涂子沛
我曾经在天河棠下居住，不时有机会陪同家人去天河公园散步。公园深处有一个民间自发的相亲角。
看这个相亲角里的众生百态是件很有意思的事。一群老头老太太举着牌子，相互攀谈打听，牌子上写的正是自己子女的征婚启事：某某，政府公务员，肤白貌美，年薪多少，家里几套房，想找什么样的男士相濡以沫；某某，公司高管，高大英俊，年薪几十万，想与什么样的女孩携手人生。
看条件都挺不错的，他们本该都是职场得志、情场得意的人，想不明白，为什么条件这么好却单身。
走的地方多了，后来我发现每个城市都有自己的相亲胜地。北京有中山公园、玉渊潭、陶然亭，上海有人民公园和虹口公园，杭州也有，最有名的是黄龙公园。每个地方都有说不完的故事。
结婚在全世界都是难题，只是在中国更难一点而已。难！可难在哪？
难就难在信息。结婚是大事，每个人都希望在大量的信息基础之上，做出自己的决定，就是要挑，但一个人在日常生活中所能获得的信息是相当有限的，而且这些信息之中有价值的又寥寥无几。你挑别人，别人也在挑你。可以想象，要找到一个合适结婚的人需要投入大量的信息搜寻成本，当然还有时间成本、金钱成本。如果信息不优质，时间和金钱就会变成沉没成本，一切又要从头来过。所以老头老太太聚在公园，是在为孩子们寻找有效的信息。
因为信息少，很多人无法挑，他们结婚是靠“碰”。在茫茫人海之中碰到一个对眼又对路的人，这无异于大海捞针，真碰上了，再冠之以一个美好的词汇：缘分。如果怎么碰也碰不上，一个理性的人就只能观望、徘徊、等待，越理性就可能等待得越久。
就算这么难，耗费这么多资源，结局还不一定美好。有些人找错了人，只能马马虎虎凑合着过；还有些人过着过着过成了仇人。看看各国居高不下的离婚率，就能发现失败的婚姻占多大比例。
麦金利的故事
我下面要讲的是一个现代故事，男女主角在一起真不靠碰，而靠找，用数据找。
2012年，在加州大学洛杉矶分校（UCLA），有一个男学生正在攻读数学博士，他叫麦金利（Chris McKinlay），已经35岁了。像很多年轻人一样，麦金利在社交平台上很活跃，我说的不仅仅是微信这类平台，而是专门为婚恋交友而存在的平台，例如Match.com、J-Date、Zoosk、e-Harmony、Ashley Madison等。在这些平台上，有很多单身男女，他们来到平台的目的就是寻找另一半。
麦金利选择的平台是OkCupid，OkCupid也是哈佛大学的毕业生创办的。它的运营逻辑是通过问卷调查和个人动态获得大量的个人偏好信息，然后用算法对平台上的人进行两两匹配，这有点像滴滴平台上人和车的速配一样，不同的是，OkCupid匹配的是人和人。
问卷调查是在注册的时候进行的，是一个接一个的选择题，可能是单选，也可能是多选。这些问题五花八门，从个人的基本情况，如年龄、出生地、学历、身高，到美食、运动、读书等爱好习惯，再到对金钱、家庭、宗教、政治、性爱的观点，甚至包括对人类未来的预测、对人工智能的伦理等重大问题的看法。问题一共有几千个，一个人回答的问题越多，找到与自己精准匹配的另一半的可能性也越高。一般来说，很多人会回答300～400个问题。
OkCupid平台的工作，就是用算法不断地计算各个用户的数据，得出任意两个人的匹配度，这个匹配度用百分比来表示，数值越高就表明越匹配，100%就是天生一对，0%的话就是命中克星了。平台会把匹配度较高，例如90%以上的两个人推荐介绍给对方，两个人在成为平台上的朋友之后，开始互动。
OkCupid的平台上有上亿名用户，其中43%是女性，在麦金利居住的洛杉矶，也有8万多名女性是OkCupid的用户。但麦金利注册之后，OkCupid只向他推荐过几十位匹配度较高的女性，他向其中大部分发送过私信和邀约，但只约到过6个人见面，大多数邀请石沉大海。
为什么系统只给他匹配了几十人，而且还不精准呢？麦金利很快悟到了他匹配对象少的原因。
