第三章 清洗
早川渉是在星期四上午出现的。
前一天晚上，伊达在电话里跟松枝提过：警方要聘一位数据顾问，是中村课题原本聘任的那位外部顾问，问松枝觉得如何。松枝说，是研究室出身的学长，人可靠。伊达说，那就这么办。电话里两个人都没有客套，这件事就这样定了。
松枝到警视厅的时候，伊达正站在会议室门口和一个男人说话。男人三十五六岁，深灰色的西装，衬衫第一颗扣子系着，手里拎一个黑色的电脑包。他听见脚步声转过身，看见松枝，点了下头。
"松枝。"他说，"好久不见。"
声音松枝是认得的。隔了这么多年，语调没怎么变，还是那种把每句话的尾音收得很平的调子。
"早川学长。"松枝说。
"听说你现在是教授了。"早川说，"恭喜。中村老师的事，我很遗憾。"
两句都说得很简短。松枝知道他不是敷衍，他从来就是这么说话的。十几年前在那间小讨论室里，早川负责考勤、订教室、收拾白板，每一句话都简短，每一件事都到位。讨论班能办下去，一半靠中村的讲义，一半靠这个学长的后勤。
记忆里最清楚的一次，是讨论班办到第三年，教室被别的课占了，十几个人抱着书站在走廊里。早川打了三个电话，跑了两栋楼，半小时之后把众人领进了一间空着的会议室，连白板笔都多备了两支。那天中村到得晚，进门看见一切照常，什么也没问。后来松枝才明白，不问就是最大的信任。中村信任早川的方式，是不去检查他。
"学长现在在基金，具体做什么？"松枝问。
"建模型，找规律，下注。"早川说，"和做研究差不多，只不过市场每周都给你打分。"
"你们认识，那就好办了。"伊达把两个人让进会议室，"我介绍一下情况。早川先生是中村老师课题聘任的外部数据顾问，对研究室的往来数据最熟，三月底从纽约回国。案子接下来要处理大量的人员记录，本部批准聘他做警方的数据顾问，协助我们这边的整理工作。手续昨天办完了。"
会议室的桌上摆着一台笔记本电脑，一台投影仪。白幕已经放下来了。
"我来说一下现在有什么。"
早川打开电脑，投影亮起来。屏幕上是一个表格的界面，行列很多。
"警方从大学的人事、教务系统调了记录，范围是与中村研究室历史上有过交集的人员。"他说，"教员，职员，在校生，毕业生，合作机构的人。原始数据三百多条，来自五个系统。"
"三十七个人的名单不是已经有了？"伊达问。
"那份名单是近期接触过的人，要重点查。"早川说，"但和这些人有间接关联的，还有早年间和研究室打过交道的，也要查。需要一个完整的名单。"
"毕业生和合作机构的人也有职工号。"他指了指屏幕，"人事系统的旧档留得深，在校期间任过助教、特任的，编号都还在。五个系统并成一张表，功夫主要花在这里：同人不同号，同号不同人，一条一条对出来。"
他切到下一页。同一份数据的另一种形态：姓名有三种写法并存的，编号有空位的，日期格式混着两种。他用光标框出其中一小段。
"五个系统，五套格式。直接用是不行的。分析的第一步是清洗：去重，补全，统一格式，校验一致性。这一步不做，后面任何统计都是垃圾进，垃圾出。"
"要多久。"伊达问。
"三天。我每天来做，做完的部分当天交接。"早川说，"清洗的日志我会留，每条改动有记录，可以复核。"
伊达转向松枝："松枝先生，您是研究室的出身，又熟悉这些人员。清洗过程中会有拿不准的地方，需要您在场核对。"
"我配合。"松枝说。
就这样定了下来。从星期四开始，每天上午，会议室里三个人：早川操作，伊达看，松枝核对。清洗的过程没有观赏性。大部分时间是早川一个人在键盘上敲，光标在行列之间移动，偶尔停下来，说一句"这条重了，合并"，或者"这个字段缺了，标待定，不猜"。他说得很少，做得很快。伊达有时候会问问题，问的都是同一个模式：这条是谁，和案子什么关系。早川答得也快，答完继续。
第一天上午处理的主要是重复。同一个人在教务系统和人事系统里各有一条，姓名一个用汉字一个用假名，程序把它们当成两个人。早川把这样的对子一条一条找出来，并排，确认是同一人，合并。有一条松枝认得，是研究室的一位准教授，早川把两条并成一条之前，先抬头问了松枝一句：是同一个人吧。松枝说是。他才动手合并。
