統計學家內特（Nate Silver）出名靠的不是自己的數學天才（盡管他的確是數學天才）。內特為人所知的地方在于他明白如何將自己的技能用于真實世界。作為美國最著名的數據分析人員，他憑借對于總統大選的預測一舉成名——去年十一月的總統選舉當中，他準確預測了50個州的結果。2008年，50個州里面他成功預測了49個。內特的大數據分析才華也應用到了體育（NCAA的瘋狂三月、職棒大聯盟）、賭博（今年夏天內特將第三次參加全球撲克大賽）、甚至約會分析上。內特曾經為棒球網站寫比賽預測，之后嘗試多元化發展。如今他是一個出版過圖書的作家，一位政情專家，以及紐約時報博客FiveThirtyEight的創始人。

本周四，內特來到舊金山參加年度LiNC大會，發表有關數據分析的演說。《財富》雜志采訪了他，探討了大數據的應用局限、在股票市場扮演的角色、如何影響男女約會以及他對2016年總統大選的預測。如下為采訪全文：

我肯定總是會有很多人找你討論，如何能贏下NCAA瘋狂三月賭博盤口的問題。

我一般都在下注時賭相反的結果，因為我認為其他人會按我說的來。如果我按自己建議其他人那樣下注的話，估計贏不了。

要不明年收點許可費吧？

必須的。或者我們可以假裝賭一邊，然后在真正想賭的結果上押注。厄，出問題啦！哈哈。

你最開始使用數據來分析并成功預測棒球比賽——為什么后來轉而研究政治？

有部分原因是我為《baseball Prospectus》（棒球預測）寫東西有大概五年的時間了——2003年至2008年——這段時間我目睹了棒球產業非常大的發展。這個時代的開始起源于《魔球》（Moneyball）里面所描述的，數據分析人員和傳統做事風格的人之間有很大的分歧。人們很擔心書呆子會涌進這個行業，搶走他們的工作。如今這種情況完全被逆轉了，不僅你會雇傭一些數據分析人員，而且每支隊伍——幾乎每一支隊伍，當然也有一些例外——組織內部的不同層級都理解數據分析。

一邊是這種趨勢在僅僅幾年時間里迅猛發展，一邊是政治新聞報道連篇累牘的文字措辭——政治新聞和政客的嘴里基本上都是各種廢話——在我看來是時候把一些基本的分析方法應用到政治選舉問題當中去了。

將你自己的政治主張和預測選舉這項工作區別開來是否很難？

對所有人來說，在人生中想要做到客觀總是很難的。沒有人能把控現實，我們都會有平庸的觀點。但我認為體育訓練能夠有所幫助，當我可以把自己作為一名底特律老虎隊的球迷時（我從小到大本來就是），我仍舊認為洛杉磯道奇隊的麥克（Mike Trout）應該贏得去年的MVP榮譽。我對政壇的分析稍有不同，這個行業里的人不僅有各自的政見主張，與此同時還需要操縱公眾觀點。他們曾經以為能夠自己創造現實。這也是為什么我認為目前的問題所在。人們覺得如果能夠以某種形式給出一個數據或者一個民調結果，問題就不復存在了。我們國家的政治媒體當中，有一些人是很優秀的，但是有一些其他人只懂得服從，為政治宣傳傳達各種消息，我認為這是問題的關鍵。政治領域的人并沒不像體育界那樣習慣講究事實。

那你是怎樣在信息中找到自己的答案呢？

關鍵在于要忽略哪些政客就公共數據發表的觀點。紀錄顯示，一般來說大部分政治觀察家對政客的一次失誤或者一次辯論的重要性估計過高——不過總是有例外——但通常來說民調結果提供了非常可靠的參考標準。至于公眾，他們有各自的生活問題要處理，并沒有始終關注政治新聞，看待一些事情的方式也很復雜，比如經濟問題、我們是否陷入了一場愚蠢的戰爭或者政府里的那個重大丑聞。這些事情對于誰能贏得選舉很有說服力，是政治專家不會關心的那種小問題。

