描述
开 本: 16开纸 张: 轻型纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787515823546
我们正在享受着大数据带来的方便快捷，利用大数据获得更多的收益，这是一个充分享受 “数据红利”的时代。
但我们不应轻信数据永远能揭露事实。
数据无法拯救我们，我们只能依靠自己。
数据并非动态的实体，相反，它们的本质是静止的。
数据带来“博学的无知”，让市场成为“概念监狱”。
数据的微妙之处在于它们并不消灭权力，而是将它隐藏起来。
尽管数据看起来像发展知识的工具，但至今它们已经抹杀了我们锻炼批判性思维的集体能力，它们带来了助长愚蠢的风险。
数据抹杀了我们批判性思维的集体能力，助长愚蠢的风险。
正如马克思的辩证唯物主义一样，对待数据我们须辩证分析，滥用的数据对我们生活、工作、社会发展的破坏如它被正确时候带来的好处一样多。
这里有正反两方，一场大数据战争已经爆发，这是一场没有枪炮声却危害更加深远的战争！
本书将告诉你，我们的敌人是如何攻城略地，他们是如何强大！
5000万用户个人信息数据泄露，Facebook罪在何处？
大数据“杀熟”，人人成为待宰羔羊？
大数据应用的边界在哪？
数据在进入社会生活的时候，也会改造现实。
大数据时代，经济发展、社会治理、国家管理、人民生活在被大数据重构。大数据为我们描绘了一幅美丽壮阔的社会图卷。国民生产总值不断增大的数值让我们觉得更富裕，AAA级信用评级让我们觉得投资妥妥无风险，各种复杂模型让我们觉得这么治理国家万无一失，价格指数、股市指数、基尼系数……甚至幸福都可以用指数衡量。大家都在对大数据带来的巨大福利额手相庆。
虽然数据对于人类发展十分重要，但它却是一把双刃剑，它会不知不觉地降低社会现象的复杂程度，*终将我们带向错误的方向。数据被用来加强市场对社会生活的其他领域的控制，同时为数据的控制者提供了巨大的权力。信用评级、气候变化、碳排放、生态系统价格评估、援助效力评价、国家治理等领域，数据被设计用于抹杀现实，它们是控制的工具。大数据的使用与滥用，渗透到社会、经济等领域，带来意想不到的危害。
导言/001
章 数据的力量/011
数据与政治/017
相信数据/023
数据、市场和民主/031
第二章 新的全球统治者：信用评级成为不可控制的力量/043
信用评级机构：从市场分析师到寡头垄断者/049
数据背后：非正当的交易/053
评级政策和全球金融危机/059
评级与非理性/068
第三章 数据对全球变暖袖手旁观：气候变化的市场化/075
环境怀疑论和成本效益分析的兴起/079
“气候门”事件：对气候数据的扭曲/085
气候市场/095
结论：当数据成为危险的干扰/107
第四章 衡量不可测：数据把自然金融化/113
衡量自然的价值：全球治理的数据化演变/119
生态系统的价格评估/126
自然界的金融化/138
结论：自然有限公司的成立/147
第五章 数据能够为人类带来利好吗？/155
援助效力的政治：历史回顾/161
对于证据的需求/169
慈善资本主义的崛起/179
数据的罢工：社会领域影响评估的政治/186
“行善”市场化/196
结语 重新思考数据，重新思考治理/205
为数据辩护/210
在优劣数据之外/213
治理、数据与公共领域/218
现在怎么办？/225
致谢/229
并不是所有重要的事物都可以被计算，也不是所有能够被计算的事物都重要。
——阿尔伯特·爱因斯坦
一项和真理同样重要的谬误是（数据）本身可以建立起有关物质世界的知识。
——亚里士多德
新闻、政治和日常生活中，到处都有数据。无论好坏，它们俨然已成了如今*卓越的公共语言——会说这种话的人，便可统治世界。
——M.布拉斯兰 & A.迪尔诺,《数据游戏》作者
*重要的东西是无法衡量的。
——爱德华兹·戴明
在我看来，如今的世界有两个超级强权，一个是美国，一个是穆迪。美国可以用炸弹摧毁一个国家，穆迪可以凭借信用降级毁灭一个国家。有时候，两者的力量，说不上谁更大。
——托马斯·弗里德曼
章
数据的力量
“新闻、政治和日常生活中，到处都有数据。无论好坏，它们俨然已成了如今卓越的公共语言——会说这种话的人，便可统治世界。”
——M.布拉斯兰&A.迪尔诺《数据游戏》，2009年
“计数使统计者升级，而使被统计之物降级。”
——罗伯特·钱伯斯《谁的现实有价值？》
古希腊哲学家、数学家毕达哥拉斯出生于萨摩斯岛，他深信数据的力量。他不仅把毕生精力投入了数学学习中（到如今他的定理仍然是几何定理的基本组成部分），还发展了以数据为基础的整个哲学和宗教体系。他在意大利克罗顿建立了“毕达哥拉斯学派”，其信徒在当时颇受欢迎。该学派积极参加政治活动，提出了一些改革，倡导平等的文化观念，包括对妇女和其社会角色非常先进的看法。毕达哥拉斯自己也见证了从哲学家到统治者的角色转换，这一观念后来影响了柏拉图的政治思想，尤其是在他的代表作《理想国》中，他提出了这样一个主张，即“志同道合的思想家结成一个组织严密的公社”，为他们“生活其间的政治组织建立领导，乃至统治”。根据英国哲学家罗素（Bertrand
Russell）的观点，毕达哥拉斯将数据视为自然背后的推动力，这深刻地影响了柏拉图哲学和大多数的西方哲学思想。毕达哥拉斯也启发了柏拉图哲学的一个中心思想，“数学与一般抽象思维（包括逻辑）不但可以充当近代意义中的哲学基础，而且可以充当科学与伦理学命题的基础。”毕达哥拉斯和柏拉图都受到了亚里士多德的严厉批判，亚里士多德强调形式（Form）与物质（Matter）之间的重要区别，指出“一项和真理同样重要的谬误是（数据）本身可以建立起有关物质世界的知识”。
