今天隨便聊聊一個Susan在2017年發(fā)在Science上文章：Beyond prediction: Using big data for policy problems。Susan Athey是美國著名的經(jīng)濟學(xué)家，現(xiàn)在是斯坦福大學(xué)商學(xué)院的教授。在平臺和大數(shù)據(jù)方面的研究方面，她大概是經(jīng)濟學(xué)界林朝英這樣的角色。值得一提的是她老公Guido Imbens在計量領(lǐng)域的名聲更加蓋過了Susan在商學(xué)領(lǐng)域的名聲，大概算是王重陽。

之所以提到這篇論文是因為里面提到了一些非常有趣的關(guān)于大數(shù)據(jù)未來在產(chǎn)業(yè)經(jīng)濟領(lǐng)域發(fā)展方向的問題。眾所周知大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)的出現(xiàn)大幅提高了我們運用數(shù)據(jù)來預(yù)測的能力，比如說一個和我們生活最息息相關(guān)的方面就是許多平臺軟件會通過大數(shù)據(jù)學(xué)習(xí)來定向推送內(nèi)容（每個人打開百度搜索相同的關(guān)鍵詞，得到的結(jié)果和排序可能都是完全不同的）。

那么對于社會科學(xué)工作者而言，一個自然而然的問題就是：我們未來的發(fā)展方向有哪些是可以和大數(shù)據(jù)方法相契合的？換而言之，社會科學(xué)工作者，或者企業(yè)領(lǐng)導(dǎo)者是不是可以直接拿來主義，運用大數(shù)據(jù)來指定相關(guān)政策，優(yōu)化社會福利或者公司運營呢？

蘇三(Susan)在她的文章里面提到了現(xiàn)實生活中大數(shù)據(jù)應(yīng)用的三個方面：

• 醫(yī)療

醫(yī)療方面一個使用大數(shù)據(jù)預(yù)測的例子是：醫(yī)生希望通過大數(shù)據(jù)來預(yù)測符合哪些條件的病人更適合來做髖關(guān)節(jié)置換手術(shù)。所以他們使用機器學(xué)習(xí)來預(yù)測哪些手術(shù)候選人可能在手術(shù)后的一年之內(nèi)死亡，通過手術(shù)的風險率來確定病人是否適合做這樣的置換手術(shù)。他們的說法非常具有經(jīng)濟學(xué)意義：一個人只有通過手術(shù)能夠活得很長的時候，做手術(shù)才更有意義；如果手術(shù)之后不久就死了，還要為手術(shù)承受額外的痛苦，那可能只是一種金錢上的浪費和徒勞。

其實這是一個非常具有現(xiàn)實意義的問題，比如說面對流行病我們是不是也可以使用大數(shù)據(jù)來對不同程度的感染者采取不同的治療手段，從而使得有限資源可以最合理化的分配。

然而一個重要的問題在于，我們是不是可以簡單地通過這樣的風險分類的方式來決定手術(shù)的優(yōu)先性？同時簡單基于關(guān)聯(lián)性的機器學(xué)習(xí)結(jié)果也并無法回答更深層的問題，比如說患者之間可能存在我們看不到的異質(zhì)性問題。就目前而言我們可能并無法通過模型的預(yù)測結(jié)果來直接判斷是否某些病人可能比另一些病人更有可能引發(fā)并發(fā)癥。

回到這次的肺炎事件來看，我們?nèi)绻麅H僅從個體治療效果角度進行判斷通過大數(shù)據(jù)建立模型來決定有效的治療手段和方案，會不會忽略了個體的傳播性？比如說有一些病患可能從個體角度上來說治療的優(yōu)先級并不是高，因為他們身強體壯。但是可能這些病患恰好是極具傳播力的人，反而應(yīng)該被優(yōu)先處理。更本質(zhì)地，到底這種根據(jù)存活率來分配稀缺資源的方式是不是就是我們?nèi)祟惿鐣非蟮淖顑?yōu)方式？

