一
　　2011年10月，美国佛罗里达州的劳德代尔堡发生了一起恶性交通事故，一名退休警察开快车，结果肇事致人重伤。
　　这个城市有份地方报纸，叫《太阳哨兵报》，这个故事的女主角克斯汀就是这份报纸的一名女记者。这名40多岁的女记者听到这则消息之后，皱起了眉头，在她的印象中，警察因为开快车导致的交通事故发生好多次了，即使是退休的警察，也发生好几次了。
　　为了印证她的直觉和记忆，克斯汀收集整理了历年的新闻报道，果然：从2004年起，整个佛罗里达州发生过320起警察开快车导致的交通事故，19人在事故中丧生，但最后的结果是，只有一名警察入狱服刑。
　　克斯汀意识到，这可能是一个非常值得关注的社会问题，她甚至怀疑她收集到的数据还只是冰山一角，类似的警察很多，开快车可能是警察这个群体的经常性行为。但怀疑只是怀疑，克斯汀知道，要证明它，无异于要证明警察这个群体知法犯法、凌驾于法律之上，这是个相当大的挑战。
　　难就难在取证。
　　她决定试一试。克斯汀抱着测速雷达，一连几天守在高速公路边，一看见有超速的黑点，就驱车直追，但追来追去，常常发现不是警车。一到晚上，目标更是难以辨认，就算运气好，真的碰上一辆超速警车，克斯汀也无权截停，就算拍照录像，证据还是不够充分，事后也无法指证。克斯汀还试过跟踪警车，看见一辆跟一辆，她在尝试之后，发现这更难。
　　难、难、难！但在这个世界，还真要相信办法会比困难多，在某个地方，总有你意料之外的发现在等你。克斯汀最后竟然想出了一个超级好办法，她根据美国的《信息自由法》，向当地的交通管理部门申请数据开放。因为警车是公务车，公民有权了解其使用状态，她因此获得了110万条当地警车通过不同高速路口收费站的原始记录。
　　克斯汀的分析方法是：选取两个特定的收费站，测算之间的距离，再在110万条记录当中找到每一辆警车通过这两个不同收费站的具体时间，两点之间的距离除以两个时间之差，即为该警车的平均行驶速度。
　　克斯汀和她的团队用了三个月的时间对这些记录进行了整合和分析，结果是半夜里敲大钟——令人震惊。
　　在13个月里，当地所属的3900辆警车一共发生5100宗超速的事件，96%的超速在每小时144公里至每小时176公里之间，当地五分之一的警车都有时速超过144公里的“劣迹”，而且，记录表明，绝大部分超速行为发生在上下班的时间。这意味着，他们开快车可能并不是为了执行公务，而是为了早点回家。
　　克斯汀的怀疑得到了证实。2012年2月，她利用这些数据分析的结果，在《太阳哨兵报》上发表了一系列报道，头篇报道的标题为《他们凌驾于法律之上》。在大量数据和调查访谈的基础上，克斯汀得出结论说，因为工作需要和警察身份的特权意识，开快车成了警察群体的习惯性行为，即使下班之后，身着便服，其开车速度也没能降下来。路上值勤的警察也“警警相护”，互相理解和纵容这种行为。
　　二
　　所谓数据，就是证据，而且“铁据如山”。可以想象，克斯汀的报道一见报，舆论一片哗然。接下来一个月，《太阳哨兵报》的电话响个不停，全国各地的读者打来电话，有的表示支持，有的表示感佩，还有的要来“取经”。当地警务部门则发生了一场“大地震”，5100宗超速案件涉及12个部门的近800名警察，一些被“坐实”的警察陆续受到处理：有的被警告，有的被剥夺开车上下班的权利，有的被停职，甚至还有的被开除。
　　故事到這里，还没有完。警务部门的整顿是否有效呢？2012年12月，克斯汀又向交通管理部门申请开放了最新的数据。她对新的数据又做了分析，并和2011年的同期数据进行了对比。数据表明，从2012年2月到10月，警察超速的个案已经从2011年同期的3179宗下降为495宗，下降幅度高达84%。克斯汀又发表了一篇新的报道《警察猛踩刹车》。在这篇报道中，她把数据的变化分解到了各个警务部门，详细地列出了每一个部门的改进水平。
　　《太阳哨兵报》只是一份地方小报，总发行量才20万余份，但因为克斯汀的报道，该报名声大振，克斯汀也因此获得了2013年度的普利策新闻奖。其颁奖词是这样写的：“克斯汀的报道以无可辩驳的技术调查，记录了警察在非公务期间开快车，危及市民生命的事实，这种致命威胁在报道引发的讨论和整顿中得到消减。”
　　可以想象，如果没有克斯汀的数据创新，类似于“警察群体开快车”的社会问题，我们很难在法庭上证实，毕竟取证非常难。现在问你，除了克斯汀的方法，你能想到一种更有效的取证方法吗？如果想不到，那在你生活的社会，这种知法犯法、滥用权力的行为，就基本不可能得到处理和纠正。
　　三
　　克斯汀这个人，当然数商也很高。一开始，克斯汀也想去收集数据，但她在尝试之后失败了，克斯汀也找不到像OkCupid这样的平台，她的绝妙之处，是使用了一份看起来和警察超速风马牛不相及的数据，独辟蹊径解决了问题。
　　我把她的绝妙杀招称为“数据外部性”。
　　什么是数据外部性？
　　“外部性”来源于经济学家，他们使用这个名词已经有上百年的历史。经济学家发现，一个普通个体为了自身利益而做出的“利己行为”，也可能让其他人或者整个社会受益，并且受益者无须为此支付费用。
　　我借用这个概念，想指出的是，一个人或一个组织为了某种目的收集数据，在完成数据的收集之后，他们可能发现这些数据的作用将超出其最初收集时的计划和想象，即同一组数据可以在新的维度上产生人们“初心”以外的价值和效用。
　　数据经常揭示初心之外的事实和真相。
　　人类越来越多的行为都在留下数据。小数据时代的警察破案，常常要靠指纹，今天几乎所有的人类行为，都将在数据空间留下“数纹”，即数据纹理。就此而言，用好数据纹理，公安部门将迈入一个有案必破的新时代，而对大众而言，我们将迈入一个犯罪更少、更加安全的时代。
　　世界正在快速地数据化，我们正在进入一个“数据不是一切，但一切都将变成数据”的时代，万事万物都将以数据的形式在数字空间存在。一个人的数商，就是他新的空间商、生存商、发展商。今天及未来的机器人，之所以能够有智商、有情商，其基础都是因为先有了数商。你可能认为，机器是机器，人类是人类，人是先有智商和情商，但我接下来要告诉你的是，人类其实也是先有数商，再有智商，只不过一直没有人总结出“数商”的提法而已;至于情商和数商孰先孰后，我暂时无法下结论。
　　在这个新的时代，机器的思考正在变得越来越像人，而人的行为也正在变得越来越像机器，这些变化是真真切切的。当你有机会思考和体认这些变化，我担保你会突然间对未来产生一丝不安和疑惑。在你想清楚之后，我敢肯定，你会同意数商正在变得超级重要。
　　（选摘：阿璇）
　　编辑：黄灵