文／林秋華
●透過數據改變陳設 提高銷量的小撇步
讓我們先來看一個很有趣且著名的例子：1992年，美國大型超市沃爾瑪（Walmart）的資訊工程師布利肖克，他和他的團隊協助大型超市Osco Drug做數據分析，研究團隊分析了25家門市、120萬筆結帳記錄，透過數據分析發現每周五的晚上，啤酒與尿布出現在同一台購物車的比例相當高，布利肖克宣稱：研究團隊發現在每周五的下午5點到7點間，啤酒與尿布的銷售量呈現正相關。再進一步調查發現，當時美國的婦女通常在家照顧孩子，所以她們經常會交代丈夫在下班回家的路上為孩子買尿布，而很有趣的是，丈夫在買尿布的同時又會順手為自己購買愛喝的啤酒，特別是在周五晚上，除了可以放鬆、還可以為周末的球賽做預備。
有了這個發現，對於大型超市的物品擺設起了很大的作用。為了更加地提高銷售量，賣場人員在每周五傍晚把啤酒和尿布擺在一起，提醒更多的爸爸可以同時購買這兩樣商品。後來，類似這樣透過數據分析提高銷售量的行為，被大量運用在零售商或賣場的物品陳設上，比方在收銀機旁總會擺放一些可能不在你購物清單上頭的糖果、小零食或營養補給品，這樣的呈現方式大大地增加額外的銷售。它提醒消費者可以順手帶走一些小物，或者可以把消費金額湊成整數、湊點數門檻，無形中提高了銷售量，也改變了人們的購物習慣。
●高糖 酗酒 愛紅肉 與癌症高度正相關
研究顯示，某些飲食習慣，如高脂肪、高糖的飲食與特定癌症類型的風險增加有關。大數據分析能將各地飲食模式與癌症發病率進行交叉對比，找到高度相關性。大數據分析發現：高攝取量的紅肉（如牛肉、豬肉）和加工肉類（如香腸、熱狗）與結腸癌的風險增加有關；高糖和精製碳水化合物的飲食（如白米、白麵包、甜食）導致肥胖，進而增加多種癌症的風險，包括胰腺癌和子宮內膜癌；大量飲酒與多種癌症（如肝癌、食道癌、乳腺癌）之間存在顯著的相關性，進而提醒人們可以藉由控制飲食，預防疾病或延緩惡化。
●揭露隱藏規則模式 有助理解人類行為
又比方，有研究發現智商（IQ）與未來成就、收入水平之間存在一定的正相關。然而，透過大數據分析，發現社會經濟背景、家庭支持、努力、熱情等其他重要因素，這些因素的影響甚至更為顯著，其他如情商（EQ）和人際關係的能力也同樣重要，可見智商並非唯一決定未來成就的主要因素。
另個例子，如自殺率與經濟因素，在經濟危機期間，自殺率往往會上升。透過分析經濟指標如失業率、收入水平與自殺數據，可以找到兩者之間的關聯性。而這些數據有助於制定針對性的心理健康干預措施，減少經濟壓力對心理健康的影響，因此在經濟蕭條時期，政府會大量釋出補助措施。
近來，社群媒體改變人們的交友行為及人際關係，大數據分析表明，社群媒體的使用時間與焦慮、抑鬱等心理健康問題之間存在一定的關聯性。進一步的分析發現使用社群媒體的方式如時間長短、互動類型、接觸他人資訊對心理健康有負面的影響，雖然社群媒體可以促進連結，但也導致面對面的社交互動減少，增加孤獨感和社交隔離。
以上例子顯示大數據如何揭露隱藏的規則和模式，有助理解人類行為和社會現象的複雜性。人們笑稱「FB比你更了解自己」，其來有自。
●相關不代表因果 小心導致錯誤決策
然而，「相關」等於「因果」嗎？關於這個千古難題，身為數學老師還是要再一次強調：相關不代表因果。分析數據時，僅依賴相關性可能導致誤解和錯誤結論。因此，進行更深入的分析，如實驗研究、調查或控制變量的方法，對於確定因果關係至關重要。相關性與因果關係是如此微妙的存在，如果兩件事有因果關係，必然存在高度相關；如果兩件事高度相關，可能存在因果關係，也可能存在偏差觀點。
二次大戰期間，美國哥倫比亞大學統計學亞伯拉罕•沃德教授計算如何減少轟炸機因敵方炮火而遭受損失。研究發現，返回的轟炸機上，彈孔大都出現在機翼，顯示機翼是容易遭受攻擊的目標，因此，促使軍方想在機翼位置加強防護。但亞伯拉罕•沃德教授提出「倖存者偏差」理論，他提出的看法是：返回的飛機之所以返回，乃因為主體沒有受傷；而那些主體受傷，例如引擎被打中的飛機，根本沒有機會返回。若沒有考慮這些無法返回的飛機，會存在某些偏差觀點。最後，軍方採納教授的提議，為引擎增加更高的防護，後來也證實這個決定是正確的。這個案例告訴我們，假如只憑著手中的資料，而沒有合理的邏輯推理分析或第三方觀點，很容易陷入「倖存者偏差」，導致錯誤決策。
●忽略倖存者偏差 以偏蓋全易失敗
再舉個例子，有些人主張「學歷無用論」，舉出不少知名創業家如微軟創辦人比爾蓋茲、蘋果創辦人賈伯斯、臉書創辦人馬克•祖克柏等，這樣的「倖存者偏差」，導致很多人以此為藉口輟學或創業，最後往往以失敗收場。
事實上，這些成功者還擁有其他許多資源，背後也付出了巨大的努力；另一方面，他們是輟學者中的極少數例子，也就是說有更多的輟學者並沒有走向成功之路。當仿效者沒有考慮這些資訊而草率決定時，經常導致不理想的結果。
●挑選分析海量資訊 深度學習居功厥偉
在人工智慧的時代，大數據成為一門顯學，對各行各業產生深遠影響。隨著科技的進步，我們面臨著海量資訊的挑戰，這些數據的規模和複雜性超出了人類的處理能力。愈來愈多的任務和分析被交由電腦執行，其中，深度學習神經網絡的發展是一系列過程中的重要里程碑。這種技術模擬了人類大腦的運作方式，透過多層次的神經元結構，進行資料的處理和分析。神經網絡能夠自動識別模式，從大量數據中提取有用的資訊，進行預測和分類。這個過程涉及複雜的數學計算，包括線性代數、微積分、機率和統計學等。多虧電腦能夠計算繁瑣且多變的數據，找出隱藏訊息，進而讓人們做出準確的決策。
從商業到醫療、從金融到教育，人工智慧技術的廣泛應用使得我們能夠更高效地處理信息，發展各種創新技術與觀點。最後，值得一提的是，今年的諾貝爾物理學獎得主由普林斯頓大學的霍普菲爾德（John Hopfield）和多倫多大學的辛頓（Geoffrey Hinton）共享殊榮，表彰他們在人工神經網絡領域的基礎性發現與創新，讓機器學習得以成為現實。化學獎得主為華盛頓大學的生物化學教授貝克（David Baker）、哈薩比斯（Demis Hassabis）及瓊珀（John Jumper），憑藉DeepMind公司在蛋白質設計與蛋白質結構研究領域的卓越貢獻，拿下本屆化學獎殊榮。兩個獎項皆與人工智慧密切相關，顯示人工智慧已被大量運用在你我生活中，大數據分析正是當中的重要基石。
●作者為臺南市永仁高中數學老師。
原文出自《好讀周報》797期