• 城市發(fā)展

公共建設(shè)和城市發(fā)展是大數(shù)據(jù)方法運用的另一個重要維度。比如說一個很現(xiàn)實的問題是如果我們要在城市里面安排警察，監(jiān)察員，那么根據(jù)現(xiàn)有的人力物力，我們怎么樣分配調(diào)度才是最優(yōu)的。這是一個很現(xiàn)實的問題最新的研究成果就有顯示，如果在波士頓地區(qū)的參觀重新按照大數(shù)據(jù)結(jié)果安排衛(wèi)生監(jiān)察員的話，可能會相比現(xiàn)有的分配方式提高30～50%的監(jiān)察效率。

蘇三提出這看起來很美，但是相對而言我們也要知道機器學(xué)習(xí)的方法在預(yù)測效率可能會提高30～50%的同時，也忽略了兩個重要的因素。要使得效率提高成立的前提條件是：

1. 人類的行為不會因為資源的重新分配而變動；；
2. 即便這樣是真的，重新置換分配資源的成本也必須低于收益，不然的話政府將會缺少動力去優(yōu)化現(xiàn)有系統(tǒng)。

大數(shù)據(jù)經(jīng)常也會被用于計算城市的犯罪率，從而合理規(guī)劃警員的配置和分布。可是另一方面我們需要擔心的是一旦這種警員重新配置分布之后，很顯然也會反過來影響到潛在犯案者的行為以及犯案地點的選擇，最后可能會使得重新分配警力只是在做無用功。當然這一切因為從來沒有發(fā)生過，自然而然也不可能直接被“大數(shù)據(jù)”所預(yù)測。

• 企業(yè)決策

最后要說的例子是企業(yè)的決策，特別是平臺類的企業(yè)。2015年的時候Blake, Tadelis, Nosko有一篇著名的論文，發(fā)在了經(jīng)濟學(xué)的頂級刊物Econometrica上。經(jīng)濟學(xué)家?guī)椭鶨bay做了一個研究，主要是看Ebay通過付費搜索廣告來吸引消費者這樣的策略到底是否實際有效。之所以做這樣的研究是因為在經(jīng)濟學(xué)家介入之前，Ebay自己的團隊已經(jīng)做過這樣的研究，搜索點擊和購買行為本身相互關(guān)聯(lián)。Ebay通過機器學(xué)習(xí)的方法得到了非常驚人的結(jié)果，他們發(fā)現(xiàn)通過投資搜索廣告獲得的點擊繼而造成的銷售利潤大概是成本的1400%！

這樣的結(jié)果太過驚人，以至于Ebay自己都覺得不太可信，因為如果是真的話，那豈不是意味著只要拼命投資廣告讓更多的人通過廣告點擊進入Ebay就可以發(fā)大財？那運營企業(yè)也太容易了一些了吧。

經(jīng)濟學(xué)家們發(fā)現(xiàn)事實上造成這樣的機器學(xué)習(xí)結(jié)果的重要原因是大部分點擊廣告人的確會在點擊廣告之后購買Ebay的產(chǎn)品，但是這可能本身就是一種因果錯連。主要并不是因為點擊所以才想買，而是想買所以才會點擊。在矯正了這樣的偏誤之后，他們重新估計了廣告投入帶來的收益，發(fā)現(xiàn)事實上廣告投入帶來的平均回報是-69%而不是1400%。

大數(shù)據(jù)的發(fā)展的確很大程度上拓寬了人文社科領(lǐng)域的研究界限，但是作為方法的使用者來說，我們也更應(yīng)當對于新方法的使用抱有謹慎的態(tài)度。不但要知其然，也要知其所以然，正確解讀大數(shù)據(jù)預(yù)測的結(jié)果事實上深度依靠對于數(shù)據(jù)本背后產(chǎn)生數(shù)據(jù)的人的行為決策的深入了解，以及方法本身背后隱含的假設(shè)條件。

正如Susan的丈夫重陽真人Imbens所說：除了隨機試驗以外，所有的因果判定都是基于分析者對于預(yù)測模型的合理假設(shè)才能成立。

文章標題：大數(shù)據(jù)除了預(yù)測還能干啥
URL鏈接：http://aaarwkj.com/news29/100329.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供小程序開發(fā)、Google、搜索引擎優(yōu)化、網(wǎng)站改版、微信公眾號、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)