前線數據中心：維護公平正義的新硬核

涂子沛

一

2011年10月，美國佛羅里達州的勞德代爾堡發生了一起惡性交通事故，一名退休警察開快車，結果肇事致人重傷。

這個城市有份地方報紙，叫《太陽哨兵報》，這個故事的女主角克斯汀就是這份報紙的一名女記者。這名40多歲的女記者聽到這則消息之后，皺起了眉頭，在她的印象中，警察因為開快車導致的交通事故發生好多次了，即使是退休的警察，也發生好幾次了。

為了印證她的直覺和記憶，克斯汀收集整理了歷年的新聞報道，果然：從2004年起，整個佛羅里達州發生過320起警察開快車導致的交通事故，19人在事故中喪生，但最后的結果是，只有一名警察入獄服刑。

克斯汀意識到，這可能是一個非常值得關注的社會問題，她甚至懷疑她收集到的數據還只是冰山一角，類似的警察很多，開快車可能是警察這個群體的經常性行為。但懷疑只是懷疑，克斯汀知道，要證明它，無異于要證明警察這個群體知法犯法、凌駕于法律之上，這是個相當大的挑戰。

難就難在取證。

她決定試一試。克斯汀抱著測速雷達，一連幾天守在高速公路邊，一看見有超速的黑點，就驅車直追，但追來追去，常常發現不是警車。一到晚上，目標更是難以辨認，就算運氣好，真的碰上一輛超速警車，克斯汀也無權截停，就算拍照錄像，證據還是不夠充分，事后也無法指證。克斯汀還試過跟蹤警車，看見一輛跟一輛，她在嘗試之后，發現這更難。

難、難、難！但在這個世界，還真要相信辦法會比困難多，在某個地方，總有你意料之外的發現在等你。克斯汀最后竟然想出了一個超級好辦法，她根據美國的《信息自由法》，向當地的交通管理部門申請數據開放。因為警車是公務車，公民有權了解其使用狀態，她因此獲得了110萬條當地警車通過不同高速路口收費站的原始記錄。

克斯汀的分析方法是：選取兩個特定的收費站，測算之間的距離，再在110萬條記錄當中找到每一輛警車通過這兩個不同收費站的具體時間，兩點之間的距離除以兩個時間之差，即為該警車的平均行駛速度。

克斯汀和她的團隊用了三個月的時間對這些記錄進行了整合和分析，結果是半夜里敲大鐘——令人震驚。

在13個月里，當地所屬的3900輛警車一共發生5100宗超速的事件，96%的超速在每小時144公里至每小時176公里之間，當地五分之一的警車都有時速超過144公里的“劣跡”，而且，記錄表明，絕大部分超速行為發生在上下班的時間。這意味著，他們開快車可能并不是為了執行公務，而是為了早點回家。

克斯汀的懷疑得到了證實。2012年2月，她利用這些數據分析的結果，在《太陽哨兵報》上發表了一系列報道，頭篇報道的標題為《他們凌駕于法律之上》。在大量數據和調查訪談的基礎上，克斯汀得出結論說，因為工作需要和警察身份的特權意識，開快車成了警察群體的習慣性行為，即使下班之后，身著便服，其開車速度也沒能降下來。路上值勤的警察也“警警相護”，互相理解和縱容這種行為。

二

所謂數據，就是證據，而且“鐵據如山”。可以想象，克斯汀的報道一見報，輿論一片嘩然。接下來一個月，《太陽哨兵報》的電話響個不停，全國各地的讀者打來電話，有的表示支持，有的表示感佩，還有的要來“取經”。當地警務部門則發生了一場“大地震”，5100宗超速案件涉及12個部門的近800名警察，一些被“坐實”的警察陸續受到處理：有的被警告，有的被剝奪開車上下班的權利，有的被停職，甚至還有的被開除。

故事到這里，還沒有完。警務部門的整頓是否有效呢？2012年12月，克斯汀又向交通管理部門申請開放了最新的數據。她對新的數據又做了分析，并和2011年的同期數據進行了對比。數據表明，從2012年2月到10月，警察超速的個案已經從2011年同期的3179宗下降為495宗，下降幅度高達84%。克斯汀又發表了一篇新的報道《警察猛踩剎車》。在這篇報道中，她把數據的變化分解到了各個警務部門，詳細地列出了每一個部門的改進水平。

《太陽哨兵報》只是一份地方小報，總發行量才20萬余份，但因為克斯汀的報道，該報名聲大振，克斯汀也因此獲得了2013年度的普利策新聞獎。其頒獎詞是這樣寫的：“克斯汀的報道以無可辯駁的技術調查，記錄了警察在非公務期間開快車，危及市民生命的事實，這種致命威脅在報道引發的討論和整頓中得到消減。”

可以想象，如果沒有克斯汀的數據創新，類似于“警察群體開快車”的社會問題，我們很難在法庭上證實，畢竟取證非常難。現在問你，除了克斯汀的方法，你能想到一種更有效的取證方法嗎？如果想不到，那在你生活的社會，這種知法犯法、濫用權力的行為，就基本不可能得到處理和糾正。

三

克斯汀這個人，當然數商也很高。一開始，克斯汀也想去收集數據，但她在嘗試之后失敗了，克斯汀也找不到像OkCupid這樣的平臺，她的絕妙之處，是使用了一份看起來和警察超速風馬牛不相及的數據，獨辟蹊徑解決了問題。

我把她的絕妙殺招稱為“數據外部性”。

什么是數據外部性？

“外部性”來源于經濟學家，他們使用這個名詞已經有上百年的歷史。經濟學家發現，一個普通個體為了自身利益而做出的“利己行為”，也可能讓其他人或者整個社會受益，并且受益者無須為此支付費用。

我借用這個概念，想指出的是，一個人或一個組織為了某種目的收集數據，在完成數據的收集之后，他們可能發現這些數據的作用將超出其最初收集時的計劃和想象，即同一組數據可以在新的維度上產生人們“初心”以外的價值和效用。

數據經常揭示初心之外的事實和真相。

人類越來越多的行為都在留下數據。小數據時代的警察破案，常常要靠指紋，今天幾乎所有的人類行為，都將在數據空間留下“數紋”，即數據紋理。就此而言，用好數據紋理，公安部門將邁入一個有案必破的新時代，而對大眾而言，我們將邁入一個犯罪更少、更加安全的時代。

世界正在快速地數據化，我們正在進入一個“數據不是一切，但一切都將變成數據”的時代，萬事萬物都將以數據的形式在數字空間存在。一個人的數商，就是他新的空間商、生存商、發展商。今天及未來的機器人，之所以能夠有智商、有情商，其基礎都是因為先有了數商。你可能認為，機器是機器，人類是人類，人是先有智商和情商，但我接下來要告訴你的是，人類其實也是先有數商，再有智商，只不過一直沒有人總結出“數商”的提法而已;至于情商和數商孰先孰后，我暫時無法下結論。

在這個新的時代，機器的思考正在變得越來越像人，而人的行為也正在變得越來越像機器，這些變化是真真切切的。當你有機會思考和體認這些變化，我擔保你會突然間對未來產生一絲不安和疑惑。在你想清楚之后，我敢肯定，你會同意數商正在變得超級重要。

（選摘：阿璇）

編輯：黃靈? yeshzhwu@foxmail.com