大数据大大地威胁到了我们的隐私和自由，这都是大数据带来的新威胁。但是与此同时，它也加剧了一个旧威胁：过于依赖数据，而数据远远没有我们所想的那么可靠。要揭示大数据分析的不可靠性，恐怕没有比罗伯特·麦克纳马拉（Robert McNamara）的例子更贴切的了。

麦克纳马拉是一个执迷于数据的人。20世纪60年代早期，在越南局势变得紧张的时候，他被任命为美国国防部长。任何事情，只要可以，他都会执意得到数据。他认为，只有运用严谨的统计数据，决策者才能真正理解复杂的事态并做出正确的决定。他眼中的世界就是一堆桀骜不驯的信息的总和，一旦划定、命名、区分和量化之后，就能被人类驯服并加以利用。麦克纳马拉追求真理，而数据恰好能揭示真理。他所掌握的数据中有一份就是“死亡名单”。

麦克纳马拉对数字的执迷从年轻的时候就开始了，当时他还是哈佛商学院的学生，后来，他以24岁的年纪成为了最年轻的副教授。第二次世界大战期间，他把这种严密的数字意识运用到了工作之中，当时他是五角大楼里被称为“统计控制队”中的一名精英，这个队伍让世界权力的中心人物都开始依靠数据进行决策。在这之前，部队一直很盲目。比方说，它们不知道飞机备用零件的种类、数量和放置位置。1943年制作的综合清单为部队节省了36亿美元。现代战争需要资源的合理分配，他们所做的非常了不起。

战争结束的时候，他们决定通力合作拯救濒临倒闭的福特汽车公司。福特二世（Henry Ford Ⅱ）绝望地交出了自己的控制权。就像他们投入战争的时候完全不懂军事一样，这一次，他们也不关心如何制作汽车。但是奇妙的是，这群精明小子居然救活了福特公司。

麦克纳马拉对数据的执迷迅速升温，开始凡事都考虑数据集。工厂经理迅速地生成麦克纳马拉所要求的数字，不管对错。他规定只有在旧车型的所有零件的存货用完之后才能生产新车型，愤怒的生产线经理们一股脑将剩余的零件全部倒进了附近的河里。当前线员工把数据返回的时候，总部的高管们都满意地点了点头，因为规定执行得很到位。但是工厂里盛行一个笑话，是说河面上可以走人了，因为河里有很多1950年或者1951年生产的车型的零件，在河面上走就是在生锈的零件上走。

麦克纳马拉是典型的20世纪经理人——完全依赖数字而非感情的理智型高管，他可以把他的数控理论运用到任何领域。1960年，他被任命为福特汽车公司的总裁，在位只有几周，他就被肯尼迪总统任命为美国国防部部长。

随着越南战争升级和美军加派部队，这变成了一场意志之战而非领土之争。美军的策略是逼迫越共走上谈判桌。于是，评判战争进度的方法就是看对方的死亡人数。每天报纸都会公布死亡人数。支持战争的人把这作为战争胜利的标志，反战的人把它作为道德沦丧的证据。死亡人数是代表了一个时代的数据集。

1977年，一架直升机从西贡的美国大使馆屋顶上撤离了最后一批美国公民。两年之后，一位退休的将军道格拉斯·金纳德（Douglas Kinnard）发表了《战争管理者》（The War Managers）。这是一个关于将军们对越战看法的里程碑式的调查。它揭露了量化的困境。仅仅只有2%的美国将军们认为用死亡人数衡量战争成果是有意义的，而三分之二的人认为大部分情况下数据都被夸大了。一个将军评论称，“那都是假的，完全没有意义”；另一个说道，“公开撒谎”；还有一个将军则认为是像麦克纳马拉这样的人表现出了对数据的极大热忱，导致很多部门一层一层地将数字扩大化了。

就像福特的员工将零件投入河中一样，下级军官为了达成命令或者升官，会汇报可观的数字给他们的上级，只要那是他们的上级希望听到的数字。[4]麦克纳马拉和他身边的人都依赖并且执迷于数据，他认为只有通过电子表格上有序的行、列、计算和图表才能真正了解战场上发生了什么。他认为掌握了数据，也就进一步接近了真理（上帝）。

