数据的优劣并非唯一关键——探究数据质量的哲学问题

从治理的角度出发，数据在影响政策制定上存在双重问题。在看完整本书后，我们会发现有些数据纯粹是“恶劣的”，全球数据调查的质量相差甚远，比如构成基于国民生产总值计算的国民收入账户的数据调查。在许多非洲国家，收入数据往往不完整，并且很大程度上依赖于当地统计员的估算，这导致了数据上各种各样的不一致。然而，政策制定者与国际捐赠者却每天都在使用这些“劣质数据”来测量结构性改革、发展援助与宏观经济政策的效力。美国经济分析局也承认美国的国民生产总值数据质量并不总是很高，尤其是在经济危机期间。而且，数据在被每个数据机构以不同的方式不断修改、调整以及再计算，这也使得国际数据对比比我们想象的要难得多。比如，2013年年中，经济分析局引进了一项国民生产总值账户的改革措施来计算在研发、娱乐、文化及其他艺术创意上的支出。在传统的角度，这些费用都被视为商业成本，如今则被当作固定投资，因此充分地被加入到国民收入当中。这也引发了批评的声音：美国政府极力抬高预计经济增长的百分比，意图压低国债占国民生产总值比例的增长。

我们也知道有许多数据集都被操纵或是完全编造的。比如，评级机构已经承认使用信用评级来迎合它们的客户，并且投资银行也对外债数据进行了操纵。学者们被曝光使用虚假数据，某些情况下他们的畅销书与整个职业生涯都是基于伪造证据之上的。我们也知道同行评审制度还存在非常多问题，许多期刊都落入了数据陷阱，包括具有最高影响因子的一些期刊，它们把事实上人造的数据当作无可争议的证据。如今计算机科学领域常见的一句话“无用数据输入，无用数据输出”，毫无疑问地，暗示着任何被输入数据模型的“垃圾数据”，都会被再次输出，如果无意义的信息被输入模型中，那么模型则会生产同样无意义的结果。但对于我们每一个人来说，这一过程看上去都是基于证据进行的。

数据也可以被扭曲服务于特定政治议程。环保怀疑主义者已经使用数据证明悍马比普锐斯更节能，而持相反立场的科学家也使用随机实验证明吸烟不会致癌。1954年，美国作家达雷尔·哈夫（Darrell Huff）出版了一本小书《统计陷阱》，该书后来成为所有怀疑数据的学生的经典读物。哈夫通过生动迷人的描述，指出了许许多多种不实数据（比如通过删截图表来过度强调细微差异）或对数据的粗劣解读可能导致的操纵现象。正如我们所知道的，“党派利用实证武装自己来抵抗知识的冲击，也用它为非理性披上理性与科学的外衣”。

然而，如果质量是数据唯一的问题，那么更严格的观察、公开程序与监管就可以轻易解决它，但不幸的是，即使数据没有被明显地操纵，它们也会误导决策，因为数据只关注可测量的事物，不可测量的事物都被忽视了，这不可避免地影响着我们工作的优先次序。根据笛卡尔对外在物（res extensa，测量事实）与思想物（res cogitans，认知事实）的区分，可测量的变成了唯一关键的事实，其余的则毫无用处与价值。再拿GDP举个例子，即使我们有能力改善其数据的质量（而且我们正在为此尝试），国民生产总值仍是市场产出的测量工具，而它绝对无法完整地描述整个经济体的全貌。正如我们所知道的，国民收入账户并不包括未经市场调节的交易，因此我们的政府就会使用国民生产总值作为经济表现的测量工具，以追求在牺牲非正式经济领域的代价上强化市场的政策，这些非正式经济领域包括家庭服务、礼物经济。并且，由于国民生产总值是基于市场价格计算的，因此未标价的东西便失去了价值。根据本书内容，这种对于价格的强调会产生畸形的刺激因素，一方面，我们的治理体系会倾向于那些忽视免费事物如自然资源的发展模式，另一方面，这种趋势会鼓励政策制定者将公共资源私人化、市场化，以使它们在国民生产中具备可生产性。在国民生产总值的治理框架中，只有被货币化的事物才具有价值，因此，为了严肃地对待自然环境，它必须被测量、被货币化。许多经济学家会说所有事物都可以被标价，即使市场不存在，价格也可以在简单的刺激下出现。对于他们当中的许多人，重新改善国民生产总值只需要调整技术以及更准确的模型而已。但是正如我们在整本书里所看到的，这个货币化“陷阱”会暴露出许许多多的不一致，实际上，“准确”已经成为一个形而上学的概念。我们要如何准确地测量大自然的价值呢？谁来测量大自然呢？依据的标准是什么呢？我们要选择人类中心主义的方法吗，这样大自然的价值量就由人类来决定了？还是说我们要采用整体的生态系统观，将自然世界的彼此联系纳入考虑范围？我们分析过了全部影响现有方法论的概念缺陷，从支付意愿调查到重置费用计算，全部的这些估值模型都建立在无力的假设之上，并且都暴露出基本的概念缺陷，当它们被应用于治理模型时，即便没有蓄意操纵与（系统出现的）利益冲突存在，它们也会变成危险的政策工具。

