當(dāng)今時(shí)代，數(shù)據(jù)已經(jīng)成為我們經(jīng)營(yíng)業(yè)務(wù)的核心手段。事實(shí)上，據(jù)全球市場(chǎng)情報(bào)公司IDC預(yù)計(jì)，到2020年，全球花費(fèi)在數(shù)據(jù)分析項(xiàng)目上的支出將達(dá)到2743億美元。然而，其中的大部分錢并沒(méi)有得到合理地利用。據(jù)高德納咨詢公司(Gartner)的分析師尼克•赫爾德克的估算，高達(dá)85%的大數(shù)據(jù)項(xiàng)目是失敗的。

[[319777]]

問(wèn)題的重點(diǎn)在于，出現(xiàn)在電腦屏幕上的數(shù)字具有一種特殊的權(quán)威感。一旦數(shù)據(jù)通過(guò)大量的數(shù)據(jù)庫(kù)被提取出來(lái)，并通過(guò)復(fù)雜的分析軟件進(jìn)行分析，我們就幾乎不再會(huì)去關(guān)心這些數(shù)據(jù)究竟來(lái)自哪里，它們究竟是如何被修正的，更不會(huì)去關(guān)心它是否真正適用于我們的研究目標(biāo)了。

因此，實(shí)際上，要想從數(shù)據(jù)中得到有用的答案，我們便不能只看到它表面的數(shù)據(jù)值。我們需要學(xué)會(huì)如何提出更加深層的問(wèn)題。我們尤其需要知道這些數(shù)據(jù)是如何得出的，我們用了什么樣的模型來(lái)分析它們，以及在這一分析過(guò)程中究竟遺漏了什么。最重要的是，我們需要超越僅僅使用數(shù)據(jù)來(lái)優(yōu)化操作程序的做法，并學(xué)會(huì)利用數(shù)據(jù)來(lái)構(gòu)思新的生產(chǎn)可能性。

我們要問(wèn)的第一個(gè)問(wèn)題是：

一、數(shù)據(jù)是如何得出的?

據(jù)說(shuō)，數(shù)據(jù)一詞是“奇聞?shì)W事”的復(fù)數(shù)形式。英語(yǔ)中有一句俚語(yǔ)，叫“很多奇聞?shì)W事聚在一起就成了數(shù)據(jù)”。的確，真實(shí)世界的各種事件，如交易記錄、診斷結(jié)果和其他諸多相關(guān)信息，都被一一記錄下來(lái)，并存儲(chǔ)在大型服務(wù)器之中，這就是數(shù)據(jù)。但幾乎沒(méi)人會(huì)關(guān)注這些數(shù)據(jù)究竟來(lái)自哪里，因此，非常不幸的是，我們收集到的數(shù)據(jù)的質(zhì)量和處理方式可能會(huì)有很大差別。事實(shí)的確如此，高德納咨詢公司最近的一項(xiàng)研究揭示出，由于收集到的數(shù)據(jù)質(zhì)量太差，每個(gè)公司平均損失竟然高達(dá)1500萬(wàn)美元。

一般來(lái)說(shuō)，數(shù)據(jù)的準(zhǔn)確性會(huì)受到人為錯(cuò)誤的影響，例如當(dāng)?shù)凸べY和動(dòng)力不足的零售職員檢查庫(kù)存時(shí)，他們收集到的數(shù)據(jù)就往往并不準(zhǔn)確。然而，即使數(shù)據(jù)收集過(guò)程是自動(dòng)化的，也仍然會(huì)有很多的錯(cuò)誤來(lái)源，比如手機(jī)信號(hào)塔的間歇性停電就會(huì)造成錯(cuò)誤;在金融交易清算過(guò)程中運(yùn)用自動(dòng)化的信息收集方式同樣可能產(chǎn)生錯(cuò)誤。

