埃里克·西格尔著的《大数据预测(告诉你谁会点击购买撒谎或死去)(精)》旨在通过量化方法来预测人类的行为。作者在本书中所阐述的理念复杂精巧，但其行文却浅显易懂，无论读者是否熟悉数理分析，都可读懂本书。书中包含大量实际案例和分析图表，笔触通俗诙谐，被誉为大数据的《魔鬼经济学》，全球被译为9种语言，被美国30多所大学作为教材。

作为大数据的核心应用，预测正在繁荣发展。它改写了行业，驱动世界向前。潮流引领者比如大通银行、脸谱网、谷歌、HP、IBM、Match.com、网飞公司、优步等正借助大数据的力量对人类的行为进行预测——其中也包括你的。公司、政府、执法机关、医院和高校正利用来自预测的力量，预测你否会点击、购买、撒谎或者死去。

为什么要对人类的行为进行预测？我们有充分的理由：预测人类行为，可以战胜危机、促进销售、提升医疗保健、简化生产流程、拦截垃圾信息、优化社交网络、强化打击犯罪，以及赢得选举，等等。

预测由世界上最有效、最丰富的非自然资源——数据驱动。作为人们各种日常及社会活动的副产品，数据正在被不断被记录和整理，并日渐成为一座金矿。大数据技术通过对数据进行学习，正不断释放数据的能量。

这本埃里克·西格尔著的《大数据预测(告诉你谁会点击购买撒谎或死去)(精)》不仅内容丰富、有趣，作者还解读了预测是如何工作和影响我们每个人的。它不仅是一本技术实践指导手册，更通过提供新的研究案例以及前沿技术，帮助普通读者和专业人士更好地了解大数据预测。

序言

前言 预测分析的职业风险

导论 预测效应

 第一章 升空！预测开始发威

开始实践

人人爱预言，虽然不精确

防护预测

价值100万美元的无声革命

个性化的危险

预测分析程序的安装：迂回和拖延

运行过程中

基本要素：观察

行动就是决策

危险的启动

呼叫休斯敦，我们有麻烦了

能做到的小模型

休斯敦，发射

热情的科学家

让预测走入内心

 第二章 权力越大，责任越大：惠普、Target超市、警察和美国国家安全局会窥探你的秘密

Target 超市的预测及其预测目标

意味深长的停顿

我的15分钟

曝光于聚光灯下

你无法禁锢那些可传输的东西

法律与秩序：政策和数据监管

数据之战

数据挖掘并不是“攫取”数据

惠普自我学习

洞悉员工还是侵犯隐私

辞职风险：我不干了！

洞见：辞职背后的因素

危险品

辞职风险评估的价值

预测犯罪，提前杜绝犯罪

数据犯罪和犯罪数据

无法测量的机器风险

偏见的轮回

好的预测 坏的预测

 第三章 数据效应：彩虹之后的饕餮

焦虑指数

将情绪可视化

在数据里寻宝

一切都数据化

把所有舱门都封死：信息太多了

谁的数据会成为你的囊中之物？

彩虹之末

预测之汁

遥远、奇特和惊人的洞察力

有关系，并不意味着是因果关系

 第四章 学习的机器：大通银行对房产抵押风险的预测分析

男孩与银行的相遇

银行面临着风险

预测抵御风险

风险业务

学习机器

创建机器学习

从负面经验中学习

机器如何学习

你可以决定决策树的规模

计算机，为自己编程吧

学吧，宝贝

越大越好

过度学习：假设太多

归纳之谜

机器学习的艺术和科学

感觉真实：测试数据

去粗取精是艺术

在大通银行应用分类—回归决策树

摇钱树

回归—为何显微镜无法观察到宇宙碰撞

后续

 第五章 集团效应：Netflix、众包以及增压预测

业余火箭科学家

黑马

思想外包：集思广益

众包如星火燎原

生于忧患

联合国

元学习

两个预测模型的组合

好戏在后头

集体信息

群体和模型的智慧

一袋子模型

集体智慧开始发威

泛化悖论：过犹不及

挑战极限

 第六章 “沃森”和《危险边缘》节目

文本分析

英语的爱恨情仇

在理解问题之后就要回答

知识终极源泉

人工智能悖论

学习回答问题

学人走路，学人说话

更好的捕鼠器

应答机器

投机取巧的《危险边缘》

从证据中寻找答案

基础知识，亲爱的“沃森”

