A3会议室的白板干净得反光，空气里飘着消毒水和速溶咖啡的混合味道。
郭靖提前四十分钟就到了。他打开那5个G的数据包，密密麻麻的Excel表格像潮水一样涌出来，屏幕差点卡死。用户访谈记录、问卷星原始数据、行为埋点日志、竞品爬虫结果……文件命名混乱不堪，有的叫“调研1终版”，有的叫“最终版不改了”，还有的叫“再改是狗”。
他对着电脑屏幕，眼神逐渐呆滞。草原上骑马射箭的手，此刻放在键盘上，笨拙得像是借来的。
九点五十，门被推开。
五个人鱼贯而入，风格迥异。为首的是位干练的中年女性，短发，眼神锐利得像能刮开PPT的华而不实，正是组长韩小莹。她身后跟着个戴眼镜、头发油腻、衬衫皱巴巴的年轻男人，嘴里念念有词，手指还在空中虚敲键盘，这是全金甫，组里的数据挖掘师，据说能一眼看出数据里的“陷阱”。
接着是个身材敦实、肤色黝黑的男人，沉默寡言，背着一个巨大的黑色双肩包，鼓鼓囊囊不知道装了什么，他是张阿生，负责实地调研和硬件支持。旁边是个瘦高个，眼神灵活，嘴角总是挂着一丝若有若无的、像在掂量什么价值的笑，这是南希仁，用户画像与市场策略分析。最后是个面容愁苦、不停唉声叹气的男人，叫韩宝驹，专攻风险与成本控制。
这就是“江南七怪”小组——当然，加上未到的柯镇恶和刚来的郭靖，正好七个。
“你就是郭靖？”韩小莹扫了他一眼，目光落在他刚打开的、杂乱无章的表格上，眉头立刻拧紧，“数据预处理做了吗？去重、异常值处理、缺失值填补策略定了吗？用户ID和访谈记录关联上了？行为序列的时间戳对齐了？”
一连串问题砸得郭靖晕头转向，他张了张嘴，一个字没憋出来。
全金甫凑到郭靖电脑前看了一眼，倒吸一口凉气：“这数据脏得……比我三天没洗的头发还离谱。‘再改是狗’这个文件，里面怎么混了这么多测试账号？这‘狗’改得可真够彻底的。”
南希仁轻笑一声，没说话，但眼神里的意思很明显：新来的菜鸟。
张阿生默默放下背包，发出一声闷响。韩宝驹已经开始叹气：“完了，这数据质量，清洗成本要超支，风险评级上调，项目周期肯定延误，奖金……”
“行了。”韩小莹打断，语气不容置疑，“柯老师打过招呼。郭靖，你刚来，不要求你立刻上手分析。今天你的任务，配合全金甫，把这些原始数据，按照我们‘越女剑’数据分析框架的规范，清洗、整理、入库。全金甫，你带他，告诉他规矩。下班前，我要看到干净的数据源和初步的描述性统计报告。”
“韩姐，这量……”全金甫苦着脸。
“量再大，也得做。白驼山那边不会等我们。”韩小莹看了看表，“十点半，市场部要‘降龙十八掌’的初步用户画像，南希仁，你跟我去。张阿生，你去技术部催一下新的埋点SDK。韩宝驹，重新评估数据清洗阶段的风险和预算。行动！”
小组瞬间散开，各忙各的。会议室只剩下郭靖和全金甫，以及那5个G的“脏数据”。
全金甫拉过椅子坐下，推了推眼镜，眼神里透出一种面对复杂数据时才有的、近乎虔诚的光芒：“兄弟，别慌。数据再脏，也是用户的真心话，只是需要一点……技巧去倾听。咱们‘越女剑’框架，核心就八个字：去伪存真，剑心通明。”
他打开自己那台贴满各式古怪贴纸的笔记本电脑，屏幕亮起，十几个终端窗口同时滚动着代码和日志。“首先，建立数据管道。Python还是R？算了，看你这样，先用现成的ETL工具拖拽吧，但原理你得懂……”
接下来几个小时，郭靖仿佛被塞进了一台高速运转的数据清洗机。全金甫语速飞快，夹杂着大量术语：“你看这个字段，用户年龄填‘永远18’，这是分类数据异常，要用众数或者模型预测填充……这份访谈记录，全是‘挺好的’、‘还行’，这是无效文本，情感极性为零，剔除……行为日志里连续点击同一按钮一百次，这不是用户，这是机器人，或者是欧阳克那家伙在测试脚本……”
