从0到1
今天开始，曾经的dream school 伦敦城市大学卡斯商学院正式更名为“贝叶斯商学院”，自从知道要改成这个名称就感叹，果真是来到了“大数据时代”，商学院都以理工科学生的老朋友、概率论大神命名了。这位于伦敦金融城里的“奇葩”学校自然是没有机会去念了，但数据还是每天打交道。平日多以怎么使用数据为主，但从中也体会到一些和卖产品无关的感悟。
一是数据的搜集，技术发展可以让数据处理更高效、好看、便于使用，但没有办法把没有的数据创造出来。所以这个从零到一的过程，并不能够弯道超车，而是时间沉淀和持续、连贯、一致的记录，这也是最大的价值。以航运业来说，仔细回想，能把船舶数据库维护200多年，从纸面手写、到3.5寸盘、光盘、USB、FTP到现在云端储存，介质不断在变化、收集和存储能力和效率在提高，但终究，如果没有一开始的“数据”记录，这一切都没有根基，也就没有意义，除非去盗版、去爬虫，不然投入必然是巨大的。我想，这也是身处所谓“大数据”时代，始终不能忘记的一点，就是数据的本质，在于真实和持久的记录，方能生成后续千变万化的用途。
二是数据的处理，最首要的就是清洗（包括结构化、去除垃圾数据）和关联。这个层面相对比较技术性，看似是数据清理，但其实也需要领域常识。例如数据生成的先后顺序、来源的一致性、在“字段名称”看似相同时是否真正代表同一个数据点，数据与数据之间的替代性、互斥性、共存性，等等。听上去好像很直接，不就是一个“映射”嘛，但事实上，当真的着手去做，会发生许多问题，在一开始漏掉某个关联，就可能造成处理过程中额外的巨大工作量。
三是数据的呈现，这里有两方面，可视化和“perspective”。如今“可视化”非常时髦，甚至发展成了一门科学艺术，把数据做得动态、好看，交互性强，也是数据产品的很大亮点了。这个自然无可厚非，但从数据本身角度来说，应该指出，这是一把双刃剑，在通过可视化实现’actionable data’（即所谓可直接用于决策的指标）的时候，其实也带来了“引导性”，即尽管数据本身是客观的，但对于面向读者的数据表现，但在可视化图表中，数据聚合形成的指标其实是经过了开发者的选择，即所谓“我想给你看的是哪一个指标”，这些数据并不是错的，也不是假的，而是带着“角度”的。就像小时候看报纸时说过的笑话，女星陈慧琳是“唱歌不及王菲、长相不及林青霞”，那对于一个不认识陈慧琳的吃瓜群众，可能印象分平平；但如果把维度反过来，可能给无知第三方留下的印象，则好得多。
四是数据的解读，如今大家已经基本了解，数据本身没有意义，而是需要有相关领域知识的人也就是专家去解读才能有意义；更全面地说，还需要结合当下时空的常识。多年前，当人们提及”万吨轮“，便已经觉得那是一艘巨大的船。那么是否到了现在这仍然成立呢？对于行业人士来说，”万吨轮“首先就需要明确这万吨指的是载重吨、总吨还是其他指标；又或者这是哪一种类的船？集装箱”大船“和油轮”大船“的规模还是不尽相同的；又我们要考虑，十年前的瞩目”大船“到现在，或许已经不足为奇了。这仅仅是一个例子，其实各行各业都有门道，纯数字没有意义，有领域知识、常识、并结合当下时间和空间，才能给出一些有意义的解读，或是发现明显的数据错漏。
最后，就是愈发觉得，数据越多，人的智慧愈发重要。如今都说Data Driven Insight （数据驱动），一时间坊间担忧人类智慧即将被取代。当然技术发展日新月异，也不敢说未来不可能。但就现阶段，数据为人带来的依然是一种”辅助“功用，而非取代；因此人类的活动也不可全部依赖数据和机器给出的结论。比如屡屡爆出事故的自动驾驶。而若非如此极端出错例子，从现实情况来看，自疫情以来，航运疯狂火热，各个业界专家即使在如今数据发达的情况下，却未有敢对未来航运市场下定论的预测，可能喧嚣唯有让时间去平复，在大浪淘沙后自然回归到新的常态。这也好笑，仿佛应证了阿西莫夫在他的科幻小说《最后的问题》中，高能机器人Multvac那句经典台词”there’s yet sufficient data to give a meanful answer.” （数据不足，无法作答）。人类社会的复杂度，人心的叵测、面对利益的各自小九九，碳基生命的混乱也许尚不是0和1模型和硅基机器能够解答的。
太湖蟹寄居地 