OkCupid算法匹配两个人的根据是两个人都回答过同样的问题。你没回答过对方回答过的那些问题，算法不可能无中生有进行匹配。而麦金利在一开始选择问题的时候，并没有经过深入思考，他选择回答的问题，可能他喜欢的女性完全不会选，因此他们的数据不可能联接，他们永远不会见面。
我没有用过OkCupid，但略加思考，不难发现，一个男人想要在类似的婚恋平台上找到理想的女性，大概需要按顺序完成以下几个任务：
1.清楚描述自己喜欢什么样的女性，越清楚越好，要用标签式的语言总结出来。
2.找出这些女性关注哪些问题，在这些问题上有什么偏好，推测她们在寻找什么样的答案。
3.在平台上回答这些女性关心的问题。
4.通过约会的线下行为来辅助筛选。
其中的关键，是第二步。这也是麦金利分析之后选择的路径。
当时在OkCupid平台上，有5000万名女性，那怎么发现她们最关心哪些问题呢，总不能一个个去看吧？麦金利的专业能力开始派上用场了。他设置了12个OkCupid的爬虫账号，并编写了一个Python（一种计算机程序设计语言）脚本来管理这些爬虫。这些爬虫会搜索麦金利心仪的大目标群体（25～45岁之间的异性恋和双性恋女性），访问她们的网页，搜集可以看到的一切有用信息，例如种族、身高、星座以及是否吸烟等个人信息，并保存下来。
当然，这些爬虫回答所有的问题，是一个自动的甚至随机乱答的过程，它们给出什么答案并不重要，因为它们的目标并不是吸引获得女性的注意力，而仅仅是看到并保存那些女性的数据。
但麦金利很快遇到了一个问题，因为这种爬虫是很多平台，包括OkCupid禁止的，不会有哪个平台可以接受别人把它的数据搬走，所以这些机器人忙碌了几个小时之后，OkCupid发现了它们的行为，麦金利的机器人一个接一个地被禁了。
麦金利的新对策是，找来了他的一些朋友，用交换的方式获得了他们的支持，在他们的电脑上安装爬虫机器人，用机器学习的方法训练它们在OkCupid平台上的活动，让它们像真人一样，OkCupid无法发现它们是机器人。
如此这般，十多个机器人在不同的电脑上每天24小时不间断地活动。三周之后，麦金利就获得了2万多名女性对600多万个问题的回答。
接下来，麦金利一头扎进了这些数据，开始了分析。
他用了一个叫K-Modes的算法，根据2万名女性对不同问题的回答，把她们分成7个在统计学上具有明显区别的类型，例如多元开放型、高端专业型、艺术创造型等。
当完成这个分类的时候，麦金利欣喜若狂。这意味着他接近于完成第一个步骤了，即把所有的女性按数据分好类，然后找出自己喜欢的类型。
记住，分类和聚类，就是大数据分析的核心工作。
分类和聚类，也是我们认识世界的基本方法。
在完成了一系列工作之后，麦金利再登录OkCupid平台，一刷新页面，仅仅几秒种，他骤然发现，他已经和上万名他喜欢的女性有了90%以上的匹配度。
从这一天起，平台上约会的私信就如长江水一般滚滚而来。
当一位女性知道一位男性回答了她所关心的所有问题，而且和她的匹配度很高的时候，她才会去关注这位男性一些其他的特点，才可能展开后续的聊和撩。更多的互动就发生了。现在开始，麦金利有约不完的会了。
随着约会次数的增多，他又慢慢总结出了高效约会的规律，例如不喝酒，不拖拉，只喝咖啡或者用简单的午餐，时间一到就结束，不去看电影或听音乐会，而是把注意力完全放在对方身上，这样一天他就能完成两场约会。
仅仅一个夏天，他就约会了55次。这55个人当中，只有三个人进入了第二次约会，而进入第三次约会的仅仅只有一个。
我们要注意的是，麦金利管理约会的方法，也体现了很强的数据思维。
真爱最终出现了。一位叫王婷（Christine Tien Wang，音译）的中国女孩主动给他发来了私信。她是一位28岁的艺术系女生，就在附近的一所大学就读，她在OkCupid上和麦金利的匹配度是91%。
这是麦金利和第88个女性的约会。他们在大学校园见了第一次面，然后一起散步到了校园里的一家寿司店，吃了一顿快餐，他们很投缘，很快又约了第二次、第三次。