郭靖手忙脚乱，按照全金甫的指点，在复杂的软件界面里操作。删除、合并、转换、匹配。汗水浸湿了他廉价衬衫的后背。他第一次知道，数据不是冰冷的数字，它们会撒谎、会伪装、会缺失，而“清洗”，就是一场艰苦的、寻找真相的搏斗。
“停！”全金甫忽然按住他的手，指着屏幕上一行数据，“这里，用户职业填‘武林盟主’，收入填‘月入百万两雪花银’。你觉得该怎么处理？”
郭靖看着那荒诞的填写，犹豫道：“这……明显是乱填的，删掉？”
“删掉？”全金甫摇头，“兄弟，数据清洗不是大屠杀。‘武林盟主’可能是程序员的自嘲，‘百万两雪花银’可能是他对高收入的夸张表达。直接删，你就损失了一个可能很有价值的用户样本——一个具备自嘲精神、可能对游戏或虚拟产品感兴趣的潜在用户。咱们要用‘标签化’处理，给他打上‘幽默感强’、‘收入预期高’的标签，然后归入‘待验证’子集，后续也许可以通过其他数据交叉验证。”
郭靖恍然，又觉得这工作简直是在做心理侧写。
午饭时间，全金甫泡了两碗老坛酸菜面，递给郭靖一碗，自己那碗则加了双份火腿肠和卤蛋。“数据民工，补充能量。下午还得跟‘缺失值’大军作战。”
郭靖捧着泡面，看着屏幕上依旧浩瀚的数据海洋，忍不住问：“全哥，我们这么一点点清洗，什么时候才能看到‘全景’？欧阳总监他们，不是已经能用模型预测‘亢龙有悔’了吗？”
全金甫吸溜着面条，含糊道：“他们那是‘劈空掌’，看着厉害，掌风呼呼的。数据源不干净，模型建得再花哨，预测结果也是‘脚气’——看着有模有样，实则有毒，还可能传染。咱们‘越女剑’练的是基本功，一剑一剑，把数据里的杂质挑干净。慢，但是稳。韩姐常说，用户的一个真实痛点，比一万个漂亮的假设都有价值。只是……”他推了推眼镜，压低声音，“现在公司风气有点浮，都喜欢速成的、能拿来讲PPT的‘大招’。像咱们这样埋头洗数据的，吃力不讨好。”
下午，战斗继续。缺失值处理让郭靖头大如斗。简单的用均值、中位数填充，复杂的要用回归模型预测，更有些关联字段缺失，需要根据其他信息反推。
“这里，用户购买了我们的‘暴雨梨花针’式扫地机器人，但‘家庭面积’字段缺失。”全金甫指着一条记录，“你怎么填？”
郭靖想了想：“看购买型号？高端型号可能对应大户型？”
“思路对了，但不够。还要结合收货地址的楼盘均价、用户同时购买的‘独孤九剑’多功能刀具套组（可能暗示喜欢DIY、居住空间需要高效利用）、甚至他浏览‘桃花岛’庭院装饰商品的记录……数据是网状关联的，要学会‘顺藤摸瓜’。”全金甫说着，快速敲击键盘，调出几个关联数据表，眼花缭乱地操作一番，给出了一个推断值，“当然，这只是推测，最后要打上‘估算’标签。”
郭靖看得叹为观止，感觉自己之前的想法太简单了。这哪里是整理数据，分明是在破案，在用户行为的迷宫裡寻找蛛丝马迹。
临近下班，韩小莹和南希仁回来了，脸色都不太好看。南希仁嘴角那丝笑不见了，取而代之的是一抹冷嘲。
“怎么了？”全金甫问。
“欧阳克那边催‘用户画像’，要得急。”南希仁坐下，端起冷掉的咖啡喝了一口，“我根据咱们清洗到一半的数据，做了个初步的‘五绝’画像模型——‘东邪’（年轻极客）、‘西毒’（高端商务）、‘南帝’（家庭主心骨）、‘北丐’（价格敏感型）、‘中神通’（平衡派）。结果你猜怎么着？欧阳克说不够‘颠覆’，没有‘武侠感’，要求加入‘内力值’、‘根骨’、‘江湖门派’等维度，最好能预测用户适合修炼咱们哪款产品的‘功法’。”
韩宝驹又开始叹气：“又要加维度……数据采集成本、模型复杂度、计算资源……风险，风险啊！”
韩小莹揉了揉眉心：“顶回去。告诉他，科学的用户画像不是写武侠小说。但‘降龙十八掌’项目是重点，压力确实大。”她看向郭靖和全金甫，“数据清洗进度？”
