大數據的陷阱
    14年李娜再度奪得大滿貫，超越了張德培的華人大滿貫紀錄，非舉國體制下的奇跡造就了舉國的愉悅。在總結李娜成功因素的時候，也再次看到了這樣的言論，“是大數據起到了重要的作用”。早在2013年美網期間，就有媒體說大數據深度介入賽事、顛覆體育的時代來臨了。但在仔細看過了相關材料后，我們可以發現，大數據的作用僅僅是囿于賽事的外圍，比如觀眾體驗；并不能夠輕易得出大數據在提升球員自身比賽能力方面會發揮顯著效果的結論。這次李娜奪冠，最靠譜的解釋就是李娜在卡洛斯的幫助下提大大提升了心理層面的戰斗力?？梢哉f在技術層面領先的前提下，李娜在整場比賽中很好地克服了節奏的問題，也就是說她具備了一顆冠軍的心臟。而目前所說的大數據，無非是告訴球員一些不算具體的技術指標。在個人競技比賽中，高手之間心理素質的較量遠遠重要于技術的比拼，否則也不會有“爆冷”一說?？梢哉f，體育比賽的最大魅力就在于那些無法預知的“黑天鵝”。
    2012年9月6日，代表亞洲網球至高水平的中國選手李娜在美國迎戰名將小威廉姆斯。當時，IBM公司在綜合了美網過去8年的全部比賽數據之后，為參賽球員制定了“Keys to the match”的比賽制勝策略。李娜一方獲得贏球的關鍵包括3個指標：1、一發得分率超過69%；2、4-9拍相持中得分利率要超過48%；3、發球局30-30或40-40時得分率要超過67%。比賽結果是，李娜潰敗。比賽結束后，IBM高調地宣布李娜僅僅完成了三項制勝策略中的一項，而小威廉姆斯則完成了自己三項制勝策略中的兩項。于是，很多人就順著IBM的思路去問，李娜為什么不照著IBM的策略去打球？
    美國著名的博客納特·西爾弗在《信號與噪音》中提出了一個命題，數據究竟是對于我們的未來有所幫助的信號，還是毫無意義的噪音。西爾弗成名于奧巴馬選舉期間。當時，奧巴馬和羅姆尼的選戰正在膠著，人們都看不出來誰有可能獲勝。西爾弗用棒球的統計方法得出結論，奧巴馬必勝。這一準確預測讓他名聲大噪。但是，西爾弗很快就開始反思，利用大數據獲得成功預測的案例遠沒有失敗的多。為何？為什么911的時候，美國政府會忽視將要有恐怖襲擊的信息，就像當年的珍珠港事件一樣？為什么握有大量數據的經濟學家預測不出來經濟危機？為什么美國職業棒球大聯盟中，球探依然無法被數據所取代？
    西爾弗在書中寫到：“自從有了印刷機，我們的世界已經經歷太多。信息不再那么稀有，我們擁有的信息太多，甚至多到無從下手，但是用的信息卻寥寥無幾。我們主觀地、有選擇地看待信息，但對信息的曲解卻關注不夠。我們以為自己需要信息，但其實我們真正需要的是知識?！?/span>
    西爾弗的話已經說得很清楚，人的主觀愿望是決定看到信號還是聽到噪音的關鍵因素。當美國情報部門收到種種美國即將遭到恐怖襲擊的信號時，他們并沒有采用相關性思維將其聯系起來。2010年，一位民主黨議員給西爾弗打電話，讓他告之自己能否保住席位。西爾弗說你有99%的機會，你應該把自己的競選基金捐獻給民主黨相對弱勢的地區，可是，這位議員并不愿意為了1%的風險去幫助別的議員。
    當當事人的主觀愿望不積極的時候，大數據對他們來說不過是噪音而已。同樣，數據也會因為主觀意愿具有欺騙性?！顿€神》中，周潤發扮演的賭神一直有一個轉戒指的習慣。對手通過觀看大量的錄像發現了這一動作，并認定當賭神轉動戒指的時候，就是他出千的時機。結果，在一場生死之戰中，賭神欺騙了所有人。他在轉動戒指后并沒有出千，結果導致對手崩潰。如果按照今天的觀點來看，對手在進行數據分析的時候，過于強調了直接的因果性，模型中缺少了變量。這個最大的變量就是當事人的心理狀態。
    這也是西爾弗一再強調的。西爾弗是美國本土知名的棒球統計專家，他打造的PECOTA系統被認為是最權威的棒球比賽統計工具。就在《點球成金》一書在美國大紅大紫之后，球探這個職業一度陷入低谷，各個球隊都瘋狂地迷戀上了數據。然而，西爾弗認為事實證明，球探最后還是擊敗了數據。
    數據系統的判斷依賴的是歷史數據，而球探除了依賴歷史之外，還要依賴于現場判斷。西爾弗舉了紅襪隊明星佩德羅亞的例子。他說數據系統告訴自己，佩德羅亞會是很有潛力的新星。事情的發展也如他所料，但是當西爾弗靠近佩德羅亞的時候，才發現，佩德羅亞堅定的信念和專注力才是決定他在場上可以出色發揮的關鍵。而這兩點，都是數據系統無法感知的。
    說回到IBM為大滿貫球員打造的制勝策略上。在和幾位國內資深的網球評論員交流之后，發現大家對這個所謂的大數據系統除了覺得好玩之外，并沒有實用的價值。首先，這套系統不能預測。其次，這種依賴于歷史數據得出來的結論，早已被球員的教練團隊爛熟于胸。對于李娜來說，教練員的任務不是把這些數據告訴她以便進行針對性訓練，而是側重于心理輔導。
    而且，若要IBM為李娜設定的三個指標都達標的話，需要兩大因素支持。首先是李娜的臨場心理狀態。打球不比下棋，想到的可能做不到。其次，在于對手的壓迫程度。面對小威這樣的力量型選手時，李娜的發揮空間會被大大壓縮。而這兩大因素又是緊密聯系在一起的。
    我們很多時候都會被誤導，認為大數據的作用是讓歷史告訴未來。不然。甚至在網球這樣的領域里，歷史數據常常會成為陷阱。大數據之大，一方面在于原始數據庫的規模之大，更在于實時流動量之大、數據來源之大。就像西爾弗所言，一個好的棒球預測系統必須具備三大要素：考慮球員表現的外在因素；區別看待運氣和技術因素；了解球員的表現和年齡變化之間的關系。
    有意思的是，在另一場女子網球比賽中，一位球員做到了IBM為其制定的三項指標中的兩個，她卻失敗了。勝利的一方，只完成了一個指標。數據分析師培訓