第二个局限关乎做出预测所需的“赞”的数量。只有一个人已经点了超过50个“赞”的时候，回归模型才能产生效果，而要做出真正可靠的预测，“赞”的数量还需达到几百个。在脸书的数据集里，只有18%的用户在50多个网站上点“赞”。在收集了这些数据之后，脸书增加了用户点“赞”的网站数量，这样它就可以更好地发布定向广告。但仍然有很多人，包括我自己，不怎么在脸书上点赞。具体来说，我一共只在4个网页点了“赞”：我自己的“足球数学”网页、本地的一个自然保护区、我儿子的学校，以及欧盟的研究。不管回归模型如何神奇，只要没有数据，它就是一个摆设。
尼克斯想利用我们的政治人格锁定目标受众，这就是第三个局限性的核心所在：算法真的能够根据点赞情况精准地识别出神经质或富有同情心的人吗？我使用的数据集涵盖了一份五大人格测试结果，我用它来检验回归模型是否能够在随机选择的一对测试样本中确定哪个人更加神经质进行了检验，结果它根本无法完成这项任务。我从数据集随机挑选了两个人，查看他们在人格测试中的情绪神经质程度的评分。比较了它们与基于脸书点赞情况而制作的回归模型后，我发现只有在60%的情况下，人格测试和回归模型对测试对象给出了同样的结果。而如果我将分数设定为随机，只有在50%的情况下回归模型能够得到正确的结果，也就是说这个模型只比随机选择准确一些而已。
但是这个回归模型在对人们的开放性进行分类时表现得更好一些，准确性大约为三分之二。但当我对外倾性、尽责性和亲和性做同样的测试时，我得到了与神经质测试类似的结果：这个模型在10次中对了6次，而如果我们随机选择测试对象的话，10次中我们只会对5次。
也就是从这时候起，我开始与剑桥大学心理学家亚历克斯·科岗讨论我的研究结果。他最初曾帮助剑桥分析公司收集数据。起初科岗一直不愿和我交谈，因为他认为《卫报》和一些网络博客对剑桥分析公司的描述有失公允。但就在我告诉他我用脸书数据预测人格能够得到什么结果时，他终于开始畅所欲言了。
第一部分 算宜在时视个我数据做了什么？
45