虽然毕达哥拉斯生活的细节鲜为人知，但我们知道他在政治目的上对数据的使用主要都基于说服行为。他旨在建立和运行一个完美的社会，在这个社会里，冲突和意见多样性被认为不利于社会稳定和维护秩序。他的政治生涯大约持续了二十年，终结束于革命。考虑到当时不稳定的政治制度，这已经是相当长的一段时期。在变革中，毕达哥拉斯学派的活动场所遭到了严重破坏，许多门徒被杀害。毕达哥拉斯本人被迫逃往克罗顿，在流放中身亡。然而，他的遗产对许多秘密组织的传统产生了长久影响，包括中世纪建立的两个秘密组织——共济会和玫瑰十字会。
Validity（效度）的拉丁词根validitas意指“优势与力量”。一个人的效力即是他能够命令别人服从的能力。也就是说，效力就是力量。然而，效度也是统计学的一个基础概念，用以表明一种测量方式能在多大程度上准确符合被测量的事物。在社会研究中，效度的定义有很多种（例如表面效度、效标效度、结构效度等），这表明了测量方式需要尽可能地与它们希望描述的潜在现象相一致，以对现实生活产生有意义的推论。这里的关键假设是统计数据能在我们感受世界和获取知识的过程中产生重要的影响。由此，这些统计数据才得以影响我们的决定，以及我们如何统治作为一个集体的我们自己。于是，效度对于数据的真实性来说至关重要。而与此同时，效度也在说服力上得以体现，就如同在毕达哥拉斯时代展现的那样。
公共统计在维持社会秩序和权力结构方面至关重要。衡量国家财富的初次尝试（可以说是当代国内生产总值的雏形）由经济学家威廉·配第（William
Petty）在1652年做出，它成为奥利弗·克伦威尔（Oliver Cromwell）向爱尔兰军队承诺的土地再分配计划的一部分。这项调查旨在为英国政府的利益服务，它的目标是通过征用该国民众（尤其是天主教徒）的生产性土地，并将其变成永久军事占用的一部分收入来源，以解决爱尔兰问题。一些历史学家已经证明，这项统计工作在多大程度上根除了爱尔兰的土著文化，其他一些学者将其描述为“原始积累的庞大实验”。配第的工作也有助于为政府提供新的信息来增加税收，并限制私人拥有的财富，这是一种控制地方自治权的有效智慧，避免了资本集中在潜在的对手手中。18世纪后期，近代化学之父安托万·拉瓦锡（Antoine
Lavoisier）试图在法国制定个国民账户体制，他成为包税商集团（Ferme générale）的管理者。这是一个外包海关和收税运营的机构，代表国王征收关税，并加强了旧制度下的税收机制。在法国大革命之后，拿破仑·波拿巴（Napoleon
Bonaparte）要求统计机构提供公民的具体信息，以便更有效地征兵，同时加强国家的收税和征用能力，设计更好的战时经济管理方式。第二次世界大战期间，美国商务部编制的国民收入账户被用来系统性地评估罗斯福总统的《胜利计划》，帮助美国在战争冲突中作出决策。
在当代治理中，国际排名对全球化国家的信誉至关重要。研究表明，诸如世界经济论坛所产生的全球竞争力指数已经加强了新自由主义的做法，这些做法逐渐将政府的角色从公共利益推动者变为了市场扩张的支持者。这一趋势还通过将信用评级纳入国家政策和国际条约得到了进一步强化。各种类型的善政指标，包括以国家有效性、腐败程度和市场开放为重点的指标，对于定义国家间的全球等级制度和国际“黑名单”都十分重要，而从八国集团、二十国集团到经济合作与发展组织（OECD）的建构，以及世界银行和国际货币基金组织（IMF）的权力分配来看，经济绩效指标（主要通过GDP计算）成为筹划全球治理机构的主要参数。
法国小说家奥诺雷·德·巴尔扎克（Honoré de Balzac）曾经说过，社会是按照统计学家的指示来组织的，他们在权力机构中占有重要的地位。通过数据，“社会孤立每一个人，为了更好地主宰他们，它能分裂一切、削弱一切。它统治着所有单位，统治着堆积如麦的数据。”无论数据是用来加强制度还是推动改革，它们影响政治的力度可能都是其他任何社会结构无法比拟的。举个例子，如果我们要测量人口，原则上来说，这并非一个不确定的事件，但事实上，人口统计会涉及重要的政治问题，它会影响选举结果，导致资源分配的变化。在美国，为了改变无家可归之人和双重居民身份的公民代表名额不足的情况，人们已经做了各种尝试。然而，由于每次更正都会影响到特定的司法权、种族或族裔类型以及联邦税收的分配，激烈的争论在历史进程中妨碍了这一问题的改善。詹姆斯·麦迪逊（James
Madison）在《联邦党人文集》第五十四篇中写道：
极其重要的是，各州要认识到，要尽量少有增加或减少其人口总数的偏向。如果他们的代表份额是受这条规章管理的，他们就会有兴趣多报人口。如果这条规章只决定他们分摊的税额，相反的诱惑就会占优势。
数据与政治
统计与政治（和政治利益）之间的关系历史悠久。统计学的先驱被称为“政治算术”，这是一个17世纪出现在英格兰和法国的学科，主要侧重于测量以城市规划为目的的人口趋势和预期寿命。随着时间推移，这些计算被系统性地整合到公共决策中，从而成为国家政策的重要组成部分之一。“统计学”这个词的词源来自于数据和政府之间的内在关系：它成为利用数据使国家变得强大的一门科学。“国家主义者”即是那些进行数据研究的统计学者。初的统计学者认为，通过量化社会现象，他们的模型能确定一个基本的社会模式，从而解决社会中一些关键的问题。在统计哲学的背后，存在一种观念，即社会现实是建立在某种社会秩序的基础之上的，数据能以其强大的准确性揭示这种秩序。现代数理统计学的创立者卡尔·皮尔逊（Karl
Pearson）充分体现了“实证主义者对量化十分狂热，并有极大的社会野心”。对皮尔逊来说，世界并不是由实物组成，而由对其的感知构成。自然本身并不具有特定的形式。因此，科学的目标是通过一种明确的方法使自然变得井然有序。在他的巨著《科学的规范》中，皮尔逊主张，“科学的领域是无限的；其可靠的内容是无尽的，每一组自然现象、社会生活的每一个阶段、过去或现在发展的每一个时期都是科学的材料。整个科学的统一仅在于它的方法，不在于它的材料”。