两个星期后，他们不约而同地停止了OkCupid上的账号更新。
麦金利没有再公开他和王婷的具体后续，但据说在他获得博士学位之后，两个人就结婚了。他们在谈到这段往事的时候，认为数据的使用只是拉开了他们了解对方的序幕，给了彼此一个很好的心理预期，真正的恋爱还是开始于两个人见面之后。
麦小嘉的启示
事实上，我见过很多数据高手，例如在阿里巴巴，很多优秀的分析员、程序员都不是科班出身，他们可能受过很好的高等教育，但第一专业是机械、桥梁、光电，甚至是社会学、心理学。为什么？因为今天各种计算机语言、数据科学的课程资源已经无处不在，几乎都是免费的，包括哈佛大学的计算机课程，只要愿学就能学，兴趣才是一个人最好的老师。
那你会说，麦金利还是有几把刷子的，我一下子学不来！确实，用机器学习的方法分析数据，这些技能凸显了学会使用新工具的重要性。我要告诉你，无论你的专业曾经是什么，都应该有信心，因为真实的生活并
不需要那么多高级的工具，一些简单的技巧就可能非常管用。
我有一个朋友，叫麦小嘉，他很早就读过我的作品，也常常来和我一起讨论大数据。有一天一见面，他满脸欣喜，迫不及待地告诉了我一个好消息。
“你知道我和我女朋友前几天定下来了吗？啊，大数据帮了大忙，真的啊！”
没等我回答，他连珠炮似地给我讲了下面这个故事。
“上个月，我女朋友突然跟我说，她母亲要见我，约好的就是这个月初。我一听紧张得要命，要过丈母娘这一关了，听说这一关很难过，怎么才能把她赢过来呢？怎么办？我想起了大数据。我把女朋友的一切行为，我所知道的她父母的背景，用大数据的方法梳理了一遍，当天晚上我得到的结论是：她的母亲多半是爱钱如命的，还可能有点势利眼，这也正常，谁不重视经济基础，况且是嫁自己的女儿呢？这不就是这个时代丈母娘的特点吗？大数据分析表明，要做她家女婿，起码要有房子、车子，月入20000元以上。
“完蛋了，分析到这里，我感觉几乎被判了死刑，怎么办呢？还有得救吗？“在绝望之余，我突然想起女朋友告诉过我，她母亲担任过梨花曲艺社的社长。
“我又一次启动大数据，结果它告诉我这种人有什么特点：凡是喜欢唱戏的票友，大多数都是喜欢出风头的，都是喜欢人家称赞的，喜欢人家拍马屁的，我想也对，她们那么辛苦练一场戏，然后登台演出，就是希望观众拍拍手掌、大声喝彩，对，这就是票友的‘死穴’吧。
“我突然感到有一丝希望把她赢过来。我沉吟了一会儿，拨通女朋友的电话，问她谁是她母亲的偶像，再上网看她母亲的偶像，听她偶像的戏。接下来我找到了5段戏，马上开始学唱。练了三天，前天就见面了，我装作偶然提到她的偶像，她的眼睛忽然一亮，我又叹息说有一段我自己怎么唱都唱不好，哇，她马上打开话匣子，开始教我唱戏，不肯放我走，谈到最后，那表情好像马上要把我当做一家人的样子。
“没想到就这么简单，什么房子车子票子，通通见鬼去了。我和我女朋友的关系就这么定下来了！”
他冲着我大声说，沛公，怎么样，难道这些功劳还不属于大数据？！
怎么样？麦小嘉做的事情你还不会吗？我想告诉你，麦小嘉大学本科学的是艺术。
那什么是数商呢？从麦小嘉的故事来看，一个高数商的人，有能力在不同的时间、不同的地点快速找到对自己最有用的信息，今天的信息就是以数据的形式存在的，这也是数商的一个重要维度。
智商的高低集中表现在对信息的分析和处理上，但信息从何而来？一个人要决策，首先要获得信息，即数据。俗话说，巧妇难为无米之炊，数据就是米。今天的世界，信息无处不在，互联网上什么都有，几乎所有的信息都在那里，但很显然，每个人获得信息和数据的能力是不一样的，有的人能找到，有的人找不到，有人听了梨花曲艺社无感，而麦小嘉听到之后就知道去搜索、去组织、去使用新的信息和数据。这种能力的高低之分决定了人生的格局，很可能，你找不到称心如意的媳妇，过不了丈母娘这一关，并不是因为穷，而是因为数商低。
◎涂子沛，大数据专家、作家。近著有《数商》《给孩子讲人工智能》《给孩子讲大数据》等。