如今的數據要比以前更多了。你要如何判斷抽取哪些數據來獲得相應的分析結果呢？

有一點就是，你需要一個系統的方法而不是某一個特別的方式來解決這個問題。2008年我們設計了一個模型，2012年又針對每一次民調結果進行了更新。有一些民調結果，如果是來自紀錄更好的民意專家，在系統的權重就會更高。這不是說其他人就會被忽略了。所以不是說我們會對著民調結果比手指，“這個重要，那個不行”，基本上設計這個模型所有的重要工作和決策過程都來自數據事實。基于理論、實踐和過去的經驗，處理這些信息的一套恰當的原則是什么呢？堅持執行就可以了。一旦每年六月我們啟動了模型，不會設計替代品，除非有bug出現，可惜的是這種情況從未發生。但是原則都是相同的，你要在那個背景之下用這個原則進行分析。

有沒有什么問題是使用數據和分析沒辦法回答的？

我想這里應該存在一個范圍區間。需要知道很重要的一點是，我們擅長做什么、我們的潛力以及預測行為的本質之間是有區別的。比如你研究棒球，數據分析已經有相當長的歷史了，但是最好的棒球隊只能贏下全部比賽中的三分之二。最好的擊球手參加的比賽里中只有40％完成了上壘。從某種意義上說，本質來看仍舊是不可預測的，但是我們很好地進行了數據測算，分清楚我們知道什么，我們不知道什么。

但是仍舊有許多領域是數據分析不發達的。我在自己的書里討論了地震預測，人們嘗試預測地震已經有幾個世紀的歷史了。我們知道一些事情——加州的地震次數要比新澤西更多——但是以某種精度在某一特定時間預測某一特定地震事件的能力還沒有完全實現。即使是經濟問題也如此——尤其是當我們做長期的經濟預測時，大部分時候結果都不是那么理想。

是否有一些行業忽視了大數據分析可能帶來的影響？

通常是一些不那么引人注意的行業，比如大型零售業有海量的顧客交易數據，也有供應鏈管理的數據，這些數據都可以用來優化庫存和價格戰略，顛覆原有的供應鏈模式。不那么吸引人的業務，常常有好的數據集合，而且是高質量的數據，能夠幫助做出更好的決策。我肯定有一些公司已經在這么做了，一些效率的提高是我們之前所未曾見到的。

假如你觀察一下人們觀看電視的模式，會發現廣告行業鎖定顧客的方法是非常復雜的。對于媒體公司來說，諷刺的地方在于效率從某種程度上已經有負面作用了，過去的情況是“廣告投放預算中有一半花得很值，但是你不知道是哪一半”。如今人們知道是哪一部分了，所以他們只花這部分的錢。

人們能夠用某種方式通過數據準確地預測股票市場嗎？

關鍵在于股票市場是一個大規模的比賽，人們彼此做局。問題就變成：是否有一些交易員要比其他人更出色？我認為這個答案大概是肯定的。我不是一個純粹信任市場萬能的人，我玩過很長時間的撲克，這東西和交易在很多方面是類似的。你知道總有些人看得清長期趨勢，也更擅長計算不確定的因素。但是這里有許多變化和運氣因素，一個市場周期可能持續數個月或者數年，也會有許多反常態的激勵因素出現。當我研究那些好的交易員時，短期來看，甚至可能是5年或者10年，大部分都要歸功于運氣，所以這東西還挺難講的。

你是否會把自己的模型應用在戀愛約會上？

幾年前我曾經為《紐約時報雜志》做過一次，我們嘗試分析一周當中哪一天晚上最適合外出約會，一家網站幫助我們搜集了數據，我們計算了兩部分人的比例：想要長期戀愛關系的人和想要一夜情的人。結果是周三那天想要一夜情的人出現比例最高。

2016年的總統大選，我們應該關注誰？

如果希拉里參選，很難看到民主黨候選人有誰能挑戰她。共和黨方面，我認為會有一次黨內初選的好戲看，他們的候選人有好有壞。但是沒人能掌控黨內的局勢，他們要打一場才行。普選階段則取決于黨內初選的結果，但是人們要謹慎些，希拉里會成為一個很好的候選人，民意會稍微傾向于她，但是對任何一個政黨來說想要連續三屆入駐白宮都是很難的。如果2016年的經濟形勢不好，或者奧巴馬的民意支持率在38％左右，對于民主黨下任候選人來說就很難翻盤了，即便是希拉里也如此。當然現在做出預測有點早，實際上，是太早了。