不可否认的是，与其说皮尔逊的哲学能用来理解世界，不如说是用来掌管世界。正如《相信数据》一书的作者，历史学家西奥多·波特（Theodore
Porter）所言，量化是“一种社会技术”。算术和代数不像现代数学，根植于古代的几何学，强调理论论证，“与数据领域相隔甚远”。作为统计学的基石，它们“诞生于实用的艺术中”。在现代社会，量化过程在实验实践中起着核心作用。其主要目标之一是“作为实验室的物质文化与形式理论的预言之间的桥梁”。尽管我们大多数人认为这个理论测试角色是数据量化过程的决定性任务，在实践中这却往往是不正确的：“研究人员在处理缺乏数学理论的议题时，会在报告研究方法和定量形式的研究结果上同样一丝不苟，并过滤掉无法明确表达的发现。”
这种类型的推理应用，渗透了维持社会生活秩序的意愿，不可避免地模糊了主体与调查对象之间所谓的距离。在现实世界中，我们衡量事物的方式也难免会对事物本身产生影响。“社会统计学能描述社会；但它同样也是社会布局的产物”，特拉华大学社会学教授霍埃尔·贝斯特在《该死的谎言与统计数据》一书中写道：
让我们注意到社会统计数据的人有理由这样做；他们难免想得到一些东西，就像重申和公开某些统计数据的记者和媒体人一样，有着他们的目标。统计数据是用于特定目的的工具。若要批判性地思考统计数据，必须了解它们在社会中的地位。
英国广播公司（BBC）节目《或多或少》的前主持人迈克尔·布拉斯兰和安德鲁·迪尔诺将统计数据在社会领域的应用代入了印度寓言《盲人与大象》：
六个印度人
学习很认真
他们去看大象
（虽然他们都是盲人）
每个人通过触摸
满足了想象
我们知道，尽管这群人非常想从感知（而非理论）中获取信息，他们一次也只能触摸到大象的一部分。所以对于只接触到大象身体侧边的人来说，它就像是一堵墙。对于摸到象鼻子的人来说，他认为这是一条蛇。摸到象腿的人觉得它像一棵树，而抓到尾巴的人则觉得它是根绳子。他们会因此“无休止地争吵……尽管每个人都有部分正确/他们却都是错的！”。根据定义，统计数据是静态的。“你要计算的事物必须保持不变，”英国智库新经济基金会（New
Economics Foundation）成员和《数据的暴政》一书作者戴维·博伊尔认为，“但现实生活并不是静止的”。
普利策奖获得者，美国人口统计文集《数据政治》的联合主编之一，社会学家保罗·斯塔尔称，数据就像是照片：它们“似乎阻止了人类活动的流向，并因分离的检视而固化”。因为单纯的文字就像是绘画，需要被解释，数据意图呈现一个固有的现实。事实上，“统计数据不仅仅用来做出许多解释，它们其实也包含着这些解释。因为数据不是简单地再现现实，整个数据系统代表的，是社会生活中的独立因子”。
正如布拉斯兰和迪尔诺指出的那样，问题不只是对于概念的混淆和误读。当统计数据应用于政策制定时，它们会导致各种各样的后果，其中的大部分是我们无法控制的：“当我们背向不测量的部分时，它们会做出异常的变化；就像当我们触摸感知（大象的）腿部时，象鼻子会出现意外的情况”。例如，在医疗保健方面，绩效评估（以及公共资金的分配）通常与一系列有限的指标相关联，如通过手术得救的患者与在治疗中死亡的患者数量之比。在美国以及越来越多的欧洲国家，这给了医生不正当的激励，因为当失败风险太高的时候，医生不愿意接收这些高难病例，而会宁可让患者离开医院（或取消所有预约）。同样，在公立医院对等候时间进行评估来考核的英国，公众调查也发现了管理者的一些计谋、暗中操作和它们造成的不良后果，比如取消后续回访。根据对一家“可疑”医院进行的调查发现，取消后续回访导致了至少25名患者由于缺乏术后护理而失明。
这种基于标准化评估的目标政治已经入侵了公共管理的大部分领域，而主观性和自由性曾是这些领域中重要的部分。例如，如今教育从根本上被困在了特定的成就参数中。学校在标准化考试的基础上进行评分，鼓励学生互相竞争以获取公共资金，或是吸引一些有钱的学生（和他们家长的捐款）。2001年美国的《不让一个孩子掉队法案》（NCLB）由一个大的两党联盟推动，可以说真正改善了美国公立学校为贫困儿童提供教育的方式。该法案通过使联邦资金与测试制度和处罚的接受度挂钩，来促进问责制和学校实效，从而改变了美国学校的运作理念。包括教学专业人士、民间社会团体和非政府组织在内的评论家认为，这项法律正在破坏公立学校和公共教育系统为穷人和少数族裔儿童提供教育的能力。在《儿童留守》一书中，一些学者、活动家和教师坚持认为“NCLB是在惩罚而非帮助穷人/少数族裔儿童（和他们的学校）”，希望维持公共教育私有化的议程，因为“对测试的关注和测前准备降低了校内课业的难度”。教师网在2007年进行的一项调查显示，对于大多数教师而言，在重要测验中对NCLB的强调并不奏效。只有37%的受访者认为标准化测试“有点用”，而42%的受访者则认为这对他们的教学“完全不起作用”。此外，超过40%的学生声称这些测试是在鼓励他们死记硬背，44%的学生认为标准化测试会让他们忽略那些考试不涉及的课程材料。美国公平与公开考试中心表示，标准化测试是在“鼓励浅显问题的快速应对”，“并不衡量在任何领域进行深入或创造性思考的能力”，“试图缩小课程范围，采用过时的教学方法和有害的练习方式，诸如记录和跟踪学生的成绩”。在2012年底，奥巴马政府承诺修改和完善这项政策，并给予了三十多个州豁免权。
博伊尔指出，“因为衡量真正重要的东西非常困难，所以政府和机构会试图明确定义一些其他的东西。他们必须这样做。但定义一些错误的东西会造成非常严重的后果。”他提到了英国的学校排名表，排名中将标准化考试的超然力量渗入了学校间竞争：“麻烦在于，每个学校会集中注意于测试结果，以提高他们在表中的排名。这也意味着学校可能会放弃给成绩拖后腿的学生，把注意力集中在那些成绩是D级的学生身上，他们是会在考试成绩榜上起到重要影响的人，而其他人则会得不到应有的关注。”他总结说，“如果你选择了错误的测量方式，有时就会得到与所想相反的结果。”
