大資料預測世界盃不准

人類一思考，上帝就發笑；世界盃一來到，上帝笑得血壓也升高。 倒不是足球踢得多歡樂，而是世界盃預測太惡搞。

我略微總結了下，剔除掉貝利和大校這種聲名卓著的反向指標，煞有介事的世界盃預測大致可以分為五類：一是實力決定論，以高盛和德銀等投行為代表，將HTTP://www.aliyun.com/zixun/aggregation/ 19351.html">FIFA排名、過往戰績、近期表現、球員身價、賭球賠率、國家經濟等一系列資料綜合反映出的球隊實力作為預測依據，用計量模型計算出看上去精確至極的概率，只不過，計算結果有較大差異，比如， 高盛預測巴西奪冠，德銀則更看好英格蘭。

二是條件決定論，以霍金教授為代表，將各種客觀條件對某一球隊的表現影響糅到一個獲勝公式裡，這些條件包括球場選擇、裁判國籍、球衣選擇、陣型選擇和交通工具選擇等，只不過，這種公式的預測有效時段很短，所以在決賽還離得遠的現在， 公式還預測不出最後的冠軍歸屬。

三是流言決定論，以雅虎和微軟Bing為代表，將以億為單位的網路噪音轉化為清晰的結果信號。 雖然這種互聯網魔術看上去既科學又玄妙，甚至可以從經濟學的「預期自我實現」理論加以解釋，但總讓人聯想到古時候無論中國還是西方，帝王對童謠和吟游詩人作品的格外關注。

四是宿命歸屬論，以一則關於1966年和3721.html">2014年的時空重疊熱帖為代表，1966年，歐冠冠軍是皇家馬德里，西甲冠軍是馬德里競技，西乙冠軍是拉科魯尼亞，意甲冠軍是尤文圖斯，皇家貝蒂斯降級西乙， 2014年無一例外都是如此。 「Yesterday once more」就剩世界盃了，1966年是英格蘭奪冠，按照宿命歸屬，2014年英格蘭也將問鼎。

五是動物先知論，以章魚保羅為代表，2008年保羅預測歐洲杯6場5勝，2010年保羅預測南非世界盃8場全勝，只不過，保羅沒能活到2014年巴西世界盃揭幕，於是，烏龜、大象、熊貓等動物先知又登上了預測舞臺，只不過， 保羅的輝煌再難複製。

當然，所有這些世界盃預測或多或少都有惡搞的成分，當不得真。 但稍微嚴肅一下，細緻分析這五種方法論，除了最後一種，剩下四種都用到了大資料，這恰是時下大資料熱的一種表現。 從世界盃預測看大資料熱，三個誤區值得警醒。

首先，大資料並不能解決所有問題。 大資料是很有用的，幾乎每一個環節，包括產品設計、市場定位、目標選擇、銷售策略和模式修正，都能靠大資料來解決問題，甚至連各種和商業無關的問題，也都能從大資料這裡得到説明。 但大資料並不是萬能的，大資料能解決的都是客觀問題，而不是主觀問題。 就拿世界盃預測來說，誰能奪冠取決於多種因素，各種預測方法論本質上並無區別，只不過它們對不同決定要素賦予的權重不盡相同。 也就是說，決定奪冠的要素是什麼，這是一個主觀問題，大資料只能說明客觀的狀態，無法對夾雜重要主觀判斷的問題直接給出解答。

其次，資料並不是越大越好。 資料分析早就存在，大資料火爆卻是最近的事情，其中的區別就在一個「大」字。 從道理上講，資料種類越多、序列越長，包含的資訊就越豐富。 但值得強調的是，資訊越豐富未必就越好，當下是一個資訊大爆炸的時代，資訊越多有的時候越不利於獲知。 而且更重要的是，像世界盃預測，明顯是一個核心資訊不突出的事情，所以資訊之間反而容易形成無邏輯的衝突，這恰是預測方法論眾多，誰都不靠譜的原因。 此外，資料越大，資料處理過程中的選擇就越多，而選擇總是難以回避道德風險問題，每一個大資料分析者，都得面對為特定目標而選擇的誘惑，「有選擇的選擇」往往是大資料反而模糊了真相的潛在原因。

最後，大資料搞不定薛定諤的貓。 在盒子打開前，薛定諤的貓既是活的，又是死的，只有打開盒子這一行為，才能導致狀態疊加的坍塌，不確定性才會消失。 也就是說，在世界盃真正開始前，32支球隊都是冠軍，又都不是冠軍，只有踢起來才能見真章。 大資料分析都是基於既成事實的，它更擅長於告訴我們，世界是怎樣，而不是世界應是怎樣和將會怎樣。 在不確定性面前，大資料是無力的，所以究其根本，大資料不是用來預測的。 大資料能帶給我們的，是知識，是獲知，而不是判斷，更不是武斷，而尊重不確定性，才是正確使用知識的一部分。