用大數據來判定你的人品

電腦的作用可不僅僅是讓你解決復雜的數學問題和播放萌貓視頻，隨著計算機技術的發展，它將能夠判別出我們的為人，也許我們要為此感到慶幸。

一家名為 Upstart 的公司在過去的 15 個月中已經向那些幾乎沒有信用評級的人們借出了 1.35 億美元。這些人大多是剛剛畢業的大學生，他們沒有可抵押的資產、汽車，也沒有相關的信用卡記錄。

通常貸款機構會用上述指標來為一個人進行信用評級，以此判定他們是否能夠獲得貸款資格。然而這些年輕人剛剛踏入職場，還沒有為自己建立起這一套用于判定信用等級的依據。因此 Upstart 轉而參考了這些人的 SAT 得分、學校背景、所學專業以及在校平均成績。這家公司需要參考的指標與公司對于錄取新員工所做的背景調查差不多，除此之外他還會評估申請者的人格特質。

「如果兩個人擁有同樣的工作和同樣的生活背景，比如都已經有孩子，相比之下那個在校時取得了更高 GPA 得分的人更有可能在五年之后還款?！筓pstart 的聯合創始人與產品主管 Paul Gu 解釋道，「這無關于你的支付能力，它謹代表了你對于履行自己的義務是否看重?！?/span>

這種判定方法已經通過數據得以驗證，那些會反復檢查作業以及為了應對突擊測試而額外花時間學習的人更有可能履行自己的債務。

Upstart 會通過數據分析和面對面交流來判定一個人的償債能力?！肝也履憧赡軙⑦@些特質稱作性格特征，但是我們并沒有使用這種標簽?！鼓陜H 24 歲的 Paul 向我們解釋道。

擁有看重自己所承擔義務的人格特質不僅能使人進入更好的學校，取得更好的成績，同樣也會讓其看重自己的債務問題。ZestFinance 的創始人 Douglas Merrill 是谷歌公司前高管，他的公司也會通過一些非標準化的數據來判定是否要給一個借款人提供貸款。

Zest 公司的一個常用指標就是該人是否曾經放棄過一個預付費的手機號碼。人的居住地變化不定，在找人的時候手機號碼相比居住地址更加可靠。放棄了一個常用號碼可能意味著你想要（或者不得不）逃避家人與潛在雇主的聯系，這對于個人信用來說是一個糟糕的信號。

Zest 最近將業務拓展到那些「次優」借款人中，這些人可能是從最優借款人分類中跌落，也可能是從次級貸款借款人目錄中得以提升。Zest 公司所面臨的問題就是找出這些人為什么信用評級發生了變動，并且想要從中找出那些潛在的可靠的借款人?；蛟S他們評級發生變化只是因為運氣糟糕，比如承擔了一次額外的醫藥費支出。

「『性格』這個詞內涵豐富，一個人是否擁有還款能力和是否愿意還錢之間存在著本質的區別?！筂errill 進一步說明道，「如果僅僅是看金融機構提供的流水數據，你難以看出一個人是否具有還款意愿?！?/span>

Merrill 擁有心理學博士學位（他從普林斯頓大學畢業，從這點來看 Paul 應該是想要借錢給他的），他認為數據驅動的人格特質分析相比標準化的評判指標要更加公平。

「我們總是用各種方法來評判別人，但是如果沒有數據支持，我們就是依靠自己的選擇性偏見來做出判斷。我們的判斷通常來自于自身的認識，這通常就意味著人們總是會偏愛那些與自身相似的人?！估檬煜じ衼磉M行風險管理非常原始的方法，這種方法得出的結果有失公平。

一個人的性格特征（我們通常會選擇更為中性的詞來表示相同的意思）如今已經可以由許多算法來完成判定。一家名為 Workday 的公司提供基于云端的性格分析軟件，該公司發布了一款包含 45 項員工績效指標的產品，其中包括了一個人在同一職位上工作了多長時間，以及他們的工作業績如何。該軟件中的指標可以用于預測一個員工離職的可能性，并且還能對于如何留住這類員工提供合適的參考建議，比如是給他換個新工作還是進行崗位調整。該產品還能夠判斷出主管經理是否具有留住人才能力，并且將其分為「人才大師」和「人才終結者」。

在 Workday 公司內部他們會使用該軟件產品分析自己的銷售隊伍，并試圖找出一個成功銷售員的決定因素，結果發現造就成功銷售員的首要品質就是堅韌不拔。

「在決定是否要雇傭某人或者晉升某人時，我們都會有著自己的偏見?！筗orkday 公司技術策略主管 Dan Beck 如此解釋道，「如果你能夠使用客觀的數據去糾正這種存有偏見的判斷，自然是極好的?！?/span>

Dan Beck 認為人們研究這些性格特征將會鼓勵自身向這些好的品質看齊，因為「如果你知道一種指向成功的模式，那么為什么你自己不接受這種模式呢？」

從某種意義上來看，從數據中研究成功者的性格與行為特征與看名人傳記尋找其成功的線索沒有什么區別。只不過數據研究這種方式其范圍要廣得多，因為它的基礎建立在觀察每一個人的行為方式之上，而不像名人傳記僅僅從個案研究入手。

我們有理由相信基于數據分析的性格特質判斷會更加可靠。斯坦福大學計算機科學教授 Jure Leskovec 完成了一項對比研究，其內容是將數據分析的預測結果和與法官保釋聽證會的結果作比較。在保釋聽證會中法官們只有短短幾分鐘去評判一個囚犯是否應該獲得保釋，其結果是否會存在著危害社會的風險。據 Jure Leskovec 介紹，研究早期結果顯示，依據數據分析的預測結果在預防犯罪上相比依靠法官個人經驗判斷獲得了 30% 的提升。

「算法是客觀的，偏見來源于人心?！筁eskovec對其研究進行了總結。

然而這同時道出了很真實且重要的一點：任何算法都不是從天而降的。算法是由人寫出來的，即使通過算法得出的結果并無偏見，但是在設計算法的過程中可能偏見已經存在其中，我們最終可能會接受一種有缺陷的信念即數學計算得出結果的永遠符合事實。

Upstart 公司的創始人 Paul 表示他擁有完美的 SAT 得分，但是卻從耶魯輟學了，如果按照他自己最初設計的算法，連他本人也無法從 Upstart 公司獲取貸款資格。據此他改變了對于算法的設計，因為他意識到了在今后工作中所承擔的責任。