大數據告訴我們：巴西將奪得2018世界盃冠軍，這靠譜嗎？

2018年俄羅斯世界盃將於6月14日正式拉開帷幕，而隨著賽事日期的日漸臨近，坊間對於本屆世界盃冠軍歸屬的預測和爭論進入到了白熱化的階段，不光是球迷在為自己鍾愛的球隊搖旗吶喊（阿根廷是冠軍！！！），就連平時非常高冷的商業組織也都投入到這種狂熱中。

最近，著名的投資銀行、投資管理公司高盛發布了一個他們對於「2018年俄羅斯世界盃冠軍」的分析預測。當然，有別於球迷的「情感預測」，高盛的預測顯得更加理性和具有依據——高盛運用了高深的大數據技術，使用了20萬個統計模型，包括單個球員的數據，到近期巴西隊的表現，再到100萬次的模擬比賽，從而得出巴西將贏得俄羅斯世界冠軍的結論。順便說一下，高盛的大數據模型認為，法國將奪得亞軍，德國屈居季軍，葡萄牙第四，而阿根廷無法進入四強（別哭，阿根廷）。

很酷，是吧？這感覺就跟《復仇者聯盟3》中奇異博士用時間寶石看遍了14000605個無限戰爭的結局，只有一個未來的結局是復仇者聯盟取得了勝利。今天，大數據發揮的作用就跟電影里的「時間寶石」一樣嗎？能夠準確預測未來？！

先來看一個大數據成功發揮作用的案例：2009年全球首次出現甲型H1N1流感，由於是新型病毒，沒有對應的疫苗和藥品，而且傳播速度很快，短短几周之內引起了全球的恐慌。面對此次流感，各國的公共衛生機構在「如何預防H1N1傳染」上而臨巨大壓力，預防的核心是要準確預測病情的蔓延程度。但現實的情況是，初期感染了H1N1的人們並不會馬上去醫院檢查，大部分人都實在撐不下去了才會到醫院求醫，醫生髮現新型流感病例後，會通報給疾病控制與預防中心,最後由中心匯總統計各地的情況，這個過程大概需要兩周時間，這毫無疑問是嚴重的信息滯後，這將給流感疫情的把控和抑制帶來非常不利的影響。這時候，大數據發揮出其神奇的預測的功能。

谷歌的數據分析師分析了幾十億條關於流感的檢索記錄，處理了4.5億個不同的數字模型，構造出一個流感預測指數，非常神奇，這個預測指數與官方數據的相關性高達97%，準確地預判了H1N1流感的發展趨勢和爆發的地區，比政府的官方播報提前兩周，有力地協助衛生當局控制流感疫情。事實上，谷歌的數據分析師並不懂醫學，也不知道流感傳播的原理，但是他們藉助大數據技術為工具，準確地預測了一場極其複雜的大型流感疫情的發展的全過程，這是一件非常神奇的事情。

今天，不懂足球，最起碼並非足球專業領域的高盛的數據分析師們，能否通過大數據準確預測本屆世界盃冠軍呢？

事實上，我認為這個很難。即使到最後，巴西一如預測中奪得了世界盃冠軍，我也不認為這是大數據的功勞。

為什麼呢？

因為大數據本身不是一種邏輯推理研究，它發揮作用的基礎是對數量巨大的數據做統計性的搜索、比較、聚類、分類等分析歸納，以探求不同因素間的相關性，如上述流感案例中，某地區人們在google.com上搜索關鍵詞「流感」次數越多，則該地區可能大規模爆發流感的可能性越大，這是一種客觀事實，只是通過大數據把這種相關性給「暴露」了出來。「相關分析」的目的就是找出數據集里隱藏的相互關係網(關聯網)，一般用支持度、可信度、興趣度等參數反映相關性，但這些不同的因素間並不存在邏輯上的因果關係，甚至這種因果關係是恰恰相反的，就如，不是因為你搜索了「流感」這個關鍵詞，所以你才感染了H1N1。

而世界盃一共有32支來自各國的參賽隊伍，一共進行64場真刀真槍的較量，才會決出最後的冠軍，所以，要準確分析預測最後的冠軍並不是一件容易的事情。因為這都還不是客觀的存在的事實，還等待著發生，裡面充滿著各種難以預測的意外，如，誰能預測到1998年世界盃決賽前發生在羅納爾多身上的一切，導致大羅全場如同夢遊，直接一場慘敗丟掉冠軍？誰又能想到2006年世界盃決賽第109分鐘，齊達內毫無徵兆地突然用頭撞倒了馬特拉齊，然後直接被紅牌罰下，這張紅牌直接改變了場上形勢，此前法國已經掌握主動，很有可能完成致命一擊，而最後義大利偷走了最後的冠軍。

這些都不是大數據能夠預測的，大數據擅長的是相關性預測，而對人類的情感、衝突、為了利益不擇手段等等，大數據無能為力，因為資料庫里沒有一條數據會記錄馬特拉齊會突然罵齊達內「你是義大利養出來的一條忘恩負義的狗」。

足球是圓的，正是無法預測，這才是足球的魅力。

當然，如果哪一天，大數據能分析出中國將奪得世界盃冠軍，而中國到最後果真贏得了冠軍，那時候，我非常願意相信大數據的神奇魔法。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！