证据如山

用组合模型来判断证据

组合模型的组合

机器学习使自然语言处理成为可能

自信但不自负

需要速度

双重危险—“沃森”会赢吗？

《危险边缘》的惶恐

为了胜利

比赛之后：荣誉、嘉奖和崇拜

非对称性IBM人工智能

对的预测

 第七章 用数字说话：挪威电信和美国合众银行工程师

如何通过预测来施加影响

搅拌吧，用力搅拌

沉睡的狗

要预测新的内容

眼睛看不到

预测说服

具有说服性的选择

商业刺激和商业反馈

定量人性

量子人性—他是否可被影响？

通过上提模型预测影响力

银行业对影响力的运用

预测错误之事

响应上提模型

上提模型的原理

上提模型如何发挥作用

说服效应

不同行业的影响

让移动客户不移动

结语

价值100万美元的无声革命

当组织采用预测分析时，其意义不啻发动了一支庞大军队，只不过这是由“蚂蚁”组成的军队。这些“蚂蚁”会走上组织运营的各大前线，与消费者、学生或病人等服务对象直接接触。之后，这个“蚂蚁军团”会在预测结果的引导下改善数百个决策。这一过程可能并不是轰轰烈烈的，但用心观察其综合效果之后，会发现这些细小变化所产生的合力。每一个被改善的决策本身可能都显得无足轻重，但成千上万的决策合起来就大为不同。

2005年，某位客户让我想办法提高他网站的点击量，为此我把自己埋在了相关数据中，希望能找出办法帮助这位客户。这位客户希望其网页上的广告能获得更多的点击量。这关乎收入，广告的点击量越多，这位客户的收入就越高。这家网站在创办几年后已拥有数千万用户，用户数据大概有5000万条，这就是用来做预测的宝贵的原始材料库，而预测的对象竟然是：点击！

广告是媒体不可分割的部分，无论是纸媒、电视还是网络媒体都离不开广告。本杰明·富兰克林曾说，人生中不可避免的两样东西是死亡和税。如果他现在还活着，一定会加上第三样东西：广告。互联网巨头Google承认，广告是其最大的收入来源。Facebook也是如此。

但对于我要研究的这家网站来说，广告的功能略有不同，只要能预测用户的点击率，其潜在收益就会更大。这家网站提供搜索高校奖学金的服务，在美国所有准备上大学的高中生中，大约有1/3都是这家网站的用户。这虽是不显眼的细分市场，但对于许多大学和军校的招生工作人员来说，却是不容错过的网站。在该网站上，有一则大学招生广告很霸气，它自称是“美国创新型教育的领导者”，上面还附加了链接让用户点击。不难想象，一些提供学生贷款的机构也选择在这家网站上投放广告，让报考学生没有财务上的后顾之忧。这些广告商为每次点击支付25美元。对于网站而言，如果一次点击就能换来这样丰厚的收入，那真是太棒了。此外，网站上的广告与网站主题紧密相关，而网站的用户也有很强的目的性，因此平均下来每100次点击就能产生5笔成功交易，这是令普通网站难以企及的业绩！因此，拥有这家网站的猎头公司从中获利颇丰。任何微小的改善都意味着总收入的显著提升。

但要想改善用户的广告选择却不是件容易的事。网页切换时，用户面前可能会出现很多广告。最难的就是让用户点击最适合他们的广告链接。目前，网站根据各广告的平均点击率来排序，完全没有考虑用户的独特需求。因此，点击最多的广告总是摆在最显眼的位置。这样的安排降低了广告与单个用户的匹配度，而且广告一旦被推到显眼的位置，就很难被替换下来，因为大量用户总是会不经意地点击最显眼处的链接。某些大学对每次点击都愿意支付高价，而且因为位置显眼，其广告链接的点击率也很高。因此，似乎没有理由用冷门的广告去替换主流广告，因为这样做很可能会失去唾手可得的收入。（P11-13）

本书旨在通过量化方法来预测人类的行为。人类在此方面的最初实践是在第二次世界大战时期。1940年，“控制论之父”诺伯特·维纳开始尝试预测德国空军飞行员的行为，目的是消灭这些纳粹空中力量。其预测方法是，观测德国飞机运动的轨迹，推测飞行员可能采取的机动规避动作，由此推断飞机接下来所处的位置并用高射炮将其击落。然而，维纳只能推断出飞机下一秒的飞行轨迹，要想精确炮击飞机，必须预测飞机至少20秒内的飞行轨迹。

在埃里克·西格尔的书中，你将看到许多预测案例，这些案例与维纳预测德国飞机的案例相比要精准许多。与“二战”时期相比，目前计算机的运算性能有了极大的提升，数据的丰富程度也非维纳之时可比。因此，银行、零售商、政治团体、医院以及其他众多机构，都在通过计算机数据处理来预测某些特定人群的行为，进而赢取客户、赢得选举或治愈疾病。