大数据洞察

美国军方在越战时对数据的使用、滥用和误用给我们提了一个醒，在由“小数据”时代向大数据时代转变的过程中，我们对信息的一些局限性必须给予高度的重视。数据的质量可能会很差；可能是不客观的；可能存在分析错误或者具有误导性；更糟糕的是，数据可能根本达不到量化它的目的。

我们比想象中更容易受到数据的统治——让数据以良莠参半的方式统治我们。其威胁就是，我们可能会完全受限于我们的分析结果，即使这个结果理应受到质疑。或者说，我们会形成一种对数据的执迷，因而仅仅为了收集数据而收集数据，或者赋予数据根本无权得到的信任。

随着越来越多的事物被数据化，决策者和商人所做的第一件事就是得到更多的数据。“我们相信上帝，除了上帝，其他任何人都必须用数据说话。”这是现代经理人的信仰，也回响在硅谷的办公室、工厂和市政厅的门廊里。善加利用，这是极好的事情，但是一旦出现不合理利用，后果将不堪设想。

教育似乎在走下坡路？用标准化测试来检验学生的表现和评定对老师或学校的奖惩是不合理的。考试是否能全面展示一个学生的能力？是否能有效检测教学质量？是否能反映出一个有创造力、适应能力强的现代师资队伍所需要的品质？这些都饱受争议，但是，数据不会承认这些问题的存在。

如何防止恐怖主义？创造一层层的禁飞名单、阻止任何与恐怖主义有关的个人搭乘飞机，这真的有用吗？回答是：值得怀疑。想想那件非常出名的事情，马萨诸塞州参议员特德·肯尼迪（Ted Kennedy）不就因为仅仅与该数据库中的一个人名字相同而被诱捕、拘留并且调查了吗？

与数据为伴的人可以用一句话来概括这些问题，“错误的前提导致错误的结论。”有时候，是因为用来分析的数据质量不佳；但在大部分情况下，是因为我们误用了数据分析结果。大数据要么会让这些问题高频出现，要么会加剧这些问题导致的不良后果。

我们在书中举过无数谷歌的例子，我们明白它的一切运作都是基于数据基础之上的。很明显，它大部分的成功都是数据造就的，但是偶尔谷歌也会因为数据栽跟头。

谷歌公司的创始人拉里·佩奇和谢尔盖·布林一直强调要得到每个应聘者申请大学时的SAT成绩以及大学毕业时的平均绩点。他们认为，前者能彰显潜能，后者则展现成就。因此，当40多岁、成绩斐然的经理人在应聘时被问到大学成绩的时候，就完全无法理解这种要求。尽管公司内部研究早就表明，工作表现和这些分数根本没有关系，谷歌依然冥顽不化。

谷歌本应该懂得抵制数据的独裁。考试结果可能一生都不会改变，但是它并不能测试出一个人的知识深度，也展示不出一个人的人文素养，学习技能之外，科学和工程知识才是更适合考量的。谷歌在招聘人才方面如此依赖数据让人很是费解，要知道，它的创始人可是接受过注重学习而非分数的蒙台梭利教育。谷歌就是在重蹈前人覆辙，过去美国的科技巨头们也把个人简历看得比个人能力重要。如果按谷歌的做法，其创始人都没有资格成为传奇性的贝尔实验室的经理，因为他们都在博士阶段辍学了；比尔·盖茨和马克·扎克伯格也都会被淘汰，因为他们都没有大学文凭。

谷歌对数据的依赖有时太夸张了。玛丽莎·迈尔（Marissa Mayer）曾任谷歌高管职位，居然要求员工测试41种蓝色的阴影效果中，哪种被人们使用最频繁，从而决定网页工具栏的颜色。

谷歌的数据独裁就是这样达到了顶峰，同时也激起了反抗。

2009年，谷歌首席设计师道格·鲍曼（Doug Bowman）因为受不了随时随地的量化，愤然离职。“最近，我们竟然争辩边框是用3、4还是5倍像素，我居然被要求证明我的选择的正确性。天呐！我没办法在这样的环境中工作，”她离职后在博客上面大发牢骚，“谷歌完全是工程师的天下，所以只会用工程师的观点解决问题——把所有决策简化成一个逻辑问题。数据成为了一切决策的主宰，束缚住了整个公司。”

