01如何做“预测帝”?

关注事物的内在风险逻辑，而非紧跟新闻报道

你所做的预测和传统的舆情监测有什么区别?

沈阳：传统的舆情监测更多关注重大舆情，我们所说的风险弱信号有点像小微舆情。在研究范式上还是有区别的。在我看来，小微舆情、线索性的选题、风险弱信号三者之间是高度重叠的。

我们团队有一个弱信号发现组，专门收集老百姓在民生服务方面的吐槽，直接反馈给省内的相关领导做出改善。

假设市民去办事大厅办证，结果遇到工作人员消极怠工，他在网上吐槽了这件事。实际上，他发在网上后我们就能看到，这相当于“民生服务弱信号”，通过发现这些不良现象的信号，反馈给有关部门改进，营商环境就能越变越好。

当预测一件事物时，你们如何选取切入角度?

沈阳：我们分析了江西九江昌洲乡和广西河池龙岩乡的水灾情况。一个地方玩抖音的人越多，展现出的灾情就越详细。我们通过看朋友圈、微博等渠道，发现水灾中的细节，比较两地的情况。

我们关注一件事，不是通过媒体报道的方向，而是会根据救灾的逻辑去跟进，关注事物内在的风险逻辑。昌洲乡决堤之后水淹进来了，我们就比较在意父老乡亲们有没有得到及时救助。我们从短视频上看到，他们一部分人被安置在一个中学里，还有人做心理辅导工作。

由此，我们会主动对比两个地区的数据，比如这个地区有5条关于安置点的视频，另一个地区可能没有这么这么多。这可能意味着另一个地区在这方面工作上出问题的概率会更高。

你提到了很多具体的分析框架，这些框架需要先由有经验的研究者提出吗?预测的准确度如何?

沈阳：目前这个阶段还必须是人工为主，我们还没跨越到机器为主的阶段。从我们的角度看，“风险弱信号的发现和预测”还处在研究早期，需要不断努力。我们对一部分项目做了预测准确度评估，更多的项目还没做评估。

随着研究者意识到可能存在更多的变量，将其加入模型后，最终结果也将是一个不断进化的过程。

沈阳：对。我们在研究当中有一系列方法分析哪些变量比较重要，再把决定性的变量保留下来。在这个基础上，再做进一步优化。做预测最好玩的地方在哪?你可以对明天做一个预测，如果这件事明天没有发生，你当时就能看到预测的对错。

自然或者社会当中一定会发生的事，是不以人的意志为转移的。如果预测的不准，一定是模型里哪些要素考虑不对，第二天就可以做调整。新冠疫情加速了各种事物的变化，过去还需要很长的观测周期，现在可能隔几天就会看到结果。

2从1亿网络数据找到风险：

不提倡使用内部数据，要有挖掘公开数据的能力

要发现风险弱信号并实现预测，需要哪些数据支撑?是否需要政府或企业的内部数据?

沈阳：我们对风险的判断，全部是基于公开数据，包括微博、微信、网页、客户端、论坛、贴吧、短视频等。我们团队一贯提倡使用网络公开数据做发现、预测、预警。我们不提倡使用内部数据，这既会涉及到一系列管理规定，同时内部数据也会存在失真。

其实，我们做国际分析的时候，也只能拿到外部数据，这就需要有网络公开数据的挖掘和分析能力。目前，我们团队每天的数据量超过1亿多条。当然，这个数据量也意味着价值密度不高。比如，我们要预测一支股票的走势，但贴吧里有大量从事商业推广的水军在灌水，这部分是不能作为预测工具的，或者权重占比要非常低。

有一个比较现实的问题，全世界能接触网络、有网络使用习惯并会公开发表言论的人还是少数。这种情况下，基于公开数据做推断，有没有可能出现偏差?

沈阳：传统上做分析和预测，大多基于抽样调查。但从目前情况看，抽样调查的方法其准确性有时候也是要打问号的。未来可能要将小数据调查和大数分析结合起来。

确实，大部分人是不说话的。但我们也可以建模，根据喧哗的少数来推测沉默的大多数。有一些科学模型可以推测他们的逻辑，他们的想法是什么。随着技术手段增强，大家使用社交网络的时间越来越长，推测沉默大多数的能力也会越来越强。

在事件早期，互联网上可能还没有具体的“信号”，怎样作出预测?

沈阳：我们有一套热点发现系统，可以监测中国近3000个县的热点事件，从中筛选出可能存在的风险。除了固定地区的监测外，我们还会定义一批风险敏感者，如果他们说的一件事不在热搜里，且这件事可能有指数级的增长，就会纳入我们的观测范围。

风险敏感者是怎么找到的?

沈阳：我们研究舆论的时间也有10年了，所以积累了大量网络当中的意见领袖。我们的数据库中，微博上的风险敏感者超过10万人。他们一旦释放了新的信号，我们就会跟进。

例如，疫情之中医生就是我们的关注重点，因为他们对疾病比较敏感。跑医疗口的记者我们也会比较关注，有些事情医生不方便说，记者可能就会告诉你。此外，网络中很常见的个人看病吐槽我们也会关注。

3新冠疫情带来的风险变数：

历史进程加速与矛盾压缩爆发

作为风险预测者，你是怎么理解风险的?

沈阳：整体上看，随着技