你可能聽過一個笑話：有位醉漢在路燈下找鑰匙，不是因為鑰匙掉在那，而是只有那裡夠亮、看得見。這個笑話道盡了無知的風險，當我們過度拘泥於現有的線索時，就會忽視尚未揭露的訊息，產生錯誤的推論。

2011 年英國推出犯罪電子地圖，使用者可在地圖上查閱任一地點附近的治安狀況，好處是民眾能在看似透明的資訊下，決定要在哪買房與租房，並在晚上避開犯罪率高的街道。但施行後發現，地圖中犯案數相當高的街道，只有一家酒吧、停車場和一座公寓，沒有太多聲色場所，相對單純。

為什麼會這樣？英國直線保險集團（Direct Line Insurance Group）指出，由於案件會顯示於地圖上，10% 民眾傾向不報案，避免房價下跌。因此，地圖顯示的可能是人們願意報案的區域，而非犯罪率高的地方，如果遺漏「10% 民眾不願報案」，誤以為地圖反映的就是真實，就會做出偏頗決策。

英國統計學家大衛‧漢德（David Hand）在《暗數據》一書中，將人們遺漏的資訊與數據稱為「暗數據」（dark data）。這個詞發想自「暗物質」，科學家認為宇宙由 27% 的暗物質組成，由於它不與光和電磁輻射作用，難以察覺其存在，但會改變星體的移動速度，如同生活中有許多未察覺的暗數據，會無形中影響我們的判斷。

企業常以數據作為決策的基準，例如銀行瀏覽信用卡的交易紀錄，以為目標客群喜歡刷卡買電影票，因此積極找影廳洽談合作。這個看似合理的行銷策略中，就藏著許多暗數據，一是部屬交給主管的資料，可能刪除了未開卡者的資料；二是資料僅反映刷卡購物者的習慣，遺漏偏好支付現金的人。

假使未開卡者的比例高於開卡者，銀行就要調整行銷模式，從鞏固既有客戶，改為開拓新藍海市場，了解未使用信用卡者的需求，擬定新方案。由此可知，忽略暗數據，小至行銷策略錯誤，大至讓企業喪失競爭優勢。面對仰賴數據的時代，我們該如何察覺暗數據？

漂亮的數據也別輕信，多方汲取、爬梳資料

懷疑是防範暗數據的不二法則，改變詮釋數據的角度，能幫助我們快速判斷暗數據是否藏在裡頭。比方說，某樣食品標榜「90% 不含脂肪」，聽起來可能很健康，但若改成「含脂肪 10%」，你還會想購買嗎？同理，某療法宣稱能讓人的罹癌風險減半，但如果是從 2% 減至 1%，可能會覺得效果小到無足輕重。

其次是弄清楚數據怎麼來的。微軟研究院的高級資深研究員里奇．卡魯安納（Rich Caruana）曾舉一個人工智慧（AI）出錯的例子，醫院透過 AI 預測肺炎病患的死亡率，出現驚人的結果：同時罹患氣喘和肺炎的死亡率，比單純罹患肺炎還低。這難道是神奇的生理機制嗎？檢視 AI 的判斷過程，會發現它忽視了不同治療方法的影響，醫師會判定氣喘病史的肺炎患者是死亡高危險群，將他送進加護病房，接受優於普通患者的治療，此舉反倒降低了他們的死亡率。

醫生若相信 AI 找出的相關性，讓同時罹患氣喘和肺炎的病人只接受普通治療，患者死亡率可能會攀升。漢德提醒， 看到驚豔的數據別高興過頭，試著爬梳數據的調查方式，覺得「怪」就要探究下去 ，即使研究結果符合常理，也要反覆確認是否有其他資料操弄，避免墜入偏見的陷阱。

拒答、漏填也是一種資訊，加強隱私讓他們願意說

另一個依賴數據的現象，是企業為了追求更好的銷售表現，經常展開市調。但在強調隱私的時代，人們不見得願意透露個資，漢德認為，略過拒答者或問卷中沒填到的欄位，容易產生「倖存者偏誤」（過度關注倖存者的經歷，無視罹難者狀況，而造成的錯誤結論），使得調查結果往往只能反映願意填寫問卷者的狀況，與真實情形可能有落差。

針對漏填資料者進行訪談，了解他們拒答的原因，是避免倖存者偏誤的根本做法。過往我們常以為，受訪者拒填問卷是太忙，或因粗心而漏填某些選項，但《暗數據》指出，資料遺漏的另一種可能是， 受訪者認為揭露這項訊息令他們難為情 ，例如低收入者不願透露年薪、自認肥胖者對體重數字很敏感，這種漏答狀況會影響調查結果。

在蒐集資料時，必須注意受訪者的填答心態，微幅調整調查方式，比如採用匿名填答，或在受訪者填答完後，進行資料加密，透過這些機制提高受訪者的填答意願，增加調查的可信度。

顧及隱私的調查法比較麻煩，《暗數據》試圖證明，取得一份正確資料並不容易，你除了要學會從既有資料覺察暗數據，還要留心調查過程的盲點。唯有對一切保持警覺，懂得隨時修正數據的意義，才能從中得到更多的啟發。

（本文取材自《暗數據》，大塊文化出版。）