2018年，當颶風弗洛倫斯和邁克爾接連威脅到我居住和工作的北卡羅來納州教堂山時，我和數百萬人一樣面臨一個簡單的二元決定：留下還是離開？
如今，資料科學是最熱門的領域。公司招不到足夠的從業人員。書籍和線上課程層出不窮，許多大學正在開設某種形式的資料科學學位或中心。課程幾乎無法滿足需求。人們本以為這個黃金時代意味著我們可以做出更好的決策。但矛盾的是，大量的資料會使決策變得更加困難：它不容易轉化為有用的資訊。訪問的普及和專家評論的擴散甚至會使情況變得更加棘手。最後，衡量本身並非一箇中立的過程。
例如，在兩次颶風登陸前的幾天裡，主導新聞的是它們在熟悉的薩菲爾-辛普森等級（1到5級，對應持續風速）上的等級，以及風暴可能軌跡的“錐形”。在強制疏散區之外，每個人都必須自己決定該怎麼做。正如管理顧問彼得·德魯克所說：“如果你無法衡量它，你就無法改進它。” 我要補充說：“如果你確實衡量了它，你就會被數字所困。” 這就是風力強度的問題：風力破壞顯然很重要，但最糟糕的影響可能來自洪水。弗洛倫斯登陸時只是1級颶風，然後在一些地方（包括遠離錐形區域的地方）傾瀉了三英尺的雨水。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
為了尋求清晰，我查看了當地電視臺的氣象學家，他們可以精確定位超出單一數字的當地影響。但可以說，他們傾向於強調危險，這既有利於收視率，也有利於自我保護：如果人們在應該撤離時沒有撤離，那就比不必要地逃離要危險得多。所以我準備尋找更多資料。我在社交媒體上找到了天氣專家，並找到了一些精心策劃的列表。起初這似乎是個好主意。這些都是真正的專家。評論是尊重和明智的。有指向來源的連結，討論也很豐富。
但我很快就想起了我為什麼從不想看香腸的製作過程。我瞭解了很多關於歐洲和北美天氣模型的知識——這很有趣，但當你想決定是否收拾幾張有紀念意義的照片並離開時，卻相當無用。一個模型預測了毀滅性的破壞，另一個模型只預測了一些大雨。風暴可能會轉向北方，直接襲擊，或者轉向南方——錯過。更糟糕的是，每個模型都會定期更新，每次執行都會產生更多的專家討論。
現在我知道的太多了，但決策的清晰度卻更低了。這有時被稱為“選擇悖論”——過多的選擇會使試圖做出決定的人陷入癱瘓。這就像你站在超市的番茄醬貨架前，不知所措的感覺。有機的還是非有機的？低糖？用蜂蜜增甜？用人造甜味劑——如果是的話，是三氯蔗糖還是阿斯巴甜？低鈉？我已經淪落到隨便抓一瓶——我只是想要一瓶番茄醬。（好吧，玻璃瓶還是塑膠瓶？）
因此，如果更多的資料、更好的科學和更強大的計算能力可以提前這麼多天預測颶風的軌跡，為什麼沒有人能夠更好地預測超本地層面的影響？不幸的是，廣泛的預測不容易向下滲透，因為個別結果仍然保留著很大的誤差範圍——假陽性和假陰性太多，難以輕易採取行動。
那麼，我們應該放棄在自己的生活中進行資料驅動的決策嗎？就像大資料時代中的許多事物一樣，前進的道路需要關注資料之外的事物——從如何以及衡量什麼，到如何溝通它。我們需要更多坦誠的對話來討論缺點，以便我們可以改進我們對大量資料和有用資訊之間差異的理解。我們尤其需要建立獨立的中間機構來幫助指導我們。僅靠資料科學無法做到這一切。
至於颶風，我剛搬到這條街，所以我做了我能想到的最簡單的事情：我問了在那裡住了很久的鄰居。他們建議我儲備電池。他們留了下來，我也留了下來。