近來，一個關(guān)于美國和歐洲疫情數(shù)據(jù)的"神預測"的日更博客，在網(wǎng)上火了。
到底有多神呢？略舉二三，如下：
－ 3月27日起的連續(xù)10天里，該博客對美國感染人數(shù)的預測準確率都在90%以上，其中在4月4日準確率接近100%（預測為276727，實際為276931）。
－ 3月31日，該博客預測美國疫情將在8-10天內(nèi)當檢測人數(shù)超過200萬的時候出現(xiàn)斷崖式下跌；7天之后，也就是4月6日，美國疫情數(shù)據(jù)出現(xiàn)斷崖式下跌，增幅從12.43%降為8.13%—;—;這篇文章引起了巨大反響，閱讀量超過134萬。
－ 3月27日以來，該博客對歐洲感染人數(shù)的每日預測平均準確率達到97%，其中在4月份的前五天，預測準確率接近100%。
李志斌對美國感染人數(shù)的預測（樂觀），準確率高達90%
對此，有網(wǎng)友評論稱：大神，病毒都聽你的，絕了。
要知道，新冠肺炎疫情的爆發(fā)是一個涉及到政治、經(jīng)濟、地理等諸多復雜因素的全球性重大公共事件，對具體人數(shù)的預測聽起來就像是天方夜譚，準確率更是一門玄學—;—;所以，能夠?qū)崿F(xiàn)上述的預測成績，這個博客背后的博主堪稱是當代"神算子"了。
那么，這位"神算子"是怎么煉成的？
清華大學畢業(yè)+8年市場預測經(jīng)驗
這個博客背后的博主，也就是"神算子"本人，名為李志斌。
李志斌，1980到1985年就讀于清華大學計算機系，1985到1994年，他就讀并就職于中科院，三十歲擔任副研究員、產(chǎn)品部主任、所長助理，1994年移居新西蘭，后定居香港至今，現(xiàn)任香港致佳物流軟件有限公司、香港易經(jīng)科技有限公司總經(jīng)理。
李志斌博客截圖
在李志斌所在的這兩家公司中，前者的主營業(yè)務是物流系統(tǒng)開發(fā)（Logistics Systems）；后者有香港中文大學背景，主要業(yè)務是市場需求預測（Market Demand Forecast），也就是為企業(yè)提供在未來3到6個月內(nèi)特定區(qū)域的產(chǎn)品需求、價格波動等方面的數(shù)據(jù)分析和預測。
李志斌表示，他從2012年開始進入數(shù)據(jù)分析和預測領域，由于易經(jīng)公司的香港中文大學背景，李志斌也從教授們那里耳濡目染學了不少東西。
另外，從技術(shù)層面來說，李志斌在清華大學計算機系的學習經(jīng)歷，也讓他在軟件建模、大數(shù)據(jù)分析等方面已經(jīng)形成一個完備的知識體系；同時，清華大學的理工科學風和背景，也讓他更加重數(shù)據(jù)、重證據(jù)、重例舉，而不是重結(jié)論。
所有這些加起來，讓李志斌對"數(shù)據(jù)"非常敏感。
去年底今年初，武漢開始報告病例，香港也出現(xiàn)疑似新冠病毒患者，這讓長期身在香港的李志斌頗為警惕；到了2020年1月7日，香港特別行政區(qū)政府宣布新冠肺炎為法定傳染病，并開始向公眾通報疫情數(shù)據(jù)，由此，李志斌開始了對新冠肺炎相關(guān)數(shù)據(jù)的追蹤。
從那時開始，李志斌每天早上起來進行集中數(shù)據(jù)采集，一開始只是武漢、湖北、香港的數(shù)據(jù)，后來是內(nèi)地其他地區(qū)數(shù)據(jù)，到了1月下旬，開始收集海外數(shù)據(jù)，并整理成Excel表，同時開始利用自己的專業(yè)知識進行數(shù)據(jù)建模，并結(jié)合新聞中的數(shù)據(jù)對官方通報數(shù)據(jù)進行分析和判斷。
最初，李志斌只是在清華的同學群里分享數(shù)據(jù)和觀點，后來也每天花出30分鐘的時間來博文，并發(fā)表在新浪博客上。如今，這已經(jīng)形成了每天的習慣。
當然，對于李志斌而言，除了對常規(guī)的數(shù)據(jù)進行收集、整理和分析之外，他也在不斷結(jié)合自己的專業(yè)知識來構(gòu)建一個數(shù)據(jù)模型，并且不斷對這個模型進行參數(shù)補充和驗證，使之達到預期中的效果。