相信数据
要在公共生活中建立有效的测量手段，需要采取一定程度的强制措施。例如，要在建筑领域执行共同标准，既要求私营企业遵守规定，也需要一支训练有素的劳动力队伍。同时，数据也是强有力的说服武器。借用法国哲学家米歇尔·福柯（Michel
Foucault）对政府行使权力间接手段的分析，人们可能会认为，评估的“客观”标准构建不仅使“其他人的监管或控制成为可能”，对“自我身份”的塑造还会“通过个人的自我认知和自我调节进行”。简而言之，由数据制定规则比单纯的自上而下强制要复杂得多：它包含了很大程度上的自满情绪，并从根本上设计了主体的行为方式。总之，这是一个自愿默从的体制。因此，它成为福柯确认政府合理性或“政府性”的一个关键方面——也就是一项“引导行为”和从“一定距离”影响行为的技术；或者说，是按照“具体的结果”和“多种策略”来“处理事物的正确方式”。
数据也是界定现代官僚治理体系运作方式的基础。新的知识模式确实对决策者的体制机构的定义至关重要，决策者的选择必须由除行政自由裁量权之外的参数来指导。现代官僚制研究的先驱马克斯·韦伯（Max
Weber）认为，官僚主义的本质是技术的力量，它导致了所有与政治斗争相关的非理性和情感因素的边缘化，也就是人为因素逃脱了精确的计算。韦伯的想法强调“公共行政秩序能够实现距离、合理性、客观性、权威性，以及计算机制的方式”。历史学家西奥多·波特一直在研究我们社会对数据信任的历史演变，正如他所言，量化的演进过程与官僚政治的发展有着内在的联系。出于法律和政治的原因，行政自由裁量权被人怀疑，“所以监管者别无选择，只能不懈寻找事实，并尽可能地将它们减少到几个决定性的数据”。特别是在像美国这样的多元民主国家，利益集团争夺在公众中的地位以及参与决策的时候，基于统计的决策有助于调整政府、企业和整个社会的利益：“当价值观的冲突与共识难以捉摸，数据和操纵它们的技术会因为它们表面上的中立性而被推崇。有了统计数据，激烈争论的问题看起来似乎都会被马上解决”。
在20世纪30年代的大萧条时期，美国统计学家和经济学家发现他们在公共决策中起到的作用呈现了指数级的增长。一系列的环境灾难，特别是1927年的密西西比河大洪灾，为基础设施项目大量使用基于统计的风险评估方法创造了良好的条件，同时也为评估预防政策的成本和效益提供了初步研究。随着经济衰退，公共预算不断缩减，“有限”的资源配置中引入了新手段的指导，以避免政治争议。1936年，《防洪法》首次在公共政策中引入了成本效益分析，指出除非有防洪计划能证明其效益超过成本，否则不会有任何计划获得联邦资助。初，成本效益方法的设计是为了鼓励高度争议部门的开放和中立，例如防止环境灾难及其与公共基础设施项目和工业化的关联。当然，数据的可信度会在专业性、科学中立性和透明性的修辞中体现出来。在1936年《防洪法》中设置成本效益条款的参议员认为，负责这些项目计量经济学分析的专家是“值得尊敬的、直率的、爱国的人”，因为新的评估体系需要“按照轻重缓急，做出独立的、非政治性的、没有偏见的决定”。由于这些人的专业知识和声誉，负责处理数据的部门开始享有越来越大的影响力，这种影响力又反过来被用以增进与强大的私有利益及企业的友好关系。罗斯福政府内政部长哈罗德·伊克斯（Harold
Ickes）表示，负责量化管理发展的官员是“华盛顿有力、雄心勃勃的游说团体”，与军事分裂和“官僚制下完美的部分”紧密联系在一起。
在20世纪60年代和70年代，用于衡量成本和收益以及评估公共基础设施项目有效性的各种模型，已经“从地方官僚体系中聚集起来，变成一套合理化的经济原则”。在美国人对政府“经常性不信任”的政治背景下，统计分析的拥护者在各个领域都引入了这些工具，包括从社会福利项目的评估，到监狱的运作，等等。他们声称，这些工具在公共政策的计量经济评估上“几乎普遍有效”。特别是，成本效益分析和实验测试程序开始由各种下属机构和私营公司实施，这些机构和公司会将他们的专业知识出售给政府部门或招标公共项目的公司。正如波特强调的那样，在这个阶段，“科学、国家与大型行业的利益之间”存在明确的一致性。例如，尽管前美国总统尤利西斯·格兰特（Ulysses
Grant）于1877年向国会作出了一个著名的不成功呼吁，但美国国家标准局经常鼓励政府和有关工业部门进行密切合作。格兰特在呼吁中对私营部门的检测和评估与国家要求的不同：“这些试验不能由私人公司自身执行，不仅有费用的原因，还因为结果必须依赖无私利的人的权威。”
在20世纪90年代，量化评估的新做法成为“审计爆炸”的一部分。除了通过财务审计对私营公司会计进行监管外，还出现了“环境审计、效益审计、管理审计、法务审计、数据审计、知识产权审计、医疗审计、教学审计和技术审计等评估方式，它们带来了不同程度上的制度稳定性和接受度”。《审计学会》一书的作者迈克尔·鲍尔（Michael
Power）认为，会计制度进一步强化了人们对数据的关注，并铸就了“理性化社会的神话结构”：“审计爆炸的根源在于组织生活的程序性重组，以及新的‘治理合理性’。”
这样的重组给所谓的专家，也就是生成数据的个人和组织，产生了前所未有的影响。用德国心理学家格尔德·吉仁泽（Gert
Gigerenzer）和他的同事们——《机遇帝国：概率如何改变了科学和日常生活》一书作者的话来说，专家的权威性因为统计和计量经济计算结合到公共决策中，而得到了极大的提升：“事实上，数据的爆炸创造了一种新的专家，他们的主张更多依靠信息与形式技术，而不是具体的经验或个人判断。毕达哥拉斯赋予了数据如此大的影响力，这对于新型专家来说既是一种福音，也是一种诱惑。”把这些“新”专家的工作动员起来的标准化程序“与现代官僚制的公正性和规则相平行”，它们试图排除“个人自由裁量权，强调既定程序的一致性和机械性应用，以避免偏见，一个针对事实，另一个针对公平”。
