如果你曾经有过科研经历，那你一定对数据分析不陌生：借助SAS、SPSS、Stats，我们可以把一堆人对同一个问题的回答变成这堆人对同一个问题的看法是否有差异的结论；借助NVivo、Atlas、Maxqda，我们可以把一堆人说的话画的图发表的文章变成对一个问题的简单明了有深度的思考。

可是，在做数据分析的过程中，尤其是作为一个新手初入门时，你是否曾有过这样的想法：如果SPSS的点点点操作能告诉我在A种背景B种分类下C和D的差异就好了……如果NVivo能够自己分析出这20个人对这个问题回答的主要内容就好了……

听到和看到这种情况的次数多了，笔者开始思考人们对工具的使用和被使用问题：似乎在人们享受工具带来的便利的同时，对工具的依赖性也变得越来越大了，这种依赖性似乎在将我们的“脑子”双手奉给工具，期待工具来完成那些原本应该由我们自己来主导的过程。

《逻辑思维》曾经介绍过《魔球》（不是东野圭吾的《魔球》）这本书，很形象地表达了本文的主题。这本书讲的是2000年前后美国棒球大联盟最贫穷的球队之一——奥克兰队连续好几年取得好成绩的故事。

与篮球、排球等运动不同，棒球对于团队协作力的需求远不如对于球员个人能力的需求，球员个人能力对于成绩具有至关重要的影响。因此，拥有能力超群的球员，就相当于有了好成绩的入场券。而在竞争好球员这件事上，高薪水显然比低薪水更有吸引力。虽然有好球员不一定有好成绩，但没有好球员就肯定没有好成绩。所以，在通过薪酬竞争球员这件事上，奥克兰队显然不具有丝毫优势。而最终能连续几年取得好成绩，奥克兰队显然是有好球员的，那他们是怎么做到的呢？

和大学通过高考挑选学生、公司通过面试挑选员工一样，那个时候，俱乐部挑选球员全靠球探，且球员只有一次在球探面前表现的机会，而在能力旗鼓相当的情况下，外貌会成为被挑选的重要优势。所以就会有“漏网之鱼”：能力出众但当天发挥失常的，实力足够但相貌平平的，而成功挑选出这样的球员，就成了奥克兰队以穷胜富的资本。那，他们又是怎么挑选的呢？

——他们引进了数据分析技术，通过数据来看球员的能力。今天，体育界，甚至其他行业，通过数据分析来制定战术、选拔人才是一件司空见惯的事，但在二十年前，大多数人还只相信亲眼所见，对数据能够起作用并不相信。而奥克兰队却认为，数据比人可靠，数据没有偏见，它只反映能力；所以他们甚至不看球员本身，只分析他以往的训练数据。

当然我们很容易想到的一个情况是，一旦一个球员在比赛中表现出了非凡的能力，那他之后就很有可能被别的球队用更高的薪资“买”走，毕竟俱乐部还是以比赛成绩为第一要务的，毕竟情怀有时候不能当饭吃的。那奥克兰队的数据系统是怎么抵御这种情况的呢？

接下来的描述可能会让你觉得很残酷无情：在奥克兰队看来，球队就是一组数据、一张图表，表上清楚地标注着球员的名字、投球能力、击打能力等，全部内容都用数字量化。所以，当有球员离开的时候，他们要做的只是从数据库里找到一个各项指标都相当的人顶上。所以对于球队这张表来说，只是名字换了，但球队所需要的能力一点都没少；真真是地球离了谁都照样运转。

除此之外，这套系统还有其他优势：因为它可以依据数据精确估价，所以它不需要通过坐地起价的方式竞争球员，赢得比赛的成本要低很多。此外，因为奥克兰队选的都是其他队伍不想要的人，因此这套系统就避开了对自己不利的竞争。多个因素综合作用，使得奥克兰队不断“以穷胜富”。

就像今天优秀个体、优秀组织的经验会被各种膜拜效仿一样，当年《魔球》出版之后，马上成为了美国棒球大联盟的“圣经”，很多有钱球队抢着引进大数据技术，使得不少球探丢了饭碗。当然，多年后的今天，人们又开始反思，觉得棒球毕竟是人的竞争，不是数据的竞技，甚至有人把这本书当做太过鼓吹数据的反面教材。

作为多年后的旁观者，两种方式的优劣利弊我们或许可以清晰看到，但其中所体现的工具对人的负面作用或许更值得思考。

对于球探来说，经验是他们的“工具”，但当他们固化于工具，甚至以工具为主导，过于相信经验、重视经验时，工具所应该起到的促进作用就会大打折扣。同样，今天的我们对于“大数据”越来越重视，在品尝到数据整合带来的好处之后，信任和重视程度也越来越高，甚至有人认为只要有足够大的数据体量，很多东西，包括原来认为变化性很大的人的行为、比赛的结果、市场的走向都是可以有效预测的。以史为鉴，今天这种对于数据这种工具的愈加强烈的依赖和使用，是不是同样也应该成为我们反思的对象呢？

在工具越来越多的今天，我们正在逐渐被工具“使用”，不只是说工具“主导”了我们的很多活动，笔者更想表达的是，在很多需要人发挥主动性的时候，人却开始“习惯”后退，把主导权交给工具。可是，工具，就应该只是工具而已。它的使命是帮助人这个主体更高效、更准确地完成任务，仅此而已，仅应如此而已。