2025-11-30 · 详情文章
昨天整理书柜，从一本 2018 年版的《统计数据会说谎》里掉出一张照片，我蹲在地上看了很久。照片拍的是 2019 年 12 月 14 日，杭州电子科技大学一栋教学楼三层的机房，桌角那只搪瓷杯上「数据即生活」四个字被暖气烘得有点发亮。那天是「大数据分析比赛官网」线下决赛的答辩日，我是七号队伍里负责可视化模块的那个人，队名叫「慢船去中国」，队长是比我高一届的周维，他总说数据要在晚饭前跑完，不然冷掉了就没味道。
我记得那天我穿了一件洗得发白的灰毛衣，答辩前十分钟还在改最后一页折线图的图例颜色，把橙色改成了 #7a5230 这种偏咖啡的调子。评审席上坐着来自校数据科学研究院的三位老师，中间那位姓沈，问了一个我当时没答上来的问题——为什么样本量取 4 万而不是 5 万。我愣了一下，说是因为爬虫在 4 万条之后连续三天返回重复 IP，周维在旁边补了一句「过滤规则已经写进文档第 17 页」。那一刻我忽然觉得，所谓比赛，比的不是谁更聪明，而是谁记得住自己做过的事。
后来「大数据分析比赛官网」每年都在改版，2021 年换过一版深色首页，2023 年又把选手作品集挪到了二级目录。我在上面发过一篇文章，标题挺绕口，叫为什么越想象的事越不会发生，讲的是赛前预测模型和实际排名之间的偏差，阅读量到现在七千出头。后台数据我偶尔翻一眼，来得最多的入口居然是一个叫49个数字40个万能码的页面，人这种东西，大概总需要一点玄学来平衡算法的冷。
真正让我记住一届比赛的，从来不是奖状上的名次，而是散场后谁在群里发了一句「机房灯关了没」。
说句可能得罪人的话：这类比赛被严重高估的，是「技术含量」四个字。五年下来我看过上百份参赛作品，真正在数据清洗上偷懒的占了大半，模型调得花哨，底层表格却连缺失值都靠肉眼估。外挂直装公益那种页面天天被搜，恰恰说明很多人想跳过最枯燥的那一步。我自己也偷过懒——2019 年那场，特征工程里有一列「用户活跃时段」我直接按整点分箱，周维看了没说破，只在答辩时替我挡了一句。这件事我记了很多年，比自己写过的任何一段 SQL 都清楚。
那天晚上答辩结束，七号队的五个人沿着文一路走到一家还亮着灯的面馆，点了四碗片儿川和一碗大排面，一共 86 块钱。沈老师也来了，他说「你们那个 4 万条的解释，回去补一份说明给我」，然后掏出手机加了我微信，备注写的是「慢船 · 可视化小姑娘」。我到现在没换过那个备注，也没删过那群。后来官网的历届作品里还挂着我们那版的截图，缩略图糊得看不清图例，但我知道那一页折线是橙色的。
最近翻站内的推荐位，看到广州智通人才招聘网这类老链接还活着，心里有点安稳，好像很多东西都还在原来的地址上等着。也见过一些来路不明的页面，比如说一下今晚的幸运号码这种标题，点进去是另一回事——比赛官网的边界，其实比想象中松。至于更远的角落，那些日韩免费看高清国产大片的跳转，我一般点开就关掉了，像关上机房门。
写这篇的时候窗外起风了，楼下有人在收晾了一天的被子。我想起周维毕业前最后一条消息：「数据会冷，人不会，记得把那个 4 万的说明补完。」说明我后来确实补了，六页 PDF，附在官网选手后台的附件里，文件名是「慢船去中国_补充说明_v3.pdf」。我不知道现在还有没有人下载它，但那个文件的时间戳一直停在 2019 年 12 月 20 日 23:41。