十年前，笔者还是一名在读博士，有幸参加了一场学术论坛。该论坛主办方邀请了一位知名经济学教授为大家做主旨讲演。在讨论环节，有位初生牛犊不怕虎的博士生毫不客气地提出“批评”，说与如此复杂的因果分析相比，研究结论实在过于直白，这样的研究有什么意义？为什么没有相应的描述分析？那场主旨演讲的内容已经淡忘，但那位博士生的质疑至今言犹在耳。事实上，此类批评在社会科学史上不足为奇，因为社会科学内部一直以来都存在人文性与科学性之间的张力。笔者认为，当抛开研究内容和个人旨趣，我们采用什么分析方法和资料形式，很大程度上决定了有可能得到（包括公众）什么样的评价，同样也关系到学科的命运。

　　1979年，邓小平同志指出，政治学、法学、社会学以及世界政治的研究，我们过去多年忽视了，现在也需要赶快补课。在之后几十年，社会科学取得了长足的进步。自大数据出现以来，关于它对社会科学的影响，学界已经做了诸多讨论。部分学者认为大数据具有得天独厚的优势，它的容量之大、结构之复杂、变量之高维，能够提供传统数据所没有的广度、深度和宽度。另一些学者则从范式出发，认为大数据未经理论设计，科学性和严谨性不足，小数据仍然有着其独特的优势。然而，多数讨论并没有将大数据作为社会系统的产物以及知识生产过程加以考量。在今天来看，大数据所产生的数据“大爆炸”连锁反应，对我们的冲击可能超出了原有的想象。

　　大数据正削弱实证传统的数据优势

　　社会科学的实证传统与现代社会学的形成发展密切关联。早在19世纪上半叶，孔德就意图在实证主义的基础上确立以科学方法来研究社会的新学科——社会学，同时将自然科学的研究方法引入社会学。科学性是社会学与生俱来的特性。社会学家陈心想在讨论社会学美国化问题时，认为社会学在美国早期获得合法性地位，作为一门学科得以生存，科学性是其硬支点之一。

　　自社会学在我国恢复重建以来，科学性发挥了极为关键的作用。在市场化转型中，我国社会结构发生了剧变，催生了许多新的社会现象和问题。学界首当其冲的任务是要回答是“什么”（what）的问题。其间，社会学发挥了它的社会调查优势，学者们通过抽样调查、访谈等“技术”进入和发现社会，产生了“中国百县调查”“中国社会阶层结构”等众多极具跨时代影响的调研报告。这些作品不仅扩大了社会学的影响力，而且还为提升学科地位起到了相当的推动作用。

　　比较社会学在中美两国的“本土化”过程，生产并拥有数据均强化了学科的科学性。社会学似乎可以为20世纪后半叶所积累的方法工具而“沾沾自喜”，然而，我们面临的“智识资本主义”（Knowing Capitalism）的挑战是不可逆的。大数据对社会学等实证社会科学原有的基于数据的合法性来源带来的挑战，是个不争的事实，甚至开始削弱它在科学性上的优势。这不仅体现在数据的收集、数据的分析，还体现在对数据本身的理念上。那么，何以面对实证传统所面临的危机？关于数据收集和分析的探讨已经很多，但回溯数据理念的讨论相对薄弱，在今天尤为迫切。

　　社会学描述分析转向之争

　　笔者注意到，英国社会学家塞维奇（Savage）从2007年就开始了相关的思考。他认为面对数据的“大爆炸”，社会学不得不进行某种改变，即从通过作为专家生产数据转向对多种来源数据的接纳。同时，他明确提出要反思因果分析的方式以及知识生产的模式，并加强描述分析，即“描述分析转向”（Descriptive Turn）。因为描述分析为学术和非学术界打开了新世界，而因果分析不得不基于各种预设条件识别相对因果关系，缺乏这种创造世界（world-making）的能力。以上反思并不是塞维奇所独创的，戈德索普（Goldthorpe）、阿伯特（Abbott）等都有过相关的讨论。

　　此后，克朗普顿（Crompton）、甘（Gane）和马瑞尔（Marres）等多位学者对此开始了持续至今的系列批判。他们认为社会学要捍卫在数据生产上的权威，并强调社会学不能停留在描述社会现象，而要深入现象背后探寻结构、机制等因果解释。作为回应，塞维奇最近再次强调，描述分析在21世纪初的公众和学术界都产生了巨大的反响。倘若把描述分析从社会学的工具箱中剔除，我们就会失去对时代发声的重要和关键的贡献。当我们去细细品味这段学术对话，可以发现双方的共识远大于分歧。这一“共识”可以表述为：在社会学渐失数据权威的时候，如何处理好描述分析和因果推断的关系，涉及何以化解该学科二战以来正遭遇的最大危机。