中午三个人在楼下的食堂吃饭。伊达问了早川一个问题：你们做数据的，是不是什么都能算出来。早川想了想说，能算出来的前提是问题提得对。问题提错了，算得再快也是白算。伊达说，那跟我们问人一样，问错了人，跑得再勤也是白跑。早川点头，说是这个道理。两个人隔着一份定食达成了共识。松枝在旁边听着，没有插话。他发现这两个人有一种相似的地方：都不迷信工具，都只信核实过的东西。
出食堂的时候，伊达掏出一包烟，先递给早川。早川摆手，说自己没抽过。伊达又朝松枝偏了偏，松枝也摇头。伊达自己点上一根，站在门口抽完了，三个人才上楼。
"机器判断不了的，就问人。"早川说，"不问清楚不动手，这是规矩。"
"你们做投资的也这么一条条看？"伊达问。
"越是大钱，越要这么看。"早川说，"模型吃掉的是干净数据。脏数据进去，出来的结论比没有结论更糟。没有结论，你至少知道自己不知道。"
伊达把这句话琢磨了一会儿，点头。松枝在旁边听着。他同意这个说法。数学里也一样，一个建立在错误前提上的漂亮证明，比一个承认解不出来的问题危险得多。
松枝在第二天上午注意到了一件事。
当时屏幕上是一批事务人员的记录。秘书，庶务，会计，十几行，都是在研究室待过的人。松枝大部分都认得，有几个名字让他停了停，那是些早他很多届的人，他入学时他们已经不在了。
光标停在一行上，那一行的底色是黄的，是程序自动标出的离群行。
"离群记录。"早川说。
松枝看向那行字。佐藤実，三十八岁，事务职员。备注栏写着：原中村研究室庶务，两年前转岗，现属东大图书馆。职员编号一栏是 215，编号后面跟着一个校验失败的标记。
"校验为什么失败。"松枝问。
"编号不一致。"早川把另一个窗口调出来，是图书馆系统那边导出的名册，"同一个人，这边登记的是 216。末位差一位。"
他把两条记录并排放在屏幕上。佐藤実，215。佐藤実，216。姓名一致，入职年月一致，所属变更的日期一致。
"转岗造成的。"早川说，"人事系统之间迁移的时候，编号要重新分配。旧系统的记录没有同步更新，或者录入的时候错了一位。这种事很常见。"
"哪边是对的。"伊达问。
"图书馆是现属系统，以现属为准，216。"早川说，"旧记录 215 已更正为 216。"
他敲了几个键。215 变成了 216，黄色的底色消失了，校验标记变成通过。他在清洗日志里敲了一行字，保存，然后继续往下走。
整个过程不到一分钟。
松枝看着屏幕。他注意到的是这个做法本身：先查现属系统，再定基准，再改，改完留日志。顺序是对的，每一步都有出处。中村说过，对材料诚实，不添，不减。早川做的正是这件事，一条脏数据被核实，被归位。数据里一个三十八岁的事务职员，就这样从离群点变成了正常记录里的一行。
"这个人，"伊达例行公事地问，"和案子什么关系。"
"佐藤実。"早川看着屏幕，"原研究室的庶务，管报销和备品。两年前转岗走了。和研究室的关联是旧关联。"
"转岗之后还有来往吗。"
"数据上看不出来。"早川说，"记录只到这里。"
伊达点点头，没再问。松枝也没有再问。一条普通的旧记录，一个普通的名字，会议室里三个人的注意力都只停了不到一分钟。松枝后来记得的，是早川敲完保存之后，在那个画面上多停了一秒。光标已经不闪了，他还看着屏幕，一秒，然后切到了下一条。大概是在确认改动的结果。认真的人都有这种习惯，松枝自己改完论文也会回看一遍。
第二天的收尾阶段，早川演示了一下清洗完的数据能做什么。他按入职年份排序，屏幕上的名字按时间流过去，最早的一批是十几年前的。他又按关联类型分组，教员一组，学生一组，事务人员一组，外部合作者一组。四组人，界限清楚。
"现在这份数据，随便问它问题，它都能答。"早川说，"比如，谁和案发的研究室同时期在职。"
