区的出身率，犯罪率，汽车销量？
（7）作者凭什么声称美国的同性恋人口比例为4%，而不是10%？
（8）利用P2P平台，Prosper 如何预测借钱的人的还款意愿和能力？效果如何？
（9）如何预测逃税者的动向和伎俩？
（10）多少美国人有恋父，恋母情结？或者他们还有哪些不肯启齿的性倾向？
（11）为什么大家在自己的社交网站上声称自己最爱的杂志是 Atlantic （一本严肃的杂志），但是实际上他们点击另一个杂志 National Enquirer的次数和转发给朋友的次数却多好几倍。为什么？因为后者是一本八卦杂志，不能上台面。他们的趣味其实很下流。
（12）作者发现，名校并不会真的改善你的职业前景。也许上名校的人们本来就有较高的智商和情商？这个问题辩论已久，但是作者的大数据似乎更有说服力。
（13）作者承认，大数据也有局限性，比如它在股市派不上用场，因为股市竞争已经太激烈，机会一直在被充分挖掘。而且，样本很难有可复制性: the curse of dimensionality. 但我没有弄懂他对这一章的解释。
两件同时发生的事情（即使相关度很高）并不见得有因果关系（causality)。汪洋大海的数据也是一个问题：如何确定稳定的因果关系？这种关系即使真的存在，会不会已经被別人发现并已利用？
话题：
0
推荐
财新博客版权声明：财新博客所发布文章及图片之版权属博主本人及/或相关权利人所有，未经博主及/或相关权利人单独授权，任何网站、平面媒体不得予以转载。财新网对相关媒体的网站信息内容转载授权并不包括财新博客的文章及图片。博客文章均为作者个人观点，不代表财新网的立场和观点。
京公网安备 11010502034662号 