然而，大部分的审计报告并不传达有价值的信息。对于外部用户来说，它们不是基于证据的、不需加以说明的文件。总的来说，这些报告是自成一体的不透明记录，从根本上依赖着“中立，客观，冷静，专业”的语言系统。这实际上意味着对公众的全面披露、透明度和问责制是通过专家认证被限制的。审计过程因而成为一条捷径，它建立在我们社会对专家根深蒂固的信任基础上，而非理性的公共审议基础：“这是问责制链条中的一个死胡同。”简言之，更多的数据和会计制度并不一定等同于更好的问责制。相反地，它们会减少“公众猎奇的心理和公开调查”，因为一个必要事实是，专业审计的终用户并不是广大公众，而是“专家话语中的虚拟参照点”。这也是计数的很多悖论之一。虽然审计爆炸发展是以问责的名义发生的，“给出账目看起来却像是一种避免问责的方式”，在这样的情况下，数据扼杀了政治讨论和社会讨论，意图提供不容置疑的事实。自相矛盾的是，“虽然审计学会宣称的纲领性基础是开放和问责，它却有着日益封闭的危险。”
使用数据的专家成为社会信任的守护者。数据和守护者的权力从根本上颠覆了支撑社会和政治联系的委托代理关系。公民、选举代表和其他利益相关者（委托人）被专家（代理人）所控制。而基于数据的治理机制的深刻制度化进一步加强了数据的力量，因为“我们促成了各种辅助认证或可靠性担保……这些很容易被操纵，但现在对于那些已经不怀疑新代理人的委托人来说，又是非常重要的东西”。我们都相信那些以数据为证据的人，即使我们知道，各种目的的数据造假都是如此容易。在学术研究领域，每年都会发现数百起数据篡改案例，甚至涵盖了世界一流大学。当然，它们之中的大部分并不会成为世界性的头条新闻，但确实有一些引起了轰动。比如说，在1986年，诺贝尔奖获得者、生物学家戴维·巴尔的摩（David
Baltimore）就因为卷入了一项涉嫌捏造数据的研究，引起了全球热议。这些造假数据被用以支撑一项免疫系统研究中的新发现。尽管巴尔的摩后摆脱了所有控告，他还是在这项惩戒中受到了一定打击。在社会研究中，也有非常多相似的例子。历史学家迈克尔·贝勒斯雷斯（Michael
Bellesiles）的例子可谓是臭名昭著，他伪造了一份“独特的”数据集，其中包含了数百年来美国民众中小型武器的分布情况。他写作的畅销书《武装美国》被《经济学人》杂志称颂，并获得了久负盛名的班克罗夫特奖。而后，学术界发现了书中的数据造假，这也迫使贝勒斯雷斯放弃了奖项。
哈佛大学经济学家卡门·莱因哈特（Carmen Reinhart）和肯尼思·罗格夫（Kenneth
Rogoff）是《这次不一样：800年金融荒唐史》这部金融危机史上影响深远的著作的作者。2010年，他们发表了对美国国家经济研究局（NBER）的后续研究报告。该报告很快成为所有鼓吹欧洲和美国紧缩计划的政府和保守势力的参考。欧盟委员奥利·雷恩（Olli
Rehn）和美国共和党议员保罗·瑞恩（Paul Ryan）都引用了这项研究。莱因哈特和罗格夫题为《债务时代的增长》的论文使用了“44个国家长达200年”的时间序列数据和“3700份年度观察报告，其中涵盖了广泛的政治体系、制度、汇率安排及历史情况”。其主要实证结论为，各国的政府债务不得超过GDP的90%，否则会自动引发经济增长速度的变缓和系统性衰退的风险。之后，在2013年，马萨诸塞大学阿默斯特分校的一名年轻学生被指派完成一项作业——重复一篇经济研究领域著名论文的运算过程。他选择了莱因哈特和罗格夫的这篇论文，因为每个人都熟知它在经济危机的政治管理上具有的影响力。然而，在经过多次尝试后，他发现无法重复论文中的运算。他的导师建议他联系原作者，他终收到了原始电子表格，发现了许多基本的计算误差，包括错误的平均值，这在很大程度上破坏了研究结果。莱因哈特和罗格夫为他们的错误公开道歉，但他们的总体结论仍然得到了部分支持，而凯恩斯主义的经济学家则抨击他们是错误的决策者。美国经济和政策研究中心批评了这项研究的结果，以及它为在美国和欧洲引起广泛不满的紧缩政策所提供的辩护。该研究中心反问道：“莱因哈特和罗格夫的算术错误造成了多少失业？”伦敦大学经济学教授丹尼尔·哈默梅什（Daniel
Hamermesh）怀疑，由于这项研究在政策上的应用，可能直接导致了失业现象：“但它为那些影响了人们如何看待这个世界的事物提供了一种知识上的合理化。而人们，特别是政治家，他们看待这个世界的方式会终影响到世界的运行”。
两位知名学者怎么会犯这样的低级错误，还在如此长的时间里侥幸没被发现呢？他们怎么发表在美国国家经济研究局（NBER）的工作论文中呢？要知道，NBER可是世界上负盛名的经济智库，因包括了22名诺贝尔奖获得者而引以为傲，但却没有人注意到论文中错误的平均值计算。美国国内外的报纸，以及像国际货币基金组织这样，在两位经济学家加入学术界之前曾经工作过的机构，都褒扬了两人的成果。为什么没有人发现这样严重的计算错误呢？当然，这个事件也严肃地质疑了所谓的同行评审过程的可信度，我们不禁怀疑，还有多少影响着日常政策的研究中，也存在着类似的“偏爱”。
这样的问题不仅仅在美国发生。在欧洲，社会心理学家迪德里克·斯塔佩尔（Diederik
Stapel）是很多被广泛引用的论文的作者，他的论文经常发表于像《科学》这样的著名刊物上。他在2012年承认自己曾“修改了研究数据，伪造了某些科研项目的结果”，“不止是一次，而是好几次”，“不仅是在一小段时间内，而是持续了很多年”。可以说，他的整个研究生涯，那些曾在社会定性研究领域给教育计划和政策带来很大影响的研究，都是以杜撰的数据为基础的。在斯塔佩尔的一本回忆录《出轨》中，他用强大的叙事力描述了他篡改数据的过程：
