有人認為，數據科學就是創建可用來預測的模型。這句話可以這樣理解：我們有了數據，探測發展模式，把這些再應用于預測未來，獲得結果。這個邏輯說得通，其背后的理論，我們稱之為統計。

整個歷史長河中，有關預測的代名詞先后涌現，比如數據挖掘、分析、商業智能、運籌學、新興的數據科學。不過在這里我們沒必要深究統計與數據科學之間是否能劃等號，也大可不必對數據信息獲取的無數流行詞吹毛求疵。今天筆者想聊點兒別的。

你無法預測未來，這一點毋庸置疑，但你依然試圖在用圖表樂此不疲地做著預測。你認為數據中一定存在些信息，有偏差的“地圖”總比沒“地圖”強吧。

在NassimTaleb最出名的一本書中，他借助隱喻說明人類之前對于預測未來的了解經不起推敲。多個世紀前，人們不相信這世上有黑天鵝的存在，因為從未有人見過。直到第一批探險隊伍抵達澳大利亞，他們發現原來也會有黑色的羽毛。

單一只黑色家禽讓多年存在的“白天鵝定律”不攻自破。哲學家Karl Popper（1902-1994）認為科學是徹底糾正理論的事業。Popper認為理論只可能是錯的，我們會需要無數證據驗證理論是否實事求是，但這不太可能。

黑天鵝事件不能被預測

你可能會說“這算個什么哲學，這也太糟糕了！”讓實踐來說明一切吧！看一下國際貨幣基金組織2020年1月份的GDP增速預測：

2020年1月IMF的GDP增速預測

這里是8月份的預測數據：

2020年8月IMF的GDP增速預測

他們怎么做到的短短幾個月就可以迅速改變預測？2019年12月31日，中國報道了武漢“連續幾件不明原因疫情”，幾周后被稱之為COVID-19，世界衛生組織將其升級為全球性流行病。由于該疾病會人傳人，整個世界的經濟會因此受到了影響。

國際貨幣基金組織是預測經濟的一個前沿機構，它傳達的信息變化非常快，會讓你對任何預測產生懷疑。假如你碰巧是所謂的“數據科學家”，希望你在預測時也持有懷疑的態度。

你也許會認為IMF從來沒打算準確預測未來，他們僅僅預測未來可能出現的情況從而幫助決策制定者。我同意你的說法，但關鍵是是穩增經濟有過山車式發展的風險并未考慮在內。

IMF“單純預估”會讓決策制定者在未來幾個月中錯過最關鍵的信息。IMF并非沒有能力預測或故意使壞，而是無法預測。這正是Taleb 想傳達的：我們無法預測最重要的事件，因為沒有消息指向。數據也不難獲取，只是答案根本不在那！

對于黑天鵝事件，就算是數據也幫不了你。

為什么我還不富裕？

股市幾乎完全預測了近期的五次衰退。如果你還在臣服于數據科學的魔力，趕緊停下來吧。把時間投資在更容易獲利的領域：股市。

股市對數據科學家來說是一個再好不過的環境了。有無數需要計算的數據，這些不僅是公共的資源，格式也正確。實際上，一些機器學習的文字介紹會將股市作為主要對象，建立最好的模型。

如果你的預測準確，就會贏得一大筆錢。拋售下行股票，買上行股票。很不幸，這不太能實現，我打賭。

根據S&P 的觀點（一家追蹤全世界平均股價的企業），“從以往來看，主動式管理基金在短期核長期以來不如基準”。主動式管理基金需要工作人員預測市場趨勢，告知大家要賣哪個或買哪個股票。即便如此，他們也無法超越基準，所以只購買每只股票的一小部分來獲取平均回報的人會更占優勢。

用歷史數據預測股市是貿易中的傳統，這種方法屬于技術分析。這個話題存在爭議，時至今日一些人非常信誓旦旦地認為這個方法奏效。他們認為市場中有這樣的趨勢，許多億萬富翁的財富都要歸功于數據信號的利用。

也許這是對的。或許股市中確有趨勢，但80%的公司無法利用此途徑，哪怕信息是真的，因為舊潮流后會有新的出現。事實證明世界是不斷變化的，萬事萬物變化得飛快，所以任何預測都無濟于事。

數據科學無法預測股市是真實情況。將“股市”變為“公司收益”、“客戶選擇”或其他老板讓你預測的利益點，你還會認為自己預測的數字是好的嗎？我們無法預測最重要的事情，哪怕這些事即將發生，小概率事件即使可以預測也提不出什么有價值的信息。

數字和敘述

未來無法預測，但可以被創造。

就像我之前提到的，商業環境下從數據中抽取信息的歷史長達整整兩個世紀。所以我們就該預測到所謂正常情況下發生的事情。一個人必須是其領域中是最好的預測者，我們才會稱之為專家。

Philip Tetlock開展了調查，想了解專家是否真的需要預測未來重要的事情。沒有成績的人如何能稱之為專家呢？我認為，就算這些人不擅長預測，也是善于編造故事的，只挑選最有用的信息然后另創一個故事，這足以讓很多人信服。

專家們都很謹慎，不會做一些容易被推翻的預測，不會告訴你準確的時間。他們一般會說“未來的路很難走”，怎么個難法留給大眾去自行解讀。

我們可以用數字撒謊。在數據科學家眼中，這不是需要解決的重要問題，而是他們工作的一部分。他們是在講故事，現在用數字說服人也是一種技巧。或者用我最喜歡的TED講者的話說，“再添幾行，我會給你提供更多的數字”。

任一家公司的員工都會被要求做出成績。在特特洛克看來，數據科學家很容易成為“專家”。在企業政治游戲中，一些分析師會運用各種編故事的技倆呈現最佳預測，即便是錯誤的關聯、沒有預測的能力，而且比不過測試數據集。

如果你從數據科學家那里得到了預測的話，問問你自己：這些數字在告訴我一些重要的事嗎？還是特定程序給你呈現想要的結果？

事實如此不便多說，學術研究登記之前是有協議的。研究人員需要先提出問題再尋找答案，否則數據提示的信息都有可能成為答案。至少你要知道這些數字可能什么也說明不了，哪怕是背后的模型設計得再精密。

總結

錯誤不代表完全沒有價值，有用的東西蘊含在其中。在每天工作結束的時候，數據科學家給公司創造的價值就是：

· 沒有預測重大事件或意外發生的事件——比如黑天鵝。

· 就算沒有意外發生，數據中一定有一些重要的模式，這些模式可能無法繼續利用，畢竟世界在變化——比如主動式基金。

· 即使某種方式會不斷受用，預測結果可能只是個美好的謊言——比如“那些專家”。

不是說數據科學家沒必要存在。我們會定決策，但得看是基于金錢還是數據，我傾向于后者。數據科學家越被鼓勵進行實驗，找到錯誤的速度就越快。

但如果你相信了宣傳語投身數據的話，就大錯特錯了。獨角獸企業這么做沒問題，因為首先，關聯并不代表因果；其次是無需為那些迷信數據圣經的公司的失敗負責，用Taleb的話來說，這些公司深陷數字教條爬不出來了。

你可能覺得筆者有點兒偏激了，但我的目的在于：把你帶離數據驅動的烏托邦世界。數據科學并非靈丹妙藥，它也有許多缺點，需要抱有懷疑態度，請跳出迷信理解數據科學。