大数据|大数据预测、分析、民调全失误？扒一扒今年的美国大选到底有多扯_约瑟夫·拜登

文章图片

文章图片

文章图片

今天早上四年一度的美国大选又如火如荼地开始了
虽然事不关己，但是作为一名合格的吃瓜群众，想必不少人都时不时刷新着美国的大选结果，毕竟猜M国总统可比刷段子有趣多了

一边是人称建国、号称没有人比自己更懂xx的懂王特朗普，另一边是做了几年副总统平平无奇、被怀疑老年痴呆的睡王拜登，这两个人放在一起竞选美国总统就已经足够具有戏剧性了，而让这场大选变得更加有趣的，则是从未迟到的“打脸”与“反转”
大数据与民调其实早在这场大选开始之前，赌场、民调、经济学家、分析师、大数据公司等就已经开始预测了，而今年的情景，似乎与四年前特朗普大战希拉里颇为相似：
所有的媒体、民调机构和大数据预测结果都显示， 2016年大选将毫无疑问地由希拉里胜出，希拉里将成为美国历史上第一位女总统

然而最终的结果却让人大跌眼镜，起初丝毫不被看好的特朗普，竟然一口气拿下6个摇摆州，绝境反击，成功上演丝血反杀的好戏！
【大数据|大数据预测、分析、民调全失误？扒一扒今年的美国大选到底有多扯】而结果就是，大数据系统和民调顿时被骂的狗血喷头，世界的吃瓜群众都表示很受欺骗
恰逢今年，美国经历了黑人运动、新冠疫情、移民风波等等数场混乱不堪的事件
特朗普的支持率因此一路走低，美国著名媒体The Economist甚至预测，大选时拜登的获胜率将超过97%

而大数据系统和民调机构也表示，今年的预测算法已经进行了修正，预测结果可靠率将高达80%以上，不会出现上次的乌龙事件
那么今年大选前，民调大数据系统给出的预测结果是什么呢？
拜登将在大选中获胜，成功当选新一届美国总统，特朗普将遭遇滑铁卢
民调大数据的依据似乎也十分科学，各种民调机构将定期对不同地区的民众进行调查，然而结合美国大选的规则、民主共和两党的区域划分、基于往年的大选规律、结合大数据预测算法，最终得出一个较为合理的结果
这么看，似乎民调大数据的结果会是十分合理的
一如既往地打脸事实上也似乎如此，因为大选开始前，拜登基本上确定已经手握210张选票，距离美国宪法规定的“270张即可获选总统”的规定数额，仅仅差之毫厘

而特朗普的情况就悲惨很多了， 6个摇摆州中只要有一个没有拿到，就非常有可能败选
而特朗普要想赢，就必须拿下从德克萨斯到宾夕法尼亚的所有摇摆州，难度难以想象
而其中最重要的关键票仓——俄州、德州、宾州、佛州，拜登的民调情况又占优，可以说拜登几乎是具有极大优势的
而拜登则只需要赢下宾夕法尼亚就能锁定胜局，这场大选似乎已经提前板上钉钉了
然而，谁也没有料到，今天的美国大选竟然会如此惊心动魄，且富有戏剧性
大选刚刚开始，拜登与特朗普的争夺的确非常激烈，拜登的优势发力很猛，不少摇摆州都开始出现浅蓝，说明拜登的支持率较高

连关键票仓德克萨斯都翻蓝了，估计没人会怀疑民调的准确性了
然而，仅仅一个上午过去了，广大吃瓜群众却发现，那些翻蓝的摇摆州竟然开始变成浅红，最后竟然全都翻红了！

特朗普再次在摇摆州中获得了完全的胜利，截止到发文时，特朗普已经基本拿下了摇摆州中的关键选票
虽然拜登明面上还有着12票的优势，但是明眼人都能看出来，后面的票仓中拜登能拿到的选票寥寥无几
得摇摆州者得胜利，这是美国大选规则下不变的真理
这场“闹剧” ，十有八九是特朗普以成功者的姿态收场

哪怕最终出现了一些不可抗的事件，让拜登以微弱的优势获胜，这次大选也足够让美国的民调大数据系统，脸面尽失了！
大数据没用了吗连续两次的失误，让民调大数据的可信度迅速低到了令人发指的地步，甚至成了过街老鼠，人人喊打
按理说，美国的民调大数据系统应该是相当科学的，但是为什么会出现这么多乌龙事件呢？
其实，很多人都会有一种误解，认为大数据系统的结果真实性，来自于算法与实际情况的高度拟合性和契合性
但我们在做数据分析、数据挖掘或者其他与数据相关的工作时，首先都要保证数据来源的真实性与可靠性
就拿这一次美国大选来说，民调大数据系统所依赖的数据源，是来自于各个州的民调情况，以及该州往年的数据情况，比如哪些州一直都是民主党的票仓，哪些州一直都是共和党的铁杆
但是这种数据源的真实性却十分值得考究：
比如，会不会出现口头上支撑拜登，暗地里却给特朗普投票的情况？
当然有，而且这种情况或许非常多，因为特朗普的激进支持者有多烂，大家都懂得
比如，会不会出现幸存者误差的情况？
当然有，特朗普的支持者中有很大一部分是农民、农场主，分布地区多为偏远的山区等，大数据系统难以保证这个人群在民调当中的有效占比
比如，各州的历史数据会不会产生误差？
当然会，尤其是近几年美国各州之间的移民情况相当频繁，就以德克萨斯州为例，德州一直都是共和党的老窝，然而今年德州票仓的争夺却异常激烈
原因就在于很多人受不了加利福尼亚州的高税环境，有钱人和流浪汉同时涌入了德克萨斯州中，导致了民主党选民的迅速膨胀，这就是历史数据的偏差
当然还有非常多的其他情况会导致数据产生偏差，都是在于数据源的处理上，是否真的具有强说服力，是我们做数据分析中最苦难、也是最重要的工作
这些工作，远远不是那些民调大数据机构改改权重系数就可以解决的，反而让这次的预测更加的离谱