姑娘、棉花和数据

涂子沛

如果要追溯历史，美国的人口普查部门和美国的建国可谓是相生相伴，但这个最早的统计部门在它成立100 多年后，依然是一个临时机构。

其实，从19 世纪50 年代的肯尼迪开始，每一届办公室主任都想把临时的普查办公室升级为一个常设机构。民间的统计团体也长期在国会游说，包括沃克，他在离开普查系统之后，还担任美国统计协会的主席，他也主张，普查范围应该不断扩大、升级为永久性机构，这样有助于保持工作的连续性。

但历届国会均拒绝了升级，总统不支持的理由也很明确，普查工作每10年才一次，公务员队伍应该尽量精简。

1899年3月，为了筹备世纪之交的新普查，梅里亚姆被任命为普查办公室主任。梅里亚姆是一名资深政客，曾担任明尼苏达州州长，但却毫无统计工作经验，这一任命曾引起普查系统的强烈批评和反对。

但历史常常和人类开玩笑：正是在这位外行的领导下，普查人实现了半个多世纪的梦想，普查办公室成功升级为常设机构！

姑娘的力量

这位外行走的也是“偏门”。要说原因，和霍尔瑞斯发明的自动打孔机有关。

那时候，在数据分析开始之前，必须把几千万张问卷先转变为打了孔的卡片。因为霍尔瑞斯发明的自动打孔机，打孔工作已经成为女性的专利。梅里亚姆因此雇用了几千名卡片打孔员，清一色都是年轻的姑娘。她们每天打扮得花枝招展，像云彩一样，在联邦政府的办公大楼里穿梭，成为一道亮丽的风景线。

除了年轻，姑娘们还有一个共同的特点——都想留在首都华盛顿结婚生子。梅里亚姆在国会、政府频繁组织联谊活动，于是，姑娘们和议员、公务员们打成了一片。在她们的强力攻势下，国会议员在不知不觉中被争取了过来。美国的人口学之父、著名的威尔科斯教授在谈到这段往事时说：“在处理和国会的关系上，梅里亚姆十分聪明，这些姑娘令人眼花缭乱。普查局之所以能成为永久性的常设机构，和统计科学没有‘半毛钱关系，仅仅是因为有人想把姑娘们留在华盛顿。”

姑娘们“攻陷”了国会，但任何一个法案的通过，还需要总统点头。恰恰这时候的总统西奥多·罗斯福也非常重视数据，而且就在议员们消受了艳福、改变了立场的时候，发生了一件小事，让罗斯福看到了小数据的大力量。

棉花也疯狂

1793 年轧棉机的发明，激活了正在萎缩的奴隶制，棉花种植业从此兴起，并成为美国的重要经济支柱，这种情况一直延续到20世纪。1899年，美国共产棉花900万担，其中3/4 用于出口。但接下来的几年，英国的纺织业不景气，导致棉花价格大幅波动，不少棉农破产。罗斯福总统因此急需数据，他要求统计一年当中各个时段的棉花产量，以便根据价格变化进行调控。

每一年的棉花产量，农业部都会统计，来年的产量他们也会预测，但这次罗斯福总统要的，是一年内各个时段的实时数据。农业部左拼右凑，还是束手无策，拿不出可靠的数据。

这时候，普查办公室一个部门主管诺思灵机一动。他提出，在刚刚完成的工业普查中，已经掌握了全国各地轧棉机的分布和数量，每一朵棉花都要通过轧棉机去籽。因此，通过轧棉机的轧棉记录，我们就可以准确地计算不同时间节点上的棉花产量。诺思用了一年的时间，在全国3万台轧棉机上建立了统计报告制度，每月统计两次，从而获得了棉花产量的准确数据。这个数据精细到半个月，罗斯福总统大感欣慰，于是同意普查办公室升级为永久性的常设机构。

1902年3月，在经历了100多年的波折起伏之后，美国联邦政府终于在内务部成立了普查局。一年后，普查局和劳工统计局一起并入商务劳工部（DCL）。因为棉花统计的功劳，诺思晋升为普查局局长。

人口普查局和劳工统计局堪称美国统计工作的中枢和主干，美国政府后来的很多统计部门，例如交通统计部、能源统计部、卫生统计部大多是在这两个部门的基础上分化而来的。因为没有统一的标准，全社会的数据就不可能进行有效的对比和汇总，即使计算得再准确，也没有什么意义。1901年，美国还建立了国家标准与技术研究院（NIST），推进各类标准在社会中的建立和应用。劳工统计局、普查局、标准局与1863年成立的农业统计局并驾齐驱，标志着美国国家统计机构的健全和崛起。