全金甫汇报了一下，完成了大约三分之一，但最棘手的部分已经过去。
“郭靖今天表现怎么样？”韩小莹问。
全金甫推了推眼镜，客观地说：“零基础，但肯学，手不算太笨，关键是……心挺静，没被海量数据吓懵，一点一点在抠。就是有点轴，遇到不合理的数据总想追根问底，耽误了点时间。”
“轴不是坏事。”韩小莹看了郭靖一眼，眼神稍稍缓和，“数据工作，怕的就是浮躁。追根问底，才能‘去伪存真’。今天先到这里。郭靖，你回去把数据清洗的流程和遇到的典型问题总结一下，写个简单的报告，明天给我。这是‘越女剑’的基本功，也是对你逻辑和耐心的考验。”
“是，韩老师。”郭靖连忙应下，心里却沉甸甸的。报告？他看着自己记了半本子的凌乱笔记，头又开始疼了。
下班时，郭靖是最后一个离开会议室的。他关掉电脑，揉着发酸的眼睛和僵硬的脖子。走廊里已经空荡荡，窗外城市的霓虹开始闪烁。
他想起全金甫说的“吃力不讨好”，想起欧阳克那充满压迫感的眼神，想起黄蓉说的“灵蛇拳”。数据清洗的工作繁重枯燥，远不如欧阳克那些炫酷的模型和PPT吸引人。自己选择这条“笨”路，对吗？
电梯缓缓下降。数字跳动间，他忽然又想起洪七公拍桌子大笑的样子，想起黄蓉屏幕上那几条重合的曲线，想起柯镇恶说的“正路子”。
电梯到达一层，门开了。大厅里，他看到黄蓉正背着一个帆布包，似乎也在等车。她换下了卫衣，穿着一件简单的白色T恤和牛仔裤，马尾松散了些，侧脸在灯光下显得柔和。
郭靖犹豫了一下，还是走了过去。“黄……黄蓉。”
黄蓉转过头，看到他，笑了笑：“哟，数据清洗工下班了？眼神都直了。”
郭靖不好意思地挠挠头：“有点累。黄蓉，你说……埋头做这些基础的数据工作，真的有意义吗？别人都在练‘降龙十八掌’了。”
黄蓉歪着头看他，眼神清澈：“你觉得‘降龙十八掌’第一式是什么？”
“亢龙有悔？”
“对啊，”黄蓉说，“‘悔’的前提，是你得先知道那条‘龙’——也就是你的用户，真正的样子。你连他鳞片上有几道疤、呼气是冷是热都搞不清，掌力再猛，打出去也是‘劈空’，或者打错龙。欧阳克他们画的龙再威风，是想象中的龙。你们‘江南七怪’……嗯，现在应该说‘江南七侠’了，在做的，是把那条真实的、可能有点丑、有点脏、但活生生的龙，从泥潭里拽出来，洗干净，看清楚。你说有没有意义？”
她拍了拍郭靖的肩膀，力道不轻不重：“别想太多。柯老师让你走的路，或许不是最快的，但一般是摔不死人的。走了，车来了。”
她挥挥手，跑向门口一辆刚刚停下的、看起来平平无奇的网约车。
郭靖站在原地，咀嚼着她的话。真实的龙……清洗……看清楚。
他走出大厦，晚风带着城市的喧嚣扑面而来。他深吸一口气，不再觉得迷茫。路还长，数据如山，但那座山，似乎有了翻越的意义和路径。至少，他今天学会了如何辨认一条数据里的“武林盟主”，并给他打上正确的标签。
这算不算，练成了“越女剑”的第一招——辨识数据真伪的“眼力”？
他打开手机，看到“江南七怪（七侠）”群里，全金甫分享了一个链接：《数据清洗中的108种“坑”及花式填坑指南》。韩宝驹回了一个流泪的表情包：“第109种坑：预算不够填。”南希仁发了个微笑。张阿生发了个握拳加油的图片。韩小莹只回了一个字：“学。”
郭靖笑了笑，点了收藏。然后，他迈开步子，走向公交站。背影在霓虹下，依旧有些笨拙，却似乎稳了一点。
他知道，明天，还有更多的“脏数据”在等着他。而那条真正的“龙”，或许就藏在那些看似杂乱无章的数字和文字背后，等待着他，和“江南七侠”的剑，去将其洗净、看清。
远处的夜空，看不见星光，只有无数数据流在无形的网络里穿梭，如同隐形的江湖。而在这个江湖里，郭靖刚刚学会了如何擦拭他的剑——那柄名为“Excel”和“SQL”的，并不起眼，却可能至关重要的剑。