到了3月27日，李志斌在數(shù)據(jù)模型已經(jīng)趨于穩(wěn)定的基礎上，第一次給出了針對美國感染情況的預測數(shù)據(jù)；3月28日，他又給出了針對歐洲感染情況的預測數(shù)據(jù)。
李志斌對歐洲感染人數(shù)的預測，平均準確率高達97%
在他的預測中，不僅僅包含感染病例數(shù)量，還包括感染增速、峰值時間、總感染人數(shù)、總死亡人數(shù)、死亡率等數(shù)據(jù)—;—;當然，感染人數(shù)是他用來衡量預測準確率的最為重要的指標。
就連李志斌自己都沒有想到，自己的預測數(shù)據(jù)會那么準。
但是李志斌強調(diào)，沒有人可以100%準確預測未來，一定要滾動預測。
他表示： “預測是一個動態(tài)過程，因為好多即時措施、事件等突發(fā)因素，是無法預測的，這個時候需要把這些突發(fā)事件和決定等因素變成對參數(shù)的調(diào)整，反饋到預測模型中，使之運行更加準確。我的預測模型、預測參數(shù)也在不斷完善過程中?！?/strong>
再好的軟件也不能100%預測準確
李志斌的預測，離不開兩個核心要素：數(shù)據(jù)，和預測模型。
首先是數(shù)據(jù)的可信度問題。在采訪中，李志斌表示，自己從1月份開始每天收集數(shù)據(jù)，一開始只有武漢和香港有數(shù)據(jù)，一直到現(xiàn)在，每天收集上百個國家和地區(qū)的數(shù)據(jù)。
李志斌強調(diào)，在數(shù)據(jù)收集和分析的過程中，一定需要甄別數(shù)據(jù)沖突（Data Conflicting）的出現(xiàn)；尤其是在官方通報的數(shù)據(jù)量比較大的情況下，會用好多方法包括新聞數(shù)據(jù)去檢查不同地區(qū)的數(shù)據(jù)之間可能存在的數(shù)據(jù)沖突，數(shù)據(jù)沖突點越多，數(shù)據(jù)的可信度越低。
同時，在判斷數(shù)據(jù)真實性的過程中，要看數(shù)據(jù)發(fā)布的速度；數(shù)據(jù)發(fā)布頻率越高，那么可信度就會更高一些—;—;而南亞、東南亞地區(qū)發(fā)布的數(shù)據(jù)比較少、比較慢，可信度就會打折扣。
來自美國CDC官網(wǎng)的疫情情況
另外，在對數(shù)據(jù)的可信度進行判斷時，還可以借用新聞數(shù)據(jù)來做對比。李志斌告訴雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))，比如說，醫(yī)生和病人之間的比例是比較穩(wěn)定的，那就可以用新聞中報道的醫(yī)療人員數(shù)量，來反推病人數(shù)量。
他表示，其實，所有的數(shù)據(jù)都可能存在一些人為的誤差或者統(tǒng)計誤差，沒有任何地區(qū)的可信度是百分之百；但是相對來說，美國的數(shù)據(jù)沖突比較少，在可信度上高一些，歐洲的數(shù)據(jù)可信度次于美國，因為西歐與東歐之間的不平衡，所以會取平均值。但印度、東南亞、日本等地區(qū)的數(shù)據(jù)就似乎存在一些問題，數(shù)據(jù)發(fā)布慢、數(shù)據(jù)沖突點較多，影響了數(shù)據(jù)可信度的設置。
到二月底，在之前以國內(nèi)數(shù)據(jù)為基礎建模、驗證的基礎上，李志斌開始對美國、歐洲兩個地區(qū)進行疫情數(shù)據(jù)預測。于是，在數(shù)據(jù)的基礎之上，李志斌打造了一個預測模型—;—;實際上，這是一個極為復雜的模型，加起來有上百個參數(shù)，其中重要的參數(shù)有二三十個，分為以下三類：
第一類是疫情參數(shù)—;—;不同地區(qū)/國家/城市確診人數(shù)、人口、每日新增確診人數(shù)、疑似人數(shù)、每日檢測人數(shù)、死亡人數(shù)、治愈人數(shù)（含自愈人數(shù)）、在診人數(shù)、入院人數(shù)（重癥人數(shù)）。
第二類參數(shù)與地區(qū)/城市/國家特征相關(guān)—;—;城市類型（古城、現(xiàn)代城市、鄉(xiāng)村）、人口密度、氣溫、天氣（大雨、陰雨、有霧、天晴等）、城市60歲以上老年人口比例、城市平均年齡、城市建設情況（主要是下水道的狀況）。
