現(xiàn)在，就看Netflix真正用大數(shù)據(jù)算出的下一部自制劇是否會大紅大紫了。亦或僅僅是個(gè)牽強(qiáng)的附會。
Part 4：失效的法則
谷歌在2008年推出的流感趨勢系統(tǒng)監(jiān)測全美的網(wǎng)絡(luò)搜索，尋找與流感相關(guān)的詞語，比如“咳嗽”和“發(fā)燒”等。它利用這些搜索來提前9個(gè)星期預(yù)測可能與流感相關(guān)的就醫(yī)量，這個(gè)案例被當(dāng)成大數(shù)據(jù)應(yīng)用的一個(gè)經(jīng)典案例。
但是，沒有人關(guān)注這個(gè)事情的然后，真相是這樣的，在過去3年，該系統(tǒng)一直高估與流感相關(guān)的就醫(yī)量，在這類數(shù)據(jù)最有用的流感季節(jié)高峰期尤其預(yù)測不準(zhǔn)確。在2012/2013流感季節(jié)，它預(yù)測的就醫(yī)量是美國疾控中心（CDC）最終記錄結(jié)果的兩倍；在2011/2012流感季節(jié)，它高估了逾50%，原因可能是媒體對于流感流行的報(bào)道會增加與流感相關(guān)的詞匯的搜索次數(shù)，進(jìn)而影響Google的預(yù)測。
很多案例剛開始看起來很驚艷，但看久了，不僅僅會審美疲勞，美人自己也會遲暮，總要變化的看數(shù)據(jù)，未來大數(shù)據(jù)的例子也需要與時(shí)俱進(jìn)。
Part 5：有偏的樣本
在1936年美國總統(tǒng)選舉前，一份頗有名氣的雜志（Literary Digest)的工作人員做了一次民意測驗(yàn)。調(diào)查蘭頓（A.Landon)(當(dāng)時(shí)任堪薩斯州州長）和羅斯福(F.D.Roosevelt)(當(dāng)時(shí)總統(tǒng)）中誰將當(dāng)選下一屆總統(tǒng)，為了了解公眾意向，調(diào)查者通過電話簿和車輛登記簿上的名單給一大批人發(fā)了調(diào)查表（注意在1936年電話和汽車只有少數(shù)富人擁有）。通過分析收回的調(diào)查表，顯示蘭頓非常受歡迎，于是此雜志預(yù)測蘭頓將在選舉中獲勝。實(shí)際選舉結(jié)果正好相反，最后羅斯福選舉獲勝。
為什么會產(chǎn)生這種預(yù)測失誤呢？原因在于《文摘》所選的樣本限定在了擁有電話薄和車輛登記簿的一群人身上，但是在那個(gè)年代，有能力購買電話和訂閱雜志的人并不能真正代表選民．至少在經(jīng)濟(jì)上，他們是極特殊的，是有偏差的，你們是要負(fù)責(zé)任的。又比如今年春節(jié)爆料的男人比女人更孝順的言語，都是有偏樣本的典型。
幾年前，一個(gè)叫做可尼斯博士(Dr．Cornish)的牙粉上市了，并宣傳“在治療臼齒方面獲得了極大的成功”，因?yàn)樵撗婪壑泻心蛩?，而?jīng)過實(shí)驗(yàn)室的證明，尿素對于治療臼齒有極大功效。然而，值得一提的是，實(shí)驗(yàn)室的結(jié)論完全先入為主而且僅僅建立在6個(gè)案例之上，沒有披露的數(shù)據(jù)其實(shí)很可能是經(jīng)過人為操縱的數(shù)據(jù)，當(dāng)數(shù)據(jù)的樣本量越小最終的結(jié)果就越多變，然后在眾多的結(jié)果中選擇有利于自己的一種，就可以誘導(dǎo)公眾進(jìn)行我們所期待的行動(dòng)。
統(tǒng)計(jì)抽樣，總要隨機(jī)化和足夠的數(shù)量，這是基本的原則，任何發(fā)布數(shù)據(jù)的單位，總要披露統(tǒng)計(jì)的方式，我們有權(quán)利知道，否則，就值得懷疑。
Part 6：欺人的算法
最有欺騙性的的例子莫過于統(tǒng)計(jì)學(xué)中著名的辛普森悖論，看看來自斯坦福講義里的一個(gè)簡單例子（http://plato.stanford.edu/entries/paradox-simpson/#Causation）。某大學(xué)歷史系和地理系招生，共有13男13女報(bào)名。
Men Women
History 1/5 < 2/8
Geography 6/8 < 4/5
University 7/13 > 6/13
歷史系5男報(bào)名錄取1男，8女報(bào)名錄取2女。地理系8男報(bào)名錄取6男，5女報(bào)名錄取4女。分析數(shù)據(jù)，會發(fā)現(xiàn)以下問題：
（1） 整個(gè)學(xué)校統(tǒng)計(jì)，男生錄取率（7/13）高于女生錄取率（6/13）
（2） 但是，按系統(tǒng)計(jì)，每個(gè)系的女生的錄取率卻都高于男生錄取率。歷史系女生的錄取率（2/8）大于男生錄取率（1/5）。地理系女生錄取率（4/5）也高于男生錄取率（6/8）。
你有沒看出來問題？
英國政府 2015 年開始同意讓父親和母親共休產(chǎn)假。但一年后的統(tǒng)計(jì)數(shù)據(jù)卻顯示，只有 1% 的父親選擇了休假。BBC、《衛(wèi)報(bào)》等各大媒體報(bào)道之后引發(fā)強(qiáng)烈社會反響。真的是這樣嗎？原來，這個(gè) “1%” 的分母不是“有資格休假的父親”，而是“所有男性”。有人指出，如果這么算，即使當(dāng)年所有新生父親都選擇休假，調(diào)查得到的數(shù)字也只不過是 5%。
很多時(shí)候，讓一個(gè)數(shù)據(jù)變大變小很簡單，分母上口徑上動(dòng)點(diǎn)手腳，什么目標(biāo)都實(shí)現(xiàn)了。數(shù)字不會說謊，但說謊的人會想出辦法。
Part 7：畫圖的伎倆
在顯示趨勢時(shí)，直線圖形非常有用。而對于趨勢，人們總是津津樂道于發(fā)現(xiàn)它、分析它，甚至預(yù)測它。下面，我們將用圖形來顯示國民收入怎樣在一年內(nèi)實(shí)現(xiàn)了10％的增長。