在本人看来，这些预测行为总体上是有益于人类发展的。在疾病治疗、打击犯罪以及反恐等领域，预测能挽救生命；在商业广告领域，预测能让广告定位更加精准，从而保护森林（减少无效纸质广告和宣传册的发放）、节省受众的时间和精力；在政治领域，那些相信科学预测方法的政治候选人会有更大的胜算。

然而，正如西格尔在本书开篇坦诚指出的那样，这些方法也可能产生问题。西格尔引述了电影《蜘蛛侠》中的台词“力量越大，责任越大”来说明这一点。其引申意义是，人类必须谨慎运用预测模型，否则其效用和益处就会大打折扣。与其他重要发明或革命性创新成果相似，预测分析本身并无是非对错之分，但作为工具，它会带来或善或恶的结果。要想避免预测分析的不正当应用，我们首先必须知晓预测分析究竟都能做什么，随着对本书阅读的深入，相信你会对此问题形成自己的见解。

本书的重点是预测分析，这是诸多分析方法中的一种，是最有趣和最重要的分析方法。在我看来，纯粹的描述性分析已经过时了，因为它只是记录过去发生的事情，无法真正说明这些事情为何会发生。此外，我也经常在自己的书里提到第三种分析方法，即规范性分析，也就是通过控制实验或定向优化来告诉人们应该怎么做。但这些数理分析法的应用范围较预测分析要小许多。

本书内容及其背后的思想与纳西姆·尼古拉斯·塔勒布的思想恰恰相反。塔勒布在《黑天鹅》等书中提到，由于世界充满偶然性且复杂事物的发展总是具有内在的不可预测性，因此预测行为注定会有失误。毫无疑问，塔勒布的话是有道理的，世界上总会有不可预测的“黑天鹅事件”，但大部分人类行为都具有惯常性和可预测性。西格尔在本书中所给出的大量成功预测的案例表明，世界上大部分天鹅是白色的。

同时，西格尔也在试图避免陷入“大数据”的陈词滥调。尽管书中的某些案例具有“大数据”分析的特征，即数据量庞杂无序以致难以用传统关系数据库进行分析，但预测分析的关键点不在于数据的规模或繁复程度，而在于如何对待数据。我认为，通常，“大数据不过是小算术”，某些大数据领域从业者所做的不过是用宏大数据来装点门面。其价值与真正的预测模型相比，自然有云泥之别。

西格尔在本书中所阐述的理念复杂精巧，但其行文却浅显易懂，无论读者是否熟悉数理分析，都可读懂本书。书中包含了大量的实际案例和分析图表，笔触通俗诙谐。即便是非数理分析专业人士，也应该好好阅读本书，因为在现实生活中，任何人的行为都免不了成为他人分析和预测的对象。此外，非数理分析专业人士也免不了要在实践中学习预测模型、评估模型效果并根据预测模型的结果采取适当的行动。

总而言之，我们所处的是讲究预测的社会。要想在这样的社会中生存发展，最好的方法就是去理解预测模型的目标、方法以及限制，要想做到这一点，最好的方法莫过于阅读本书。

托马斯·H·达文波特

巴布森学院杰出教授

麻省理工学院数字业务中心成员，德勤分析高级顾问

国际数据分析研究所联合创始人

《数据分析竞争法》联合作者

接下来要发生的事就是未来……预测分析就是商业智能的发展方向。

——里克·怀廷《信息周报》

早上好。今天是2022年1月3日，本年度的第一个工作日。在你驱车前往办公室上班时，预测分析技术除了替你开车之外（在未来也完全有望实现），几乎涵盖了你工作和生活的各个方面。

1.防盗：当坐上车时，预测模型会通过若干生物指标确定你的身份，如果身份不能得到确认，你将不能启动汽车引擎。

2.娱乐：Spotify（瑞典流媒体音乐服务平台）自动为你播放你喜欢的音乐。

3.交通：导航系统会预测交通流量，选择最合适的出行路线，由于新选的路线有不少坡道，而你汽车的电池（唯一汽车动力）稍显不足，因此你无法全力加速。

4.早餐：车内推荐系统会根据你的膳食习惯预测你想吃什么并推荐沿途的早餐店，既然你信任这套推荐系统，那么其推荐一定合乎你的口味。

5.社交：你的电子社交助理系统自动选择了你可能最感兴趣的Facebook留言和社交网（Match.com）信息，那些垃圾评论则被精确地排除在外。CareerBuilder（凯业必达）系统则会推荐你可能感兴趣的职位，当你在查询电话留言箱时，系统会自动将广告语音过滤掉，就像现在的电子邮箱过滤掉垃圾邮件那样。

