北京时间2017年6月9日，英国议会选举结果出炉，现任首相特蕾莎-梅领导的保守党仅获得318个席位，失掉了简单多数优势。
英国上次议会选举是在2015年，原定的下次选举要到2020年举行，而且特蕾莎-梅更是在去年才接替辞职的卡梅伦，成为首相。如此频繁的政治选举，都和2016年英国公投退出欧盟有紧密联系。
在不少人看来，英国退欧是前首相卡梅伦政治冒险失败的产物，他误判了英国民众对于留在欧盟的意愿，而这次特蕾莎-梅出乎外界意料的突然宣布提前进行大选，本意是想获得更多的席位，从而巩固权力，在脱欧谈判上获得更多的筹码。然而从这次选举结果来看，她显然与她的上一任一样，误判了民意。
在西方的选举政治中，数据对于政治家来说越来越重要。民调结果不仅反映当前选民的情绪，还对候选人未来的选战策略产生了深刻影响。20世纪30年代，当时还名不见经传的美国公共意见研究所，通过分层抽样方法，成功预测了罗斯福当选美国总统，自此之后这家机构成为了民意调查领域的标杆，他们也就是今天的盖洛普公司。
如今，民调机构已经成为欧美国家选举的标配，牵动着政界、商界和媒体的神经。民调机构经过了这么多年的发展，采用了更加科学的统计方法以及更多的数据，本应该让预测变得更加准确，然而，最近两年国际政治领域接二连三的“黑天鹅”事件——从特朗普当选到英国退欧——无一不反映出客观现实以及选民情绪的复杂性以及难以预测性。
数据时代，我们可获得的数据那么多，到底应该如何有效利用？这里介绍一篇来自德国马克斯-普朗克学会的文章。
德国马克斯-普朗克学会（Max-Planck-Gesellschaft）是全球顶尖科研组织，旗下有83家科研机构，主要侧重于基础科学研究。马克斯-普朗克学会成立于1948年，在不到70年的历史里已经诞生了18位诺贝尔奖得主。在美国宾夕法尼亚大学评选的2016年世界智库排名中，马克斯-普朗克学会位列科技领域智库的第一位。
他们在一篇名为《在繁杂的数据中寻找有价信息》的文章中，介绍了该研究所在信息技术领域的新成果。马克斯-普朗克信息技术研究所的芬兰科学家Pauli Miettinen开发出了一款名为Siren的软件，利用Redescription Mining技术，对数据进行分析，通过不断寻找观察对象之间的关联，从而发掘出数据中人们难以直接观察到的多个纬度的相关性（Jaccard系数）。
文章认为，“这种新的方法在已有的数据中寻找新的相关性，隐藏在数据中的新观点，以及表述数据的新方式，可以帮助人们在繁杂的数据中搜寻有价值的内容。”
作者在去年发表的一篇论文里[1]把这个方法运用到了政治选举当中，作者选用了他的家乡芬兰2011年和2015年的议会选举数据，其中包括两个数据集，一个是675名芬兰议会选举候选人的相关信息，比如年龄、出生地、受教育程度以及家庭情况，另一个数据集是政客们在网上关于一些政治议题的回答[2]，比如“是否支持安乐死合法化”。研究结果的确揭示出了一些重要关联，比如，34岁到74岁以及有孩子的人，更加倾向于反对安乐死；51岁到58岁之间，或者有大学学位，或者非议会成员，更加反对修建核电站。
当然，已有的统计软件也可以找出类似的有关年龄因素的结论，但是，传统方法是在研究者事先已经有一个假设——即“年龄会影响对待安乐死的态度”——的前提之下进行的，此时研究者才会有意识的去关注年龄的分布。而Siren的意义在于，它彻底改变了这种传统的科研方法。按照传统的科研流程，设定假设是第一步，然后再用数据或者案例来证明假设。不过有了Siren，科研工作者就可以在拿到数据之后，先放到Siren中查看分析结果，看看数据之间有什么潜在的关联，然后再从这些关联之中提炼出假设观点。这是思维方式上从“正向”到“逆向”的颠覆。
回到政治选举当中，政客们以及金融市场从业者都希望提前洞悉选民的感受和情绪，而传统的方法一般都只关注几个常见的影响选民的变量，比如年龄、受教育程度等，但是，或许有一些其他不为人知的因素被我们忽视了，这些因素被隐藏在了繁杂的数据中，但却对选举结果产生了重要影响。可我们面对大量的数据，往往无从下手，不知道应该把重点放到哪里。如果利用Redescription Mining技术，将原学术论文中的政客们的数据换成选民数据，对选民信息以及观点进行分析，我们就可以“反向”的让数据自己说话，寻找出选民特征与其观点之间的联系。此外，Redescripition Mining还可以进行预测，Pauli Miettinen在论文中尝试利用已有数据，预测并未包含在数据内的议会候选人的观点，其结果与真实情况吻合程度极高。
如果把视角放的再广一些，这样的数据分析技术所带来的想象空间会是巨大的。已经有生物科学家利用这一技术，发现了欧洲哺乳动物分布和气候环境之间的一些之前并没有发现的关联，为该领域的研究提供了新的灵感。这种技术还可以扩展到金融市场，什么因素会影响国际原油价格？OPEC政策？沙特、阿联酋等国同卡塔尔断交？相关从业者们肯定能够给出许多答案，但是是否还有其他我们不知道的、而又十分出乎意料的影响因素？Pauli Miettinen认为，Redescription Mining技术总是能给我们带来意想不到的新发现。
马克斯-普朗克信息技术研究所的所长Gerhard Weikum表示，Redescripition Mining技术对于数据量比较大的数据集尤其有用，因为“Redescripition Mining不仅能够从数据中找到一种解释，而是能够提炼出多个维度的多种解释。”
当然，数据挖掘和语意分析技术如今发展迅猛，相关从业者可能有不同的算法和分析软件来实现类似的功能。不过，马克斯-普朗克学会的科学家基于Redescripition Mining技术开发出的这款软件Siren，与其他数据挖掘软件相比，操作更加简便。使用者只需要把数据加载到软件中，几分钟的时间就可以得到结果。该软件可以在马克斯-普朗克学会的官方网站上免费下载使用：siren.mpi-inf.mpg.de。用户不需要去搞懂Redescripition Mining技术背后复杂的算法和原理，只需要加载数据，就可以得到各种不易观察到的相关性和可视化效果。
如今我们可获得的数据越来越多，但数量过大也容易让我们迷失在“数据丛林”之中，如何从中提炼出有价值的信息，成为了大数据时代一个亟待解决的问题。如今数据挖掘成为了抢手的话题，但像Siren这种容易上手的软件市面并不多见，而Redescripition Mining也是一个相对较新的技术，IT行业也仅仅是十多年前才开始运用。或许这项技术还有很大的完善的空间，但是其软件较高的可操作性，技术门槛较低，这对于非IT专业的人来说是一个好消息，也许可以作为分析政治选举和金融市场走势的一个辅助工具。
评论 (0)