作者整篇文章中，提到了許多的例子，說明我們的直覺有時會偏頗，當從大數據的角度去看時，往往會看到意料之外的觀點。
一開始作者提到大多數的美國人，包括籃球教練和他自己，認為NBA球員大多數在貧困的環境下長大。但事實上真的是這樣嗎?
事實是中產階級的男性比貧窮男性更具優勢，推測有兩個可能原因，
1.窮人往往較矮，而身高對能否成為NBA球員有關鍵影響。例如:不到六呎的男性，每200萬人只有1人進NBA;但身高超過七呎，每5人就有1人成為NBA球員。
2.平均來看，中產階級比較可能教出有紀律、堅持不懈的孩子。例如:喬丹在12歲時因打架被退學，但他爸爸是奇異公司設備主管，媽媽是銀行家，喬丹生涯充滿家人為他指點迷津的故事。
也就是NBA球場上，像LeBron James這樣的球員，其實是少數而且很不容易的。
作者還舉了其他故事，當中我覺得有趣的是，「為何有些人誠實報稅，有些人會逃漏稅?」
規定是這樣，當申報的課稅所得為9000美元時，可以從政府那裏拿到一張退稅支票，一旦超過，會被扣額外的稅。
所以美國人會適時調整自己工作計畫，確保剛好符合9000美元的門檻嗎? 不是這樣的。
另外這類型的詐欺，在不同地區差異也很大，在邁阿密高達30%;在費城，比例只有2%。
結果顯示，有兩個因素影響了地區跟不誠實報稅的相關性，
1.相當多人口有資格申請稅額扣抵。
2.當地稅務專業人員過度集中。
這代表大多數人不知道如何申報來拿到最多稅抵，但只要你認識，或你知道有人認識稅務助理，就會大大增加妳逃漏稅的機率。
我覺得從這個觀點出發，彷彿可以看到人們在茶餘飯後交談時，得知如何逃稅的驚訝與興奮，蠻有趣的。
但如果都從大數據出發來觀察相關性，有可能讓我們倒果為因，例如作者提到「學校排名跟人們賺多少的相關性」。平均而言，工作十年後的薪水，哈佛大學比賓州州立大學的畢業生，薪水約高3.5萬美元。但這個相關性，並不代表因果關係。
實驗比較了背景相似且申請上同一所大學的學生，但最後有些人選擇不同大學就讀，結果發現這些學生的事業所得，和職場成就其實差不多。
特別的是，現實世界卻呈現許多誤導我們的觀點，會大量展示哈佛校友的成功案例，卻較少提到賓州大學校友的故事。
大數據可以幫助我們，找出問題背後重要的因子，但作者在文末也有提醒，過度依賴數據，也有可能過度推論了真實世界的情況(像overfitting的意思?)，這是需要注意的地方。
一些想問的問題:
1.為什麼現實世界會選擇提供我們，不一定有因果關係的推論?
2.那我們可以怎麼明辨這樣的推論是否合理呢?
留言列表