他敲了一下，屏幕筛出一片名字。
"再比如，谁在近三年里离开过。"
又一片名字。比刚才那片小一些。
伊达盯着屏幕看了半天，说："这就是你们平时吃饭的本事。"
"是。"早川说，"不过有一句话我也要说清楚。数据能回答的问题，取决于数据里有什么。数据里没有的，问不出来。"
清洗进行到第三天，数据集变了样。重名合并了，空位标注了，编号统一了，三百多条原始记录收敛成一个干净的表。早川把最终版交接给伊达，附一份清洗日志，日志按时间排，每一条改动一行，改动前后两版都留着。
"这些日志，"伊达翻着打印件，"都要给我看的？"
"都给您。"早川说，"数据工作的规矩，过程要可复核。您随时可以抽查任何一条。"
"好。"伊达把日志收进文件夹，"辛苦你了。"
"分内的事。"
早川收拾电脑的时候，松枝帮他把投影的线拔下来卷好。会议室里只剩下他们两个人。
"你这些年，"松枝说，"一直在做数据。"
"一直在做。"早川把电脑放进包里，"离开学校以后先去了一家小公司，后来到现在这家基金。做的事情其实没变，找规律，验证规律。只是对象从定理换成了市场。"
"后悔吗，离开学界。"
早川拉上电脑包的拉链，想了想。
"不后悔。"他说，"学界适合能把一辈子押在一个问题上的人。我不是。你和中村老师是。"
这句话说得很平，听不出是自嘲还是陈述。松枝没有接。十几年前他们就熟到可以不接话，现在仍然可以。
"中村老师的课题，"松枝说，"数据那边以后怎么交接，你有头绪吗。"
"课题大概会终止。我手头的顾问工作等学部的通知。"早川把电脑包拎起来，"警方这边只要还需要，我就继续做。中村老师待我不薄。"
他走到门口，停下来，回了一下头。
"有件事我想说一下。"早川说，"中村老师当年劝过我留下。我读博最后一年，他找我谈过一次，问我要不要继续做研究。我说我想去业界。他只说了一句，想清楚就行。"
"你当时想清楚了吗。"
"想清楚了。我不是能坐一辈子冷板凳的人。"早川的语气还是平的，"但老师没有看低我。后来课题需要数据顾问，他还找我。这份人情我记着。所以这次的事，我会做到底。"
松枝点点头。他没有说谢谢。十几年前他们就不说这种话。
"松枝。"他说，"这个案子，你打算管到什么程度。"
"到它解决。"松枝说。
早川点了下头。
"那我尽力帮你。"他说，"数据这边，有任何不清楚的地方，随时叫我。"
他走了。松枝在会议室里又坐了一会儿。桌上还留着那三天的记录：三百多条原始数据，一份干净的表，一册清洗日志。他想，这个案子至少有一个可靠的底座了。人物，关系，记录，都经过了核对的眼睛。这份记录是底座，三十七个人的名单要靠它一个一个核对。底座之上还悬着的东西不多，只有一枚结。
走廊里，伊达刚打完电话，正往这边走。
"早川先生回去了？"伊达问。
"刚走。"
"这三天辛苦他，也辛苦您了。"伊达拍拍腋下的文件夹，"东西我都收好了。松枝先生，说句实在的，我原先对这种活儿是将信将疑的。三百多个名字，翻来翻去，能翻出什么。但你们现在整理过后，我不这么想了。这份完备的名单就是办案的地基。"
"接下来要做什么？"
"接下来我们挨个走。"伊达说，"名单上的人，挨个见，挨个问。笨办法，您知道的。"
"需要的时候请叫上我。"
"一定。"伊达走出两步，又回头，"您那个学长，是个实在人。数据上的事交给他我放心。"
松枝点了点头。伊达下楼之后，他回到会议室。桌上还留着那册清洗日志。他把最后一页翻回去看了一遍：日志的最后一行是早川的签名，字迹横平竖直，和聘任记录上那个签名一样。松枝合上日志，关灯，离开会议室。
〔顾问工作记录 · 03〕 数据集 D 清洗日志（第 3 日，交接版摘要）。 原始记录 317 条，合并重复 12 条，补全缺省字段 9 处，统一编号格式 5 类。 剔除离群记录一条（佐藤実，转岗致职员号末位不一致，已更正）。 校验通过率：交接版 100%。 过程可复核。无遗留异常。