質(zhì)量過(guò)差的數(shù)據(jù)和用于錯(cuò)誤語(yǔ)境的數(shù)據(jù)可能比根本沒(méi)有數(shù)據(jù)更為糟糕。事實(shí)上，一項(xiàng)研究發(fā)現(xiàn)，65%的零售商庫(kù)存數(shù)據(jù)是不準(zhǔn)確的。而自歐盟通過(guò)并發(fā)行了嚴(yán)格的GDPR(通用數(shù)據(jù)保護(hù)條例)數(shù)據(jù)標(biāo)準(zhǔn)以來(lái)，另一個(gè)日益重要的問(wèn)題逐漸浮現(xiàn)：在收集數(shù)據(jù)時(shí)是否得到當(dāng)事人適當(dāng)?shù)耐狻?/p>

因此，不要簡(jiǎn)單地認(rèn)為你所擁有的數(shù)據(jù)是準(zhǔn)確的和高質(zhì)量的。你首先必須關(guān)心它是從哪里得來(lái)的，以及它是如何維護(hù)的。我們?cè)絹?lái)越需要像做金融交易一樣，小心謹(jǐn)慎地審查我們的數(shù)據(jù)處理方式。

二、數(shù)據(jù)是如何分析的?

即使數(shù)據(jù)得到了準(zhǔn)確和良好的維護(hù)，數(shù)據(jù)分析模型的質(zhì)量也會(huì)有很大差異。一般而言，各種數(shù)據(jù)分析模型是通過(guò)開(kāi)源平臺(tái)(如GitHub)組合在一起，并要為特定的分析任務(wù)進(jìn)行重新的組合部署。但是，過(guò)不了多久，人們就忘記該模型究竟來(lái)自何處，也不再關(guān)心它究竟是如何評(píng)估特定的數(shù)據(jù)集合的了。

類似于這樣的失誤要比你所能想象到的更為常見(jiàn)，并且有可能造成嚴(yán)重的損失。我們可以回顧一下如下案例：曾經(jīng)有兩位著名的經(jīng)濟(jì)學(xué)家發(fā)表了一份工作報(bào)告，警告說(shuō)美國(guó)債務(wù)即將面臨一個(gè)關(guān)鍵的節(jié)點(diǎn)。他們的工作引發(fā)了一場(chǎng)政治風(fēng)暴，但事實(shí)證明，他們犯了一個(gè)簡(jiǎn)單的Excel錯(cuò)誤，導(dǎo)致他們夸大了債務(wù)對(duì)GDP的影響。這就是對(duì)數(shù)據(jù)處理方式的失誤造成的。

隨著數(shù)據(jù)處理模型變得越來(lái)越復(fù)雜，并納入了更多的數(shù)據(jù)來(lái)源，我們也越來(lái)越能看到，在數(shù)據(jù)模型的訓(xùn)練上不斷出現(xiàn)更為嚴(yán)重的問(wèn)題。最常見(jiàn)的錯(cuò)誤之一是過(guò)度擬合，這大體意味著，用來(lái)創(chuàng)建模型的變量越多，模型本身就越難變得普遍有效。而在某些情況下，過(guò)量的數(shù)據(jù)會(huì)導(dǎo)致數(shù)據(jù)泄漏，在數(shù)據(jù)泄露中，訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)攪和在一起了。

這些類型的錯(cuò)誤甚至?xí)_最為先進(jìn)的公司。對(duì)此我們僅僅舉出兩個(gè)最為突出的例子就足夠了：亞馬遜和谷歌，最近與模型偏見(jiàn)有關(guān)的丑聞被高度曝光了。當(dāng)我們處理數(shù)據(jù)時(shí)，我們需要不斷地向我們的模型提出難題：它們適合于我們的使用目的嗎?它們是否考慮到了正確的因素?模型所輸出的數(shù)據(jù)是否真實(shí)地反映現(xiàn)實(shí)世界中發(fā)生的事情?

三、數(shù)據(jù)無(wú)法告訴我們什么?