6.交易：你让手机读出了来自手机运营商的短信，显然你的于机运营商预测你将会改换其他运营商，因为运营商向你推荐了大打折扣的iPhone 13。

7.网络搜索：今天是你同事小孩的生日，因此你计系统推荐沿途的玩具店。现在车内的音响系统也安装了Siri，该系统经过了持续的完善，拥有更加强大的语音识别和人机语音对话功能。

8.驾车提醒：当系统预测到你驾车有些分心时，座椅会自动震动，或许你分心是因为看到了窗外特别有吸引力的广告牌。

9.碰撞避免：如果将要发生碰撞，车内系统会给出更大的震动以及警报提示，或许当时是有小孩在横穿马路或有车恕要闯红灯。

10.可靠：你的汽车会自动提醒：“请尽快带我去做保养，因为预计化油器会在未来三周出现故障。”

预测分析不仅是上班路上不可或缺的工具，正囚为有了预测分析，你才能坐上自己的汽车。

购车贷款：银行正确判断你的资信风险较低，所以批准了你的购车贷款，因此你才能买得起这辆车。

保险：车内的传感器将你的驾车行为信号全部传叫了汽车保险公司，这些信息会被输入预测模型来确定你的保费。参与此保费调整项目可让你每月节省30美元。  无线连接：为你的手机和爱车提供无线连接服务的运营商通过预测分析了解需求变化，然后对其网络基础设施进行升级和更新。

网络安全：你可能无法察觉，但通过预测，你的汽车和手机每天都在避免各种恶意的软件攻击。

道路安全：路面坑洼以及桥梁问题会被提前预知，然后政府会根据预测系统采取强化检查等手段来消除隐患。

减少不良驾驶：对于那些屡次违规的“马路杀手”而言，会有预测分析模型来确定其驾驶执照应该被吊销多长时间。

健康：预测模型会确定最适合你的医疗方案，由此让你以健康的状态开车上路。

未来就在转瞬之间

所有上述预测分析应用大多已经问世，还有类似的应用在不断研发中。预测分析技术已经完全成熟，虽然有些不能立刻付诸实施，但其原因在于，现实生活中汽车和手机系统难以对接。手表、眼镜等可将移动装置嵌入随身设备的新发明会让预测结果拥有更大的发挥空间，加速数据的生成，推动预测模型的发展。

如今，预测分析的触角早已伸向社会的各个角落，无论是企业还是政府机构，无论是执法部门还是慈善组织以及医院和高校，这些社会组织都要做出数以百万计的运营决策来实施服务，而预测技术则能引领这些决策。预测技术是用来改善大规模运营效率的有效手段。

有若干因素将会推动预测技术的不断发展：爆炸式的数据增长、功能更加强大的计算机、更加广泛深入的理解以及科学的发展。组织与个人之间越来越多的交互行为将受到预测的驱动。预测的未来

当然，这些预测技术的具体细节和时点会有赖于现实的条件，但预测分析技术本身不冉是问题。因此，我们人可自信预测，预测将人行其道。几乎每隔几个月，媒体就会出现关于预测技术大显神威的消息。这样的机遇还将不断涌现，有时甚至会让人口不暇接。不管如何，我们将越来越有效地预见未来，未来正等待着我们大显身手。

未来，大数据会变得越来越重要，其核心应用预测也会成为互联网行业以及产业变革的重要力量，我们很有必要对数据预测及其分析方法进行全面且深入的了解。在这一点上，《大数据预测》是本很好的读物，适合大数据所有相关行业的人阅读。

——周鸿祎 360公司创始人、董事长兼CEO，奇酷CEO和知名天使投资人

我对不确定性怀有敬畏之心，但科学技术的发展尤其是大数据时代的来临以及数据加工技术的进步，使人类行为可预测成为可能。我想，20年后，我们是不是会利用数据也就是预测的方法，去框定一个人的行为，或者说，我们的世界会因为预测技术改变到什么程度？读完这本《大数据预测》，基本就能找到答案了。

——罗振宇 得到App创始人

关于大数据的《魔鬼经济学》 。

——斯坦·克雷辛格 Advertising.com创始执行人

本书是21世纪生活的使用说明手册。利用大数据进行预测几乎成为所有领域的关机键，不管是科技、商业、财经、运动，还是政治。而埃里克·西格尔正是我们最理想的向导。

——斯蒂芬·贝克 《数字迷宫与终极风险》作者

本书有趣、有益、细腻入微，西格尔进行了深入探究，并让科学变得激动人心。

——雷伊德·加尼 奥巴马2012年美国大选团队首席数据科学家

商业、政界以及医疗卫生领域的《点球成金》。

——吉姆·斯特恩 eMetrics Summit创始人，Digital Analytics Association主席