我更愿意在家中做这些，在深夜，所有人都睡去的时候。我会给自己泡一壶茶，将电脑放在桌上，从包里拿出便笺，用钢笔写下我将要完成的一整套研究项目和成果……后来，我开始输入我臆想的数据，一行一行、一列一列……3、4、6、7、8、4、5、3、5、6、7、8、5、4、3、3、2。输完数据后，我就可以开始做项分析。这些数据通常不会立即产生正确的结果，于是我便会返回模型并修改数据。4、6、7、5、4、7、8、2、4、4、6、5、6、7、8、5、4。直到所有分析结果都能按照预期实现为止。
斯塔佩尔坦诚地向所在大学的调查委员会承认了这一切：“我没有经受住想获得成功、想发表论文、想成为更厉害的学者的诱惑……在一个很少有制约平衡、人们总是单独工作的制度下，我走错了路。”
数据、市场和民主
苏格兰社会评论员托马斯·卡莱尔（Thomas Carlyle）在《宪章运动》一书中写道，一位机智的政治家“可能会用数据来证明所有事情”。我们都知道一句著名的格言：“世界上有三种谎言，即谎言、糟糕透顶的谎言和统计数据”。用吉仁泽和他同事的话来说，如果我们的社会已经意识到数据能够用来证明什么，“那是因为他们经常做了（错误的）证明”。当专家的主张过多时，“政治和社会制度允许他们这么做，甚至鼓励了他们的虚荣自负”。法国哲学家雅克·埃吕尔（Jacques
Ellul）曾经写道，“现代人需要一种与事实真相的联系”，这像是一种“用某种方式说服自己的自我辩白，让他觉得自己是一个服从理性和实证经验的人”。但埃吕尔的所指并不是科学，他的分析重点在于宣传的意义和形式。在埃吕尔的理解中，数据的使用对于“在理性和事实性因素的基础上创造非理性的反应”是至关重要的。
为了成为社会辩论的一部分，个人和团体必须呈现一些数据。没有数据，论据将被视为缺乏可信度，而只是基于纯粹的经验之谈。正如贝斯特所说，“数据是因为要为政治斗争提供武器而被创造和复制的，而这种政治目的通常被隐藏在一种断言后面，即数据，仅仅因为是数据，所以一定是正确的。”媒体进一步放大了对数据的操纵。它们迫切需要简单的故事情节。它们努力地汇报“事实”，而粗浅的数据是强大的营销工具，因为它们吸引人们的眼球，容易引发争议，还简化了记者的工作，记者不再需要仔细分析各种意见和细节。正如哥伦比亚大学新闻研究院的一位讲师认可的那样，“我被培养成了这样一种人，我只相信能够观察到的和可以量化的事实……新闻记者在看到平均成功率、股市行情、人口普查、选票统计时，才能得到的安全感。”
《数据是靠不住的》一书作者查尔斯·塞费（Charles Seife）在书中引用了美国国防部在越南战争期间发明评估体系的例子，该体系用先进的计算机向媒体提供各种统计资料，以表明美国正逐渐在这个东南亚国家的战争中赢得胜利。但是，事实当然不是这样的：“这种信息是新闻的原始材料。它给了新闻记者们表达观点的依据；如果记者的言论不能被硬性事实支撑，他们在表达时就容易显得软弱无力。”一旦某个数据出现在了新闻报道中，它就走上了自己的轨迹，并会经历一段像洗钱一般“数据合理化”的过程。其可疑的起源会被瞬间遗忘，通过不断地复制，该数据开始被视为一个明确的事实，“准确而权威”。不久，数据所经之路变得模糊不清：“人们忽略了数据的原始来源，却认为这个数据一定是正确的，因为它随处可见。”
正如美国国防部伪造数据支持保守派媒体的宣传，使媒体得以引用战争中的死亡人数、俘获的武器数量和部队人数来“描绘战争将胜利的美好画卷”。反环保主义者的游说团体也进行了相关研究并呈现出数据模型来佐证各种各样的虚假联想，他们说高油耗的多功能车（SUV）比混合动力车更利于环保，还说全球变暖现象并不存在。数据推理的应用经常会为一种系统性的否定做好准备，强大的利益集团十分支持这种应用，尤其是在美国。数据“谎言”的产生看起来是违反直觉的，它并不是为了说服意识形态的敌人，而是为盟友提供一个数据库。2007年，一个市场研究小组发表的研究显示，众所周知的高油耗车型悍马H3比丰田普锐斯更加节能（他们认为悍马比普锐斯拥有更长寿命和可行驶更长里程，利用这两个因素设计新的模型，降低了前者对整体环境的影响，从而得出结论），反环保主义专家和全球变暖的怀疑者由此重新得到了激励。这些虚据迅速席卷了主流媒体，《华盛顿邮报》为气候变化否认者开放了专栏文章，他们呼吁人们购买悍马车，“以代替丰田普锐斯”。正如历史学家内奥米·奥利斯克斯（Naomi
Oreskes）和埃里克·M.康韦（Erik M. Conway）在医学和环境研究领域对反对科学的力量进行分析时所表明的那样，媒体已经成为对虚假数据心满意足的支持者，毕竟新闻记者们总是将统计数据视为一种无可争议的证据。考虑到记者是经过培训的持中立观点的代表，数据的呈现已经成为那些有意传播怀疑观点，阻碍某些关键领域改革的人手中的有力武器。比方说，他们会进行风险炒作，将预防原则应用于健康领域和环境规制：“无论错误一方的观点多么荒谬可笑，或者多么依赖‘数据的骗术’，新闻媒体都会报道它、增强它，让这些人造的‘事实’显得很有生命力。”
新闻报道对股市指数的迷恋是媒体与数据间密切关系的好例子。在20世纪80年代以前，只有专门的媒体机构会提供国内外市场的股票信息，几乎没有媒体会参考股票指数。例如，称得上是世界上知名的股票指数的道琼斯工业平均指数（通常被称为道琼斯指数），是在1896年首次公开发布的；尽管20世纪的投资者们十分青睐道琼斯指数，它在大萧条时期还曾一度暴跌，它真正流行起来还是在20世纪90年代，那时的综合性报纸和电视台才开始在定期出版物和播放中引入股市信息。同样地，在20世纪50年代开始正式编制的标准普尔500指数，在21世纪才有了全球知名度。纳斯达克综合指数在1971年开始运作，到了20世纪90年代末，随着互联网泡沫的出现，它才登上了全球的头条新闻。从那以后，这些数据（连同国家和地区的各项指标）几乎成为每个国家公众辩论中的主角。媒体每天都会根据股票市场活动的平均值和估计值，为我们提供股票行情表和时间序列。各种专家会对此作出评论，数据不断在后台滚动。