值得一提的是，在棉花统计过程中，开始出现商业隐私的争议。普查局最初以县为单位，公开发布各地的棉花产量，以供各级政府、商业组织和个体农户参考。但对于一个小县，如果只有两三台轧棉机，公布其总数，则意味着各台轧棉机的机主就能推算出其他轧棉机的产量，这相当于商业机密的变相泄露，因此引起了一些地方的抗议。普查局很快修改了规定，规定一个郡县的轧棉机如果不超过三台，其数据必须合并在其他郡县中，不予单独发布。这也表明，美国社会的隐私意识在逐步成熟。

到1910年，第27任总统塔夫脱首次为普查发表了专门的总统声明，向大众公开保证政府不会滥用普查信息和数据。他在声明中说：

“普查的唯一目标是获得我们国家人口和资源的总体信息，我们要求每个人都回答问卷，是为了保证能够编撰细致的统计信息。普查和纳税、军队服役、强制入学、移民管理以及任何国家、州和地方层面的执法工作没有任何关系，任何人都不会因为提供这些信息而受到伤害，没有任何必要担心我们会公开个人情况及事务的数据。我们会对信息提供人的权益进行合理保护，每个工作人员都禁止泄露任何信息，违反规定必受重罚。”

棉花，又一次改变了美国历史。

数据安全浮出水面

除了隐私意识的成熟，在棉花的统计和预测中，数据安全的问题也开始浮出水面。上文提到，农业统计局每个月都要发布统计报告，其中的一个重要指标，就是对下个月各种农作物产量的预测。这些数据会影响全国很多商品的供求关系，甚至左右期货市场价格的波动和成交量的多少。因此，这份报告在发布之前，被视为机密。1903年，农业部总统计师海德成立了一个三人小组，专门负责对全国各种农作物的产量进行预测。每月正式发布数据的当天，三人小组就会召开会议，共同确定各项数据的大小，然后在同一时间提供给所有的新闻媒体。

1903年12月，罗斯福给农业部部长写信，说他收到多起投诉，有人提前知道了棉花的产量数据，并利用它在股票和期货市场上进行内线交易。这意味着数据泄密。海德立刻修改了数据讨论和发布的过程：他把会议地点定在了一个与外界通信隔绝的房间，并规定在完成数据预测的工作之后，三人小组的成员也必须待在会议室，直到数据正式对外发布之后才能离开。

海德认为这万无一失，他也向部长拍胸膛保证，但罗斯福总统还是继续接到投诉。

泄密者确实是三人小组中的一名成员，他是助理统计师霍姆斯。霍姆斯把数据泄露给了华尔街一位棉花投机商赖柏。在被要求不能离开会议室之后，他跟赖柏约定，用会议室百叶窗的窗帘作为信号：当窗帘拉到一半，就是约定的棉花产量，窗帘最后停在不同的位置，就表示不同的产量。

海德百思不得其解，但他最终还是想出了一个办法，挖出了“内鬼”。

一天，在所有的数据汇总、预测完成后，他在最后一分钟提出要紧急修改，但这时候，霍姆斯的信号已经发出，得到错误信号的赖柏在当天的交易中损失了25000 美元。巨亏之下，赖柏愤愤不平，他在交易现场公开指责有人“篡改”了数据，这当然也暴露了他提前知道数据这一事实。在后续的调查当中，赖柏供出了霍姆斯。

令人尴尬的是，虽然霍姆斯对其阴谋供认不讳，但当时却找不到一部法律能给他定罪。因为无法可依，农业部最后只能对霍姆斯开除了事，总统计师海德被迫引咎辞职。

面对丑闻的尴尬，罗斯福十分震怒，他责令立即立法。1909 年，美国国会通过立法，将公务员提前泄露相关数据的行为定为刑事犯罪。此后，农业部着力完善了数据安全机制，推出了“锁定”制度：凡是接触到敏感数据的工作人员，在数据发布前必须被隔离，数据公布以后隔离才能解除。锁定制度同时也明确规定，数据大小的最终决定权在专业统计人员手中，即使是农业部部长，也属于锁定的对象：他仅仅在数据正式发布前的15分钟，在同样封闭的情况下听取专业人员对数据的解释，以便回答记者们提出的问题。这个制度不仅提高了数据的安全性，也把数据的决策权牢牢地掌控在专业技术人员手里，保证了统计工作的中立性和专业性。

这种锁定制度很快在其他统计部门得到推广。例如，每届总统大选期间，“失业率”就十分敏感，甚至可以影响老总统的去留和成败，它的计算过程，都是在“锁定”的情况下由统计学家独立计算得出的，连劳工部部长也无权过问。

隐私观念的成熟、数据安全管理制度的完善都表明，这时候的美国，已经开始向一个具有现代意识的国家转变。