大数据越来越热门，但对个人抉择可能提供不了帮助。去年，当飓风“佛罗伦萨”和“迈克尔”接连威胁美国北卡罗来纳州的教堂山市时，我和数百万人生活在这里的人一样，面临着一个简单的选择：撤离还是留守？数据科学是目前最热门的学科。公司不停地招收数据专业人士，书籍和网络课程也大量涌现，许多大学还设立了数据科学的学位或研究中心，这方面的课程几乎供不应求。
形势这么好，我也希望处于黄金时代的数据科学能够帮我们更好地做出抉择。但奇怪的是，海量的数据反倒使我们更难抉择了，因为数据并不能轻易地转化成有用信息。随意获取的海量数据和纷繁不同的专家意见会使事情更加棘手。最后，数据测量本身也不是一个中立的过程。比如在那两场飓风登陆的前几天，到处都能看到那个熟悉飓风分级参数，它的级别从1到5，分别对应不同的风速，边上还配了一个框定范围的“圆锥”。
当处于强制撤离区以外时，是否撤离完全取决于个人意愿。管理学大师彼得·德鲁克（Peter Drucker）说过一句名言：“如果无法测量，那就无法改进。”我想再加一句：“如果真的测量，就会被数字蒙蔽。”飓风的风力强度就这么回事。风力的危害是应该重视，但是更严重的冲击往往来自洪水。“佛罗伦萨”登陆时只有1级，却在有的地方倾倒了高达1米的暴雨，这甚至包括圆锥之外的地区。
为了获得清晰的认识，我联系了当地电视台的几位气象专家，我相信他们能跳脱数字，精确地指出飓风对当地的影响。然而他们的意见往往偏重于强调风险，这既是为了评级，也是为了自保：相比于没有必要撤离时却撤离，应该撤离而不撤离的风险更大。接着我开始搜集更多数据。我在社交媒体上搜索气象专家，发现了几张精心整理的名单。乍一看这是个好办法。那些都是真正的专家。他们的评论明智而可敬，数据来源都有链接，讨论也很充分。
但是我很快想到，这和我一点也不喜欢看幕后花絮的原因类似。我知道他们有很多不同的气象模型，这些研讨十分精彩，但是当你要决定是否要把那几张非常心爱的照片打包放进行李箱时，这些知识基本没用。其中有模型预测了毁灭性的破坏，而另一个则只说会下大雨。风暴可能朝北转向，正面击中城市，也可能转到南边，越过这座城市。更糟的是，所有模型每隔六小时都会更新一次，而每次更新都会引出更多专家的讨论。
我的知识增长了不少，但当做决定时却更糊涂了。有人把这称作是“选择悖论”（paradox of choice）――选项太多，反而无从下手。当你站在超市的番茄酱货架前就有这种感觉：眼花缭乱，难以招架。有机的？非有机的？低糖的？用蜂蜜增甜的？加了人工甜味剂的？如果要加，是加三氯蔗糖还是阿斯巴甜？要低钠的吗？好了，既然有更多数据，更先进的科学和更强大的计算，甚至可以提前几天就预测一场飓风的行进路线。
为什么就没有人更好地预测飓风对某个地区的影响呢？真可惜，大范围的预测很难持续追踪，而个别地区的预测结果又存在误差范围过大的问题。这其中还有太多的假阴性和假阳性了。那么，我们在生活应该放弃用数据制定决策吗？答案和这个数据时代的许多事情一样，前面的道路需要我们关注数据之外的东西。我们需要开诚布公地讨论数据科学的缺陷，这样才能更精确地认识大量数据和有用信息之间的区别。
我们还需要设立独立的中间机构，指导我们的认识。这些事情，光靠数据科学本身是无法做到的。至于飓风，因为才搬到这条街上，我做了我能想到的最简单的决定：向住了很久的邻居打听。他们建议我多准备些电池。当然，他们都没有撤离，我也就待在这里了。