动画图形和复杂的表格给这些数据增加了重要的光环。媒体经常会带给我们这样一种印象：股票指数是一项公益事业，是一国经济健康的指标。交易量比较低的时候，国家就经历着糟糕的一天；交易量高的时候，媒体则会为此而庆祝。这种看法也影响着我们的整个社会：当指数上涨时，我们欢呼；当它下降时，我们忧伤。但股票指数代表的究竟是什么？事实上，这些数据和公益事业毫不相关，仅仅只是用来描述私人市场交易的一部分主体的情况而已。股票指数只包括了那些上市公开交易的公司，它们实际上只是全球私营部门中的一小部分。而且，这些指数只涵盖了这些公司中规模的一部分（以总体股票价值计算，而非资本或劳动力规模）。打个比方，道琼斯指数仅仅包含了三十只股票，虽然它们已经能粗略地代表四分之一的总股票市值，但也确实没有包括任何中小型公司。它仍然是美国主要的市场晴雨表。标准普尔500指数对市场的整体覆盖面比较广，但由于它有市场资本加权制，所以会给大公司一定的特权。后兴起的纳斯达克指数则只关注科技股。所有的股票市场统计数据也是如此。由于这些指数能被用来吸引投资，它们会攫走本将投向小公司和地方经济的资金。在世界很多地方，实体经济非常有可能受到对股票指数盲目乐观的影响。这些数据并不是经济发展的信号，而是以牺牲中小企业为代价加强大资本，对市场造成的扭曲。
这些指标都不是市场动态的真实参考，更不用说能用以衡量经济健康。然而，媒体炒作已经成功将它们融入了我们的社会心理，从而加强了金融资本主义的政治控制。韦伯将数据的力量与资本主义意识形态的霸权主张联系在了一起。他把资本主义制度定义为“一种附带资本会计的体制，即按照现代簿记和收支平衡原理计算确定收入的体制”。而且，数据的受欢迎程度也影响了我们对价值的理解。股市指数并不能衡量企业的实际价值。它们反映的是股票预计的交易价值，也就是投资者愿意为购买股份花多少钱。当投资者对其非常有信心时，这种价值会大幅上涨；若投资者破产，股价也会相应地崩盘。《哈佛商业评论》前任编辑乔尔·库尔茨曼（Joel
Kurtzman）曾强调，“机构如今不再购买和持有很多股票，因为他们信任公司的潜在价值”。恰恰相反，他们会买进卖出股票，通过“一些数学公式的帮助”，缩短持有股票的时间。正如国际政治经济学家罗内·帕兰（Ronen
Palan）所说，“我们用来反映股票估值、利润和财富的数据不再能折合成‘真正的’有形商品，它们是将‘权力’当作纯粹的关系来衡量。”然而，由于媒体自身的数据自信和批判性分析的缺失，这些指标传达了一个错误的信息，即当数值上升的时候，实际财富正在被创造。从而，当市场整体情绪高涨时，我们会感到富有；当这种“虚假的”财富蒸发时，我们突然感到了贫穷。正是因为这些数据，我们都成为市场社会中无意识的利益相关者。
有些数据在本质上显得比较微妙，所以会特别隐蔽。它们不以传统的统计格式显现，也不出现在复杂的公式中。它们非常简单明确，我们几乎忘了它们也是数据，是抽象的概念和人类的发明。价格就是一个完美的例子。我们的日常被价格包围，我们会通过商品标价来看世界，让它帮助我们做出决定。无论是选择假日旅游的目的地、孩子要就读的学校，还是考虑看望父母时，价格都会成为我们做选择的基本参数。价格已经成为价值有力的标示。每件物品都要值得它们的标价，或者与我们愿意付出的钱对等。正如奥斯卡·王尔德（Oscar
Wilde）在《道林·格雷的画像》中写到的那样，“如今，人们知道所有东西的价格，就是不知道它们的价值”。
价格不仅在我们的日常生活中普遍存在，还具有宏观经济统计的功能。例如，有史以来强大的指标，的国内生产总值（GDP）就是以市场价格度量的商品和服务的总和。我在前一本书《GDP究竟是个什么玩意儿》里谈到了GDP背后的政治性。我们在此不多谈，只将GDP视为一项“总额”，而不包括生产过程中的物资贬值（比如机械、工具、车辆等）。在市场之外的各种交易（例如家庭内部交易、非正式经济、易货交易等）也不被计入总额。此外，GDP并不会考虑到经济增长过程中消耗的自然资源价值，因为这些资源能免费从自然界获取。GDP甚至也不会将污染和环境退化的经济成本纳入，而这是工业发展造成的明显后果。所有这些重要的遗漏使GDP对经济实绩的衡量具有很大的选择性（有些人可能会认为这一数据会使人变得目光短浅）。比方说，家庭服务即使没有在市场上被定价和交易，也仍然会产生根本性的经济影响力。如果政府不得不为家庭层面的各种服务付费（包括对孩童和弱者的照顾、教育问题等），那我们的经济发展就很可能陷入停滞状态。近，一项估算美国家庭生产价值的研究表明，从1965年到2010年，美国家庭内进行的各种生产活动每年占经济产出的30%以上，这一比例在1965年达到了39%的值，2010年时则下降到了25.7%。在很多国家，“临时工作”和非正规的商品和服务交易为数百万人提供了必要的生活来源。尽管这并不会在GDP上表现出来，却常常构成了实体经济的骨干。同样地，因为自然资源没有定价就忽视了它对经济的投入，这使我们遗忘了只有在生态系统不断提供“资本”的情况下，经济增长才能得以实现。没有干净的土壤、水、空气和其他重要的天然过程，农业生产是无法进行的。没有地球提供的化石燃料、碳氢化合物和能源，工业化也无法实现。然而，当这些资源枯竭时，我们面临的风险不仅是经济发展的停滞，还有危及生命的自然失衡。会计学基础告诉我们，利润等于收入减去“全部”成本。由于GDP经常忽略经济中的一些关键部分和重要的成本花费，没有任何明智的商人会将它应用于公司经营。然而，它已经成为整个社会运行的重要参数，正如一篇发表在《经合组织观察家》上的文章提到的那样：
如果说统计界有一个颇具争议性的标志，那一定就是GDP。GDP衡量的是收入，而非持平状态；它衡量增长，而非破坏。它会忽视社会凝聚力和环境的价值。然而，政府、企业，还有大部分人，都无比坚贞地信赖着它。
