DT君先來介紹一下主講人：Gary King是哈佛大學(xué)的校級教授（University Professor）。King教授以實(shí)證研究知名，擅長量化研究，其研究涉及政治學(xué)、公共政策、法學(xué)、心理學(xué)和統(tǒng)計(jì)學(xué)等領(lǐng)域。
以下是Gary King 教授演講實(shí)錄（有刪節(jié)）：
我工作的領(lǐng)域叫做量化社會科學(xué)（Quantitative Social Science），有時(shí)，它有一個(gè)別稱，叫大數(shù)據(jù)。“大數(shù)據(jù)”這個(gè)詞最早是媒體發(fā)現(xiàn)的，它試圖向大眾解釋我們是做什么的，目前看來解釋的效果還不錯(cuò)。
然而，大數(shù)據(jù)的價(jià)值不是在數(shù)據(jù)本身，雖然我們需要數(shù)據(jù)，數(shù)據(jù)很多時(shí)候只是伴隨科技進(jìn)步而產(chǎn)生的免費(fèi)的副產(chǎn)品。比如說，學(xué)校為了讓學(xué)生能更高效地注冊而引進(jìn)了注冊系統(tǒng)，因而有了學(xué)生的很多信息，這些都是因?yàn)榧夹g(shù)改進(jìn)而產(chǎn)生的數(shù)據(jù)增量。
大數(shù)據(jù)的真正價(jià)值在于數(shù)據(jù)分析。數(shù)據(jù)是為了某種目的存在，目的可以變，我們可以通過數(shù)據(jù)來了解完全不同的東西……有數(shù)據(jù)固然好，但是如果沒有分析，數(shù)據(jù)的價(jià)值就沒法體現(xiàn)。
先來看一個(gè)大數(shù)據(jù)在公共政策層面運(yùn)用的案例。
我們曾經(jīng)做過一個(gè)評估研究，發(fā)現(xiàn)2000年以后美國社會保障管理總署（U.S. Social Security Administration，簡稱“SSA”）對于美國社保賬戶及人口壽命的預(yù)測有系統(tǒng)性偏差。
大背景是，美國的社會保障平臺是美國最大的單一政府平臺，它的資金是跨代流動的——當(dāng)前退休者的養(yǎng)老金供給來自于他們的下一代，即現(xiàn)在工作的人交的稅金。
所以SSA需要預(yù)測這個(gè)信托基金項(xiàng)目里的資金流，以及人的壽命，正確預(yù)測這兩點(diǎn)很重要，如果人們比SSA預(yù)期的更長壽——雖然這是好事——就很可能導(dǎo)致信托基金里就沒有足夠的錢給他們養(yǎng)老了。
我們研究發(fā)現(xiàn)，SSA的預(yù)測在2000年以后出現(xiàn)了系統(tǒng)性偏差——發(fā)生偏差的原因之一，是SSA使用的模型本質(zhì)上定性分析的模型，且多年來幾乎沒有調(diào)整。由于一些藥物的使用和癌癥早期發(fā)現(xiàn)，美國人開始比模型預(yù)測地更長壽了。
我們通過分析得出的結(jié)論是，美國社保信托基金至少存在8千億美元的缺口。
雖然結(jié)論有點(diǎn)不幸，但是政府需要提前知道。這樣政府就可以有空間在稅率，退休年齡等方面進(jìn)行調(diào)整。這是公共政策層面的話題。
關(guān)于定性分析和定量分析，其實(shí)不是涇渭分明的。做分析全靠定性分析（由人主導(dǎo)）是不夠的，因?yàn)槟阌泻芏鄶?shù)據(jù)不知道該怎么處理。 全靠定量分析（由機(jī)器主導(dǎo)）也不行，這就像一張巨大的excel表，但是表中沒有行、列的標(biāo)簽。所以，大數(shù)據(jù)分析需要的是由人主導(dǎo)，由計(jì)算機(jī)輔助的技術(shù)（we need computer-assisted, human-led technology）。
我們還做過一個(gè)計(jì)算機(jī)輔助閱讀的實(shí)驗(yàn)。我們開發(fā)了一套計(jì)算機(jī)輔助、自動化閱讀的技術(shù)，這項(xiàng)技術(shù)能幫助人們從非結(jié)構(gòu)化的文字中提取、組織并且處理大量信息。
我們曾用該技術(shù)處理了64000篇國會議員官方發(fā)布的新聞稿，想通過這項(xiàng)基礎(chǔ)幫我們作分類，看國會議員在新聞稿中都說了些什么。
結(jié)果我們發(fā)現(xiàn)，居然有高達(dá)27%的議員發(fā)布的新聞稿內(nèi)容只是單純地想抨擊對方（Partisan Taunting），而不是想要平衡預(yù)算或停止戰(zhàn)爭，或解決問題。
大數(shù)據(jù)時(shí)代，我們可以通過去量化過去不能量化的信息，使用精妙的統(tǒng)計(jì)學(xué)方法分析這些信息成為可能。
現(xiàn)在，我們都可以對一些強(qiáng)定性屬性（inherently qualitative）的東西作定量分析了，如音頻和視頻。但是，目前仍有一些定性分析工作者要分析的內(nèi)容還未被量化。所以，定性分析、定量分析要配合操作才行。
我參與過一個(gè)產(chǎn)品項(xiàng)目叫做Perusall。“Peruse”是仔細(xì)精讀的意思，Perusall就是peruse + all，可以簡單理解為大家一起讀。
這個(gè)產(chǎn)品產(chǎn)生的背景是，大學(xué)教授會給同學(xué)布置閱讀作業(yè)，但是教授很難評估學(xué)生是否閱讀了規(guī)定的章節(jié)。如果有的學(xué)生沒讀而有的學(xué)生讀了，這對整體課堂的授課效果會有影響。
Perusall的好處之一，是它把閱讀從一個(gè)個(gè)體活動變成了一個(gè)集體活動。閱讀文章的同學(xué)可以對自己看不懂的部分做批注，也可以對其他同學(xué)的批注作回復(fù)解答。這樣更容易調(diào)動同學(xué)閱讀的主動積極性，讓閱讀變得更有趣。人天生是社會動物，這也是為什么人們相比于在iTunes里聽歌更愿意花錢去看演唱會，雖然前者音樂聲音更清晰。
一旦學(xué)生用Perusall在線上閱讀之后，我們就有了很多之前不可能互獲取的數(shù)據(jù)：知道學(xué)生在讀什么，他們對閱讀內(nèi)容的反饋怎樣，他們在讀每一頁的時(shí)候花多少時(shí)間；當(dāng)然，如果你沒有讀書的第46-47頁，我們也會知道這個(gè)。
一方面，Perusall會基于每個(gè)學(xué)生的閱讀情況和評價(jià)質(zhì)量，對學(xué)生的這項(xiàng)閱讀作業(yè)進(jìn)行打分，從老師的層面看，這省去了原先閱讀作業(yè)不易評估的問題。
另一方面，Perusall會分析這些閱讀數(shù)據(jù)，知道學(xué)生們讀到哪里時(shí)覺得困惑。
Perusall可以在老師上課前生成一個(gè)“學(xué)生困惑報(bào)告”（Students confusion report）。拿到這份報(bào)告，我就可以在一走進(jìn)課堂時(shí)說，“根據(jù)你們的閱讀情況，你們可能有以下三個(gè)問題。”
注：本文來源DT財(cái)經(jīng)（公眾號：DTCaijing）
本文根據(jù)Gary King教授2017年1月4日在上海交通大學(xué)的講座內(nèi)容整理、編輯而成