“毒大米和死麻雀的大数据逻辑：关注关联性却忽”

本篇文章1733字，读完约4分钟

大数据走低，不可靠的指数也在上升。 马继华在这个问题上举了毒米和死麻雀的例子，就是提醒那些埋头于大数据解体的人，不要忽视那些没有得到或者没有准备却得到的部分

【it时代杂志编辑】大数据衰退，不可靠的指数也在上升。 马继华在这个问题上举了毒米和死雀的例子，是为了提醒那些埋头拆大数据的人，不要忽略没有获取能力或者没有准备却获取了的部分，不要过于关注关联性，不要跳过因果论的步骤 往往，成见会导致整个数据观察的浪费性。

首先，据说麻雀吃了有毒的大米中毒死亡。

之后，专家说:“专家认为麻雀可能是吃多了而死的。”

之后，有人散布谣言。 “没有人说麻雀死了。

之后，有人造谣说大米没有毒。

再后来，有人造谣说，大米还没有卖出去，卖出去的东西全部收回来了。

而且之后，虽然一部分大米没有被回收，但也有人散布谣言说大米确实没有检测出有毒性。

我们已经稍后来了。 因为这个故事还没有结束。 而且，即使人为地明确终结，好事者也不认为事件就这样结束了。

这次毒米和死雀的事，看起来流言四起，其实是典型的大数据观察实践，可见盲目的所谓大数据观察是多么容易误导公众。

1 .麻雀都找到了吗？

我不知道是谁在现场清点了数量，但当时吞噬大米的肯定有20只。 如果有很多，哪些麻雀去了哪里，为什么这些麻雀没有死？

据说我们进行了大数据观察，常常得到了所有的数据，但实际上只有可以得到的部分，就是我们没有能力或者没有准备得到的部分，但是对于我们最终的解体结论来说是很大的 当时，在美国总统选举中，那本著名的《文学文摘》获得了240万网民的投票意向，但最终预测失败，相反盖洛普以5000个小样本预测成功，也是这个原因。

2 .这20只麻雀是吃了大米的麻雀吗？

麻雀是否吃了米，应该比较容易验证，但是否正好吃了这堆米，有点困难。 当然，如果时间短的话，即使验证也应该可以确认。 总之，确认米和麻雀的关联性。

大数据观察首先要确认事物的关联性，而且要密切相关，一对一直接相关。 如果只是把不相关或者可能相关的东西放在一起分解的话，最终的结论可能会很无聊。 例如，有人在中央电视台《信息联播》结束时连续观看太阳落山，由此得出结论，太阳落山与信息联播结束有关。

3 .麻雀的死是因为吃了米吗？

麻雀死了是事实； 麻雀死之前吃了大米也是事实。 可以说麻雀的死与米有关吗？ 也不能得出结论。 需要在麻雀的死亡和吃米之间建立准确的因果关系。 也就是说，我们需要找出麻雀死亡的死因。 而且，这个死因是米的毒药。

大数据观察关注关联性，甚至无视因果关系，但这种关联性往往需要因果关系的支撑。 如果是关联密切的直接关联，一定会发现某种因果关系，或者排除某种因果关系。 我们要做大数据观察，不要单纯的关联下结论，而要通过严密的因果论，认真被采用。

4 .麻雀的死是因为吃了毒米吗？

严格来说，麻雀确实有可能因为吃太多米而死。 我们不能完全排除这种可能性。 所以，专家的话实际上是有道理的。 即使认定麻雀的死是毒米造成的，那毒药是怎么来的，是在大米生产中，还是有人下毒？ 当然，这是公安部门的责任。

我们只有发现大米有毒，而且大米有毒足以杀死麻雀，麻雀也确实吃了这些米，才能得出结论，但实际上舆论抛弃了这些逻辑，从中国的食品安全惯性开始思考

大数据观察可能会发现很多关联，但这些宝贵的发现可能很多都没用。 另外，有些东西是没有意义的。 我们有必要深入分析那个。 特别是，需要建立一套可证实的逻辑。 通过那个，可以找到对我们来说重要的线索。 但是，我们不想使用mece方法。 我不想考虑所有的可能性。 容易被认为有成见。 这个期间容易成为误判的首要原因。

【it时代杂志编辑后】最近有一个很有趣的论调。 数据推测，东道主巴西在世界杯上的胜算很大。 计算出这个结果的是大数据观察模型，在综合历史表现和最近伤病等因素的基础上，冠军概率排在前三位的是巴西、阿根廷、德国。 看到这个结果，很多粉丝相信眼镜会掉下来。 因为，从目前进入四分之一决赛的8支球队来看，巴西怎么看都不是有冠军气质的球队，阿根廷太依赖梅西了，似乎走不了更远的路。 数据计算更可靠还是运气更重要？

作者马继华关注移动互联、醉数据观察。 微信公众平台:北国骑士