定价机制在制定公共政策方面的应用有着悠久的历史，它可以追溯到欧洲和美国现代工程技术发展的时期。当时，在基础设施的建设中，人们需要数据化的评估工具，以便给税收征管带来便利。19世纪下半叶，含有量化因素的公共管理变得相当普遍，尤其是在公共工程的定价问题上、招标的分配，以及公民在通过大桥和铁路时需支付的通行费的计算，都会用到定量的方法。举例来说，法国工程师朱尔·杜普伊（Jules
Dupuit）就是个在火车票定价中引入诸如边际效用递减率等概念的人。杜普伊认为，数学推理的确定性对于良好的政治经济分析至关重要。他解释道，立法者的准确定位应该是要“把这些政治经济所表现出来的事实奉为神圣”。
弗里德里希·奥古斯特·冯·哈耶克（Friedrich August
von Hayek）是自由市场经济学的先驱，他率先将价格综合理论发展成为各种指标，也就是信息带来的信号。他曾于1945年在《美国经济评论》期刊上发表了一篇颇具影响力的文章，名为《知识在社会中的利用》。他在文中写道，价格体系是“一种记录变化的工具，或一种通信系统，这种通信系统能使单个的生产者像工程师观察一些仪表的指针那样，来观察一些指标的动向”。哈耶克认为，社会是“一个关于相关事实的知识分散地掌握在许多人手中的体系”，而在这个由部分信息构成的万花筒中，“价格能协调不同个人的单独行为，就像主观价值观念帮助个人协调其计划的各部分那样”。然而，尽管哈耶克对价格的交际功能抱有极大兴趣，但他也认识到价格只是“一种数据指标，这种指标不可能从特定的物品所拥有的任何特征中得出，但它却可以反映，或者在它身上集中了它在整个方法目的结构中的重要性”。
在哈耶克将价格定义为信息的信号后，经济学家费雪·布莱克（Fischer
Black）、迈伦·斯科尔斯（Myron Scholes）和罗伯特·莫顿（Robert Merton）开发了复杂的公式来预测各种金融交易中的价格，特别是在衍生品市场。三人建立了布莱克-斯科尔斯-莫顿模型（Black-Scholes-Merton
model），莫顿和斯科尔斯因此获得了1997年的诺贝尔奖，这一模型很快就成为全球金融领域定价方法的重要参考。随着世界经济日趋金融化，价格成为价值的完美替代品，金融市场成为资源配置的可选择空间，这也进一步影响了我们的治理模式和社会评估财富的方式。
直到2008年9月，这个有着完美定价规则的世界开始崩溃了。美联储前主席艾伦·格林斯潘（Alan
Greenspan）在众议院监督与政府改革委员会的一场听证会上承认，“定价模型的发现曾被授予诺贝尔奖，这个模型奠定了金融衍生品市场的发展。现代风险管理思想盛行了数十年，但是这个知识体系却已分崩离析。”那只是全球金融危机的开始，而后，这场危机席卷了整个世界，并造成了大萧条以后破坏性的经济衰退。然而，价格对我们社会的控制是不受金融世界的经济混乱影响的，在经济危机阶段，数据的力量比以往任何时候都更加强大。
价格是指标。它是在资源稀缺的情况下，因供求关系而确定的综合性参数。从理论上来说，价格应该大致对应于商品和服务给个体消费者带来的边际效用。实际上，在大多数实体经济体中，价格根本不是（或只是部分）由消费者的偏好和优先选择顺序确定的。一般来说，价格很容易受到供求关系良性的外部动力因素的影响，其中包括税收、补贴、企业联合、垄断等，更不用说能够提供给某些行业特惠待遇，却不适用其他行业的鲜明政治立场。由于价格（和货币量）受信贷影响很大，金融家、投资者、银行家和保险公司的贴现率在很大程度上决定了什么样的东西才是真正有价值的。我们的经济状况比以往更依赖少数人的偏好。
价格和市场总是齐头并进的，因为前者是交换价值的具体指标。显然，那些附有价格标签的物品就能在市场上进行买卖。因此，价格的普适性导致了市场的增长远远超过了惯例上与利润相关的传统市场界限。我们现在制定了碳的价格，并有着与碳排放相关的市场；我们有适用于非盈利部门的财务模式；用市场和价格来迎合生物多样性，应对碳排放和森林资源管理；根据保单的价格来评估一个人的生命价值。诸如成本效益、支付意愿、重置成本和投资回报等经济概念在我们的治理模式中占据了主导地位。从局部上来说，大多数的公共机构都采用了从商业中借鉴的管理公式；在全球范围内，我们在气候变化和环境退化等问题上引入了市场机制。近的一些研究也显示了数据化组织的运作原理，即通过数据的合成表现出某种财富，以促进资本在离岸经济中的流动，这样就会加大超级富豪和其他人之间的全球性差距，也破坏了各国维护福利制度的能力。
2004年，哈佛大学校长劳伦斯·萨默斯（Larry Summers）公开庆祝了数据的胜利。他称赞“魔球”已经成为棒球界成功的预测模式，并坚持认为，“在棒球运动中正确的部分，实际上在广泛的人类活动中也同样是正确的”：
在过去的三十年里，投资银行领域已经由善于在第19洞（高尔夫术语，指高尔夫会所中的酒馆）接待客户的人主导，变为由善于解决衍生品定价中复杂数学问题的人来主导。环境监管领域在实际应用中已经基本不再受执行活动的人士或是律师的指导，而让位于能够熟练地进行成本效益分析的人。在总统竞选活动中，组织者曾经呼吁一批有才华的律师来进行辅佐，但现在他们更需要出色的经济学家和工商管理硕士（MBA）的帮助。我可以提出很多这样的例子。这正表明了从社会科学发展而来的分析技术正在得到越来越广泛的应用。
全球市场的“转变”由于对数据不受约束的信任而得到加强。正如亚当·斯密对“看不见的手”的描述，也就是对市场效率在分配资源和解决复杂的分配问题上所做的创立性假设一样，现在大家会普遍“相信数据终能够‘自动’起作用，可以这么说”。但其实数据自身能做的非常少。它们能藏起冲突，却不能解决冲突。它们只能通过对无法逃避的问题的外在表现分析来遮掩问题本质。毫无疑问，数据是知识进步和治理改善的重要工具。而同时，它们也会成为那些希望维持现状的人手中的有力工具。
评论
还没有评论。