其实，卓越的才华并不依赖于数据。史蒂夫·乔布斯多年来持续不断地改善Mac笔记本，依赖的可能是行业分析，但是他发行的iPod、iPhone和iPad靠的就不是数据，而是直觉——他依赖于他的第六感。当记者问及乔布斯苹果推出iPad之前做了多少市场调研时，他那个著名的回答是这样的：“没做！消费者没义务去了解自己想要什么。”

詹姆斯·斯科特（James Scott）教授是耶鲁大学政治学和人类学教授，他在《国家的视角》（Seeing Like a State）一书中记录了政府如何因为它们对量化和数据的盲目崇尚而陷人民的生活于水深火热之中。

它们使用地图来确定社区重建，却完全不知道其中民众的生活状态。它们使用大量的农收数据来决定采取集体农庄的方式，但是它们完全不懂农业。它们把所有人们一直以来用之交流的不健全和系统的方式按照自己的需求进行改造，只是为了满足可量化规则的需要。在斯科特看来，大数据使用成了权力的武器。

这是数据独裁放大了的写照。同样，也是这种自大导致美国基于死亡人数而不是更理智的衡量标准来扩大越南战争的规模。1976年，在与日俱增的国内压力下，麦克纳马拉在一次演讲中说道，“事实上，真的不是每一个复杂的人类情况都能简化为曲线图上的线条、图表上的百分点或者资产负债表上的数字。但是如果不对可量化的事物进行量化，我们就会失去全面了解该事物的机会。”只要得到了合理的利用，而不单纯只是为了“数据”而“数据”，大数据就会变成强大的武器。

20世纪70年代，罗伯特·麦克纳马拉一直担任世界银行行长。20世纪80年代，他俨然变成了和平的象征。他为反核武器和环境保护摇旗呐喊。然后，他经历了一次思想的转变并且出版了一本回忆录《回顾：越战的悲剧与教训》（In Retrospect：The Tragedy and Lessons of Vietnam），书中批判了战争的错误指导思想并承认了他当年的行为“非常错误”，他写道，“我们错了，大错特错！”但书中还是只承认了战争的整体策略的错误，并未具体流露出对数据和“死亡人数”饱含感情的忏悔。他承认统计数据具有“误导或者迷惑性”，“但是对于你能计算的事情，你应该计算；死亡数就属于应该计算的……”2009年，享年93岁的麦克纳马拉去世，他被认为是一个聪明却并不睿智的人。

大数据诱使我们犯下罗伯特·麦克纳马拉所犯的罪行，也让我们盲目信任数据的力量和潜能而忽略了它的局限性。把大数据等同于死亡人数，我们只需要想想上文提到的谷歌流感趋势。设想一下致命的流感正肆虐全国，而这并不是完全不可能出现的；医学专家们会非常感激通过检索词条，我们能够实时预测流感重灾地，他们也就能及时去到最需要他们的地方。

但是在危急时刻，政府领导可能会认为只知道哪里流感疫情最严重还远远不够。如果试图抑制流感的传播，就需要更多的数据。所以他们呼吁大规模的隔离，当然不是说隔离这个地区的所有人，这样既无必要也太费事。大数据能给我们更精确的信息，所以我们只需隔离搜索了和流感有最直接关系的人。如此，我们有了需要隔离的人的数据，联邦特工只需通过IP地址和移动GPS提供的数据，找出该用户并送入隔离中心。

我们可能觉得，这种做法很合理，但是事实上，这是完全错误的。相关性并不意味着有因果关系。通过这种方式找出的人，可能根本就没有感染流感。他们只是被预测所害，更重要的是，他们成了夸大数据作用同时又没有领会数据真谛的人的替罪羊。谷歌流感趋势的核心思想是这些检索词条和流感爆发相关，但是这也可能只是医疗护工在办公室听到有人打喷嚏，然后上网查询如何防止自身感染，而不是因为他们自己真的生病了。