本文来自微信公众号：数据杂志（ID：DataMagazine），作者：数字观察员，题图来自：《老友记》剧照

Uber（优步，一家美国硅谷科技公司开发的打车APP，类似我们的“滴滴”），官网曾发布一篇名为“荣耀之旅（Rides of Glory，RoG）”的推文。

文中写到，“我们知道，我们（优步）不是你此生唯一的热爱，我们也知道，你们会在什么地方寻找“爱” （we know we're not the only ones in your life and we know that you sometimes look for love elsewhere）。” 

什么意思呢？

简单说，就是Uber利用大数据分析，推算出用户经常在哪里一夜情。

他们筛选出在晚上10点到凌晨4点之间的用车服务，并且这些客户会在四到六小时之后，在距离上一次下车地点大约1/10英里（约160米）以内的地方再次叫车。

根据初筛数据描述性分析之后，Uber推断出那些发生一夜情的时间和地点，并将这些地点在纽约（NYC）、旧金山（SF）、波士顿（Boston）以及其它美国城市的地图上进行标注，得出一夜情频繁的高发区。

结果发现，波士顿位居美国“一夜情”榜首，而纽约人则显得相对“保守”，“一夜情”的发生率是波士顿的1/5。

在时间节点上，一夜情的高频发段是在周五和周六晚上；

如果伴侣频繁在这个时间段称自己工作忙在加班，那……

Uber此举确实引发了很多关注，但同时也因严重侵犯了用户隐私，遭到客户和媒体的斥责投诉及相关部门的审查严办。

抗议以后，Uber迅速删除了这篇博文。

“每个硬币都有两面”，大数据技术一方面不断地协助产品优化用户体验，另一方面却在网民的每一个指令间深挖用户习惯与隐私。

怎样观察数据的“两面”，而不是被其中一面左右，愚人节（今天），一起来看“数据”是如何“骗人”的。

一、选择误差，n≠ALL（所有）

波士顿市政府推荐市民使用一款手机应用软件：“颠簸的街道（Street Bump）”。

这个应用程序，可利用智能手机中内置的加速度传感器，来检查出街道上的坑洼之处。在路面平稳的地方，传感器加速度值小，而在坑坑洼洼的地方，传感器加速度值就大。

Street Bump截图

市民只要下载并打开应用程序，开着车、带着手机，人人皆是义务兼职的市政工作者，而真正的相关工作人员只需打开电脑端软件，就能一目了然的看到哪些道路损坏严重，哪里需要维修。

理想是丰满的，而现实是存在偏差的。

软件在设计之初遗漏了一些细节，造成了选择误差，比如：

• 用户年龄结构偏年轻化，因为使用智能手机的中青年较多，而拥有一辆车的年轻人却却较少

• 有多少人愿意为了标记城市坑洼地在开车前习惯性打开Street Bump软件

• 那些没有完善市政服务的偏僻之地反而是“颠簸的街道”最密集的地方，而那里的人们有多少同时拥有智能手机和私家车

样本n≠ALL（所有）。有些数据只是“有些”数据，更适合在限定条件下做分析，不适合以偏概全。

讲个笑话：

Facebook分析恐怖份子的网络行动数据，与所有美国人的网络行动数据做对比，想以此筛选定位出恐怖份子，结果发现美国遍地是恐怖份子。

二、偏差

二战时，英国发现从战场回来的飞机，机身上的弹孔比引擎和油箱上的弹孔要多得多。因此，很多人主张要在机身上加防护装甲。

事实上，能飞回来的都是“幸存者”，那些在引擎和油箱上中弹的飞机已经回不来了。

所以，更应该在引擎和油箱上装防护装甲。

像这样，眼中只有“幸存者”数据而产生的统计偏差，称为幸存者偏差。

“举个栗子”：

比尔·盖茨（微软创始人）、迈克尔·戴尔（戴尔创始人）、扎克伯格（Facebook创始人）、都是大学辍学创业，因此很多学生也吵着要辍学创业。

事实上，“他们”只是“幸存者”。而只看到了他们成功创业的案例样本即是幸存者偏差。

愚人节，数字观察员祝大家大智若愚……

本文来自微信公众号：数据杂志（ID：DataMagazine），作者：数字观察员