　　毋庸置疑，当以统计技术为基础的量化研究方法迭代成为社会学科学化的加速器后，描述分析经历了被边缘化的过程。在学科发展的早期，受技术所限，社会学的实证分析主要被频次分布、列联表等描述分析主导，而它所进行的统计检验，在现在看来多是极为基础性的。也正是这些看似简单的描述分析，为那个时代我们理解社会变迁和探寻社会进步的可能路径提供了重要依据。在二战后，统计技术在赢得社会科学专业权威上占据核心的位置。其中，社会学对因果关系（causality）的孜孜以求，得到前所未有的强化。以北美社会学为例，它在追求科学化的过程中，研究议题越来越碎片化，对社会现实的关怀在不断下降。同时，他们将大量的精力投入到因果识别和推断之中，描述分析只是“八股”论文中不重要的组成部分。此外，为了展开科学的因果分析，与之适配的研究主题、数据收集和研究设计等更为流行，也更能得到学术界的承认。

　　我们认为，虽然大数据存在非结构化、非预先设计等特性，在因果关系上有某些先天不足，但是其数据挖掘更有利于知识的新发现，更可能突破原有的理论框架。与在结构化框架内检验现成理论的演绎范式不同，这种数据挖掘属于归纳范式抑或归纳—演绎双轮驱动范式。和经典实证传统相比，基于大数据的计算社会科学研究更偏好于描述分析。这种看似回避“为什么”的研究方式，实际上为进一步因果分析提供了无限的想象。因为描述分析与因果识别本身并不矛盾，而且后者恰恰是建立在大量的规律性（大量描述）之上。同时，描述分析在缩小学术研究与应用场景之间的“裂痕”上，发挥的作用日趋强化。不论是基于定性的“深描”还是定量的描述统计，都可能更直接地迁移到商业规划和政策制定中。最后，描述分析在人类认识和理解社会中也有着独特魅力。恰如塞维奇最近提出的，描述分析要比因果解释更加开放和包容，相比于因果关系作为一种只有小撮专家才能“裁定”的神秘之物，“描述性转向”更具生产力和活力，唤起新美学、新想象和新的可能。

　　实证研究何以再次出发

　　回到开篇提到的质疑，笔者在学术界的这些年，尤其是近年身处愈演愈烈的对国内实证研究（包括定性和定量）的批评声之中，如履薄冰。过去的二十年中，抽样调查在国内正如日中天，以“中国综合社会调查”（CGSS）为代表的调查数据的创立和发展，将专业权威发挥得淋漓尽致。然而，伴随大数据出现所掀起的计算社会科学浪潮，实证分析的数据“红利”窗口期被大大压缩。再加上各数据库陷入可持续性发展的困境，已经产生了一系列连锁反应，高水平量化研究产出大幅下降。在思考诸如“着力构建中国特色哲学社会科学”这样的宏大命题时，我们或许可以从社会学“描述分析转向”的论争中得到启发。

　　重提描述分析是实证社会科学的基石，不是要拒斥因果推断，也不是要回到历史的“老路”，而是要充分利用先进的统计方法和分析策略，借助新的数据、更强的算力和更优化的算法，增加描述的宽度、长度和厚度。同时，不过于依赖单一的理论框架和方法论范式，擅长处理各种来源的数据和信息，打造多元和立体的方法生态。更为关键的是，我们要根植于中国的社会基础，构建一个更加开放的专家系统。

　　最后，需要强调的是，塞维奇等对社会学描述分析转向的讨论，对其他学科同样具有启发性。行文至此，笔者不禁想起经济学家克鲁格曼（Krugman）曾以15世纪到19世纪欧洲人绘制的非洲大陆地图为考察对象，指出由于地图绘制水平和信息质量的提高带来“可靠信息”标准的提升，非洲内陆在地图上曾一度“消失”。与之相应，描述分析是否也一度成为学术地图上消失的“非洲内陆”？事实上，在社会科学中，因研究方法引致的学术思想和领域兴衰沉浮不胜枚举。当下，思考描述分析的作用与意义，比以往任何时刻都更加迫切地需要这一点。

　　（作者系浙江大学公共管理学院“百人计划”研究员、浙江省共同富裕文化创新研究中心研究员）