第三類參數(shù)是關(guān)于資源和管治能力—;—;醫(yī)療資源、病床數(shù)量、社會組織能力、信息透明度、管理方式等等。
李志斌表示，在實際的操作過程中，一般是先用Excel收集數(shù)據(jù)，然后導入到后臺數(shù)據(jù)庫中，在用自己開發(fā)的軟件模型（里面包含了算法）來得出三個結(jié)論，最后自己會再人為地就結(jié)果進行判斷—;—;他強調(diào)，有很多參數(shù)是不能量化的，比如說社會情緒；所以需要人為參與。
他還表示：再好的軟件也不能百分之百預測準確。
當大船和小船同時遇見冰山
畢業(yè)于清華大學的李志斌，有著超越數(shù)據(jù)分析之外的超前洞見和思維。
比如說，在建模過程中，李志斌是從國內(nèi)的數(shù)據(jù)開始的，這些數(shù)據(jù)不僅對李志斌的建模過程產(chǎn)生了重要影響，也讓他得出了一些觀察。于是，武漢封城前一天，他就在自己所在的"清華80同學群"里和同學們分享了兩個想法：
一是武漢應當立即封城，因為數(shù)據(jù)上升太嚇人；
二是在湖北尤其是武漢地區(qū)快速建立二三十個網(wǎng)格式野戰(zhàn)醫(yī)院，作為隔離救治中心，所謂野戰(zhàn)醫(yī)院，也就是后來的方艙醫(yī)院，因為疫情發(fā)展太猛，隔離病人是比治療更為關(guān)鍵的防控措施。
這些想法在同學群里引起了很多討論，當然也有質(zhì)疑和反對，但更多的是同學們的積極參與，并提出了好多更好的想法和建議，獲益良多。后來的事實證明，這些想法都是中肯的，并且也被官方后續(xù)采取的措施所印證—;—;其中關(guān)于野戰(zhàn)醫(yī)院等想法更是超前了兩周。
除了上述建議，李志斌還在數(shù)據(jù)分析和模型構(gòu)建的過程中發(fā)現(xiàn)，成為疫情爆發(fā)點的城市往往具備幾個特征：
老城區(qū)；
氣候潮濕；
氣溫5-15度；
下水系統(tǒng)老化；
老年人比例高。
值得一提的是，在不同國家的疫情爆發(fā)城市，如中國武漢、韓國大邱、意大利米蘭、伊朗德黑蘭、美國紐約等，都大致符合這些特征。
對于這些特征的歸因，李志斌強調(diào)，其中夾雜了個人的主觀合理猜測，但也經(jīng)過一系列的結(jié)果驗證，最終才體現(xiàn)在預測結(jié)果中。
他還表示，實際上，在參數(shù)中，還涉及到社會組織方式、管理模式、社會信息透明度等問題，所以他在預測中也會把結(jié)果設定為悲觀或樂觀。
如果按照李志斌在在4月4日給出的悲觀預測結(jié)果，他對美國感染人數(shù)的總體預測準確率高達96%。
李志斌對美國感染人數(shù)的預測（悲觀），準確率高達96%
不過，在專訪中，盡管有人為參與，但李志斌還是強調(diào)了數(shù)據(jù)在決策中的絕對地位。他表示，即使是拋開疫情不談，在一個日常的決策過程中，數(shù)據(jù)的重要性可以說是百分之百的；這些數(shù)據(jù)不僅僅要真實，而且要全面，還要透明，即使在后續(xù)過程中有人的參與，也是要基于這些數(shù)據(jù)判斷而來的—;—;數(shù)據(jù)，正是決策的基礎。
那么，基于數(shù)據(jù)的決策，有多大的覆蓋面呢？
李志斌認為，即使是新冠肺炎疫情這樣的頗具偶然性、又包含政治、經(jīng)濟等復雜社會因素的群體性公共事件，也是可以預測的。
他表示，類似于傳染病的情況，它的發(fā)展存在著一種特定的模式（Pattern），偶然之中有規(guī)律在，我們也許無法掌握100%準確的規(guī)律，但是在一定的規(guī)律占比下，我們依然可以做出一些判斷和決策—;—;當然前提是巨大的有效數(shù)據(jù)量。
由此，李志斌還談到了一個有趣的比喻：
一只大船和一只小船，在突然遇到冰山時，它們勢必要拐彎；但相對來說，大船的結(jié)局顯然更具有可預測性。小船一下子就改過來了，但大船的體量太大，有一個慣性，因此它有更大的可能性撞上冰山—;—;這個慣性就是規(guī)律，而船的體量本身，就是數(shù)據(jù)量。
數(shù)據(jù)量越大、數(shù)據(jù)越準確、相關(guān)信息越透明，這種群體性事件發(fā)生的時候就越容易預測、且預測越準確—;—;李志斌最后如是說。
下載文檔
