大数据革命可以为我们提供先前研究者只能梦想的分析工具。但仅有数据是不够的。正如卡门·莱因哈特和肯尼斯·罗格夫，以及如今的托马斯·皮凯蒂所表明的，方法的透明度同样至关重要。
在 《对莱因哈特与罗格夫的批判》一文中（该论文首次对两人2010年的研究结论提出质疑）， 《债务时代的增长》一文的作者托马斯·赫恩登（Thomas Herndon）、迈克尔·阿什（Michael Ash）和罗伯特·波林（Robert Pollin）声称，他们发现“编码错误、对可用数据的选择性排除以及对汇总统计数据的非常规加权，导致了严重错误，从而不准确地反映了公共债务与GDP增长之间的关系”。
所发现的最明显问题之一，是将数据录入电子表格时出现的错误。这些错误导致五个国家被排除在分析之外，并与其他编码错误一道，使作者低估了高负债国家的平均增长率，同时高估了负债最少国家的增长率。
然而，编码错误在整体结果中所占比例很小（且莱因哈特与罗格夫已承认这些属于错误）， 莱因哈特与罗格夫承认这些是错误。实际上，两篇论文结论之间的分歧，很大程度上源于对莱因哈特与罗格夫“对可用数据的选择性排除，以及对汇总统计数据的非常规加权”所作的修正。也就是说，赫恩登、阿什和波林提出的主要问题在于原始论文的方法论，而不仅仅是数据。
这就引出了当前围绕法国经济学家托马斯·皮凯蒂及其新书的争议， 《21世纪资本论》。在深入研究皮凯蒂已在网上公开的数据之后， 皮凯蒂值得称赞地将数据公之于众，英国《金融时报》发现了其所称的“书中部分关键图表所依据数字中存在无法解释的数据条目和错误”。在该报经济编辑克里斯·贾尔斯（Chris Giles）看来，这些问题足够严重，足以动摇该书的核心论点，即社会中最富有人群所拥有的财富份额一直在不可阻挡地增长。
与莱因哈特/罗格夫事件类似，皮凯蒂及其研究团队录入的数据中也发现了问题。然而，与此前事件同样相似的是，誊录错误本身并不能解释《金融时报》所发现的大部分指称缺陷。相反，这些缺陷源于与“对原始源数据的无法解释的更改”以及不一致加权有关的方法论分歧。
不出所料，与此前的情况一样，作者及其支持者 强烈否认这些指控 。首先，皮凯蒂认为，对数据所作的调整是为了保持跨时间和跨国家的一致性而必要的。其次（与莱因哈特/罗格夫的例子不同），在分析中发现的所谓缺陷 并不足以推翻财富不平等加剧的总体趋势。
无论你对这些主张与反驳的真实性持何种看法，两个案例都表明：如果不明确说明支撑研究方法的假设和调整，结果就容易遭到此类批评。即使对基础数据作出调整有充分的理由，缺乏解释也很容易让人们推测其中存在恶意动机，而实际上这种动机可能并不存在。
理解数据是如何被选取和整理的，对于希望复现结果的人至关重要——这一做法不仅有助于纠正任何错误，还能使最终结论更加稳健。它也让读者了解为何作出某些决定，从而更深入地理解论证过程。
在这方面，皮凯蒂、莱因哈特和罗格夫都有过失，他们认为研究过程中所采取的路径远不如结果重要。然而，这一过失并非他们独有。若要发挥大数据的潜力，我们就必须超越仅仅将电子表格公开接受审查的做法。这里的教训很清楚：只有当我们揭示在选取数据时所作的选择，透明度才能转化为问责。
作者：托马斯·赫斯特（Tomas Hirst）任职于世界经济论坛数字团队。
图片：2013年6月24日，华沙一间办公室内，一幅插图照片显示一名男子手持笔记本电脑，其身影周围投射出二进制代码。路透社/卡奇·彭佩尔（Kacper Pempel）
