本文首发于我的公众号【安皮瑞卡】
我看数据，焦点有四：属性、状态、置信和维度。
原始（Raw）区别于演绎。
举个例子，加密货币交易市场有很多指标， 比如 GBI（全球区块链指数）、ROI（场外指数）、BMLS（比特币保证金多空比率）等等，它们是在单个货币的价格、交易量、换手率、订单比等基础数据上演绎而来。如此，不同的演绎方法会导致不同的结果，其间的错位、误差更无法保证。
更关键的是，演绎数据或多或少已经嫁接了一些分析逻辑。而数据分析的关键工作就是逻辑处理。因此，在分析工作中更多地使用演绎数据是没有道理的。最一无是处是 Crypto Fear & Greed Index —— 市场恐慌和贪婪指数，却偏偏是媒体所热衷引用的。
从演绎到原始，其实是数据降维，也就是尽可能将多维数据降低到低维来处理。这不仅仅能够提高分析精度，还能减少工作量，得到自己真正想要的分析结果。
动态数据（Dynamic）是趋势的数学表达。
运动上，加速度影响速度，速度影响距离。相对于速度，加速度是动态的；相对于距离，速度是动态的。距离相对于一切都是静态的。
寻找动态数据的本质是使用动态思维，意识到一切皆在变化之中。极端的做法有，每查阅一份报告时都去考察其中数据的时效性。对于交易员来说，要把每一天都当作一张白纸。
动态思维可以在极大程度上避免因路径依赖和思维定式带来的短视。对于集体，实现动态平衡是必须考虑的事情，这也是一家健康公司应该实现人员流动的原因。
遍历的本质就是动态观察。
数据置信首先看数据来源（Origin），其次还要看其与现实拟合度。也就是，需要反过来检验数据本身。即使数据本身是客观的，也未必就是现实世界的客观表达，这个世界还有一个容错机能。
这里只谈来源。标明引用数据的来源本是工作的基本要求，不是在虑之事。但是，各种分析报告大有避之而后快的嫌疑，故而提出一示。
在我看来，没有出处的智慧不值得效法，没有来源的数据不值得信任。烂源是信息爆炸后，时代强加给我们的隐伤。
值得一提还有多维（Multi-dimension），这和 Raw 并不矛盾。Raw 针对单个数据，Multi-dimension 针对系统整体。
多维参考的核心作用是避免因单一维度而陷入狭隘的区域。这本身是提高数据分析精度的一种方法。机器学习之所以厉害，一方面因为它可以无限次练习下去，另一方面，它天然具备多维处理能力。
原始的、动态的、有源的、多维的，说是看数据，用在文字观点上，也未不可。
推荐阅读
INCERTO TIME
重要声明：《从遍历性看追涨杀跌的合理性》中“追涨杀跌”一作，说的不是盘面操作。此文的核心作用是引起你对遍历性的思考，并努力在自己的投资组合中将之实现。