數(shù)據(jù)模型，就像人類一樣，它們總是傾向于根據(jù)最可用的信息來(lái)做出判斷。但是，有時(shí)你所缺失的數(shù)據(jù)往往會(huì)像你所擁有的數(shù)據(jù)一樣影響你的決策。我們通常將這種類型的可用性偏差與人類決策聯(lián)系起來(lái)，但人類設(shè)計(jì)者往往將這種偏差傳遞給自動(dòng)化系統(tǒng)。

例如，在金融業(yè)中，那些擁有大量信貸歷史的人往往比那些沒(méi)有信貸歷史的人更容易獲得信貸。后者通常被稱為“瘦檔案”客戶，他們發(fā)現(xiàn)自己很難買車，很難租賃房屋，也很難申請(qǐng)到信用卡。(我們中的一員，一位名叫格雷格的同事，在海外生活15年后回到美國(guó)時(shí)，就曾親身經(jīng)歷了這個(gè)問(wèn)題)。

然而，缺少信貸歷史并不必然表明信用風(fēng)險(xiǎn)很高。而信貸公司最終往往僅僅因?yàn)槿狈ο嚓P(guān)數(shù)據(jù)而放棄潛在的盈利客戶。最近，益百利公司開(kāi)始通過(guò)應(yīng)用Boost程序來(lái)解決這一難題，該程序通過(guò)查詢消費(fèi)者的日常支付活動(dòng)來(lái)使消費(fèi)者獲得信用評(píng)分，比如定期的電信充值和公共事業(yè)支付等等。迄今為止，已有數(shù)百萬(wàn)人在該程序上登記注冊(cè)了。

因此，要問(wèn)一問(wèn)你的數(shù)據(jù)模型可能遺漏哪些方面，這個(gè)問(wèn)題是極其重要的。如果你正在管理你所測(cè)量的數(shù)據(jù)，你就要確保你所測(cè)得的數(shù)據(jù)真實(shí)地反映了現(xiàn)實(shí)世界，而不只是一些最容易收集的僵死的數(shù)據(jù)。

四、我們?nèi)绾卫脭?shù)據(jù)重新設(shè)計(jì)產(chǎn)品和商業(yè)模式?

在過(guò)去的十年里，我們已經(jīng)了解了數(shù)據(jù)如何幫助我們更有效地管理我們的業(yè)務(wù)。智能化地使用數(shù)據(jù)使我們能夠進(jìn)行自動(dòng)化處理，預(yù)測(cè)我們的機(jī)器何時(shí)需要維護(hù)，并且更好地為我們的客戶服務(wù)。正是數(shù)據(jù)使得亞馬遜能夠提供包裹當(dāng)日達(dá)服務(wù)。

數(shù)據(jù)也可以成為產(chǎn)品本身的重要組成部分。我們可以舉一個(gè)著名的例子，Netflix長(zhǎng)期以來(lái)一直使用智能數(shù)據(jù)分析來(lái)花更少的成本創(chuàng)建更好的項(xiàng)目。這使得Netflix在與對(duì)手——如迪士尼和華納傳媒——競(jìng)爭(zhēng)時(shí)獲得了一個(gè)重大的優(yōu)勢(shì)。

然而，真正令人振奮的是，你可以用數(shù)據(jù)來(lái)完全重新構(gòu)想你的業(yè)務(wù)模式。在Eric工作的益百利公司，他們已經(jīng)能夠利用云技術(shù)，從只以信用報(bào)告的形式提供處理過(guò)的數(shù)據(jù)，轉(zhuǎn)變?yōu)闉榭蛻籼峁?shí)時(shí)訪問(wèn)報(bào)告所依據(jù)的更細(xì)粒度數(shù)據(jù)的服務(wù)。這看似是一個(gè)微不足道的轉(zhuǎn)變，但它已經(jīng)成為益百利公司業(yè)務(wù)增長(zhǎng)最快的部分之一。

有人說(shuō)數(shù)據(jù)是新的石油，但實(shí)際上，數(shù)據(jù)要比石油更有價(jià)值?，F(xiàn)在，我們必須開(kāi)始轉(zhuǎn)變觀念，不能僅僅將數(shù)據(jù)視作一種被動(dòng)的資產(chǎn)類別。如果使用得當(dāng)，數(shù)據(jù)甚至能夠提供一種真實(shí)的競(jìng)爭(zhēng)優(yōu)勢(shì)，并產(chǎn)生一種全新的業(yè)務(wù)方向。然而，要做到這一點(diǎn)，你不能僅僅從尋找答案開(kāi)始。你必須學(xué)會(huì)如何提出新的問(wèn)題。