在商界也出现了“数据到底会造就金融成功还是抹杀创新”的激烈辩论。两位著名的学者，哈佛大学商学院的罗伯特·卡普兰（Robert Kaplan）与波特兰州立大学的托马斯·约翰逊（Thomas Johnson），就上演了这样的一场辩论。在20世纪80年代，卡普兰与约翰逊共同撰写了畅销书《相关损失：管理会计的崛起与衰败》，该书认为尽管成本核算是19世纪驱动新企业扩张的关键动力，但是在全球化时代，这些测量工具却对商业造成了根本性的荼毒，因为它们将经理从公司的生产性部分中剥离出来，使他们更加依赖于抽象计算来预估成本、价格与投资收益。但在该书发行之后，这两位学者却在学术道路上渐行渐远，卡普兰支持使用各种经济测量模型来运营成功企业，而约翰逊却坚持亲身实践管理与人为判断。卡普兰在一系列成功管理书籍中推广使用作业成本法与平衡记分卡，它们可以帮助经理“从大量数据中提取真正重要的少数数据与结果”。相比之下，对于约翰逊而言，这些经济学主导的测量工具迫使经理通过定量数据而不是具体的商业知识领导公司。反过来，这一趋势促使“现代商业迷恋通过数据‘寻求利益’……不论这样的做法会对维系人类组织的基本关系造成什么样的损害”。(https://www.xing528.com)

因此，数据的问题并不是简单的优劣数据之分，而更像是一个哲学问题。在某种意义上，这类似柏拉图与亚里士多德之间的争论，对于前者，数据是事实的象征，对于后者，数据是发展知识的工具。柏拉图遵循了毕达哥拉斯的观点，认为数据能够揭露世界的本质。相反，亚里士多德将世界看作一个混乱的研究对象，在这个世界上，数学推理只能够引导知识，但绝对无法代表更高层次的事实，对于他来说，数据无法揭露“形式”——与世俗意义上的“实质”相比，它们只是分析错综复杂的大自然的启发式工具，并不比它们企图描述的实质更完美。

此类将数据看作本质与将其看作工具的经典区分至今仍影响着我们的当代社会，并且总体上来说，柏拉图赢得了这场争论。确实如此，尽管数据不完美且存在片面性，但它们倾向于获得自己的生命，它们将自己从现实世界中提取出来，又生产出一种虚构的“超铀”，它们体现出实证，却不代表某种现象：因为它们变成了现象本身。既然“代表”从概念上说就是不完美的，数据便无法代表现实，而是必须预示现实。

数据这种内在的力量就扎根在我们追求事实的天性当中，这也就解释了为什么许许多多种数据——不论优劣——成为塑造社会中自满与屈从的有利武器。尽管数据看起来像发展知识的工具，但至今它们已经抹杀了我们锻炼批判性思维的集体能力，它们带来了助长愚蠢的风险。一个建立在数据上的社会会“威胁它自身，因为它在肤浅的证实过程上投资了太多，而牺牲了其他形式的组织智慧”，伦敦政经学院的会计学教授迈克尔·鲍尔说道。这种现象通过数据基础上的审计系统，变成了一种“博学的无知”。这些标准化的方法“支持抽象管理理念，却牺牲了其他的绩效评估理念”，并且“倾向于照顾那些从经济角度可以被测量、审计的事物”。