大數(shù)據(jù)用于商業(yè)決策有盲區(qū) “大數(shù)據(jù)之父”給出新對策

8月25日，舍恩伯格出席了2016IEBE上海高峰論壇，并就企業(yè)如何更好地利用大數(shù)據(jù)進行商業(yè)決策等問題接受了界面新聞的專訪。

越 來越多的企業(yè)開始重視對大數(shù)據(jù)的分析與利用。據(jù)貝恩咨詢公司的一份全球調(diào)研報告顯示，在其調(diào)研的超過400家年營業(yè)額高于5億美元的企業(yè)中，有大約60% 的企業(yè)正積極在大數(shù)據(jù)方面進行投資，以期獲取企業(yè)發(fā)展的新動力。大數(shù)據(jù)已經(jīng)從高端化、差異化的決策工具，漸漸演化為各企業(yè)常規(guī)化的決策工具。

與此同時，人們對于大數(shù)據(jù)價值的看法也在發(fā)生轉(zhuǎn)變。在大數(shù)據(jù)研究的早期，極端樂觀的態(tài)度是當時的主流，但近年來，這類觀點開始受到反思與質(zhì)疑。舍恩伯格對界面新聞記者表示，“如果對大數(shù)據(jù)解讀得過度，實際上就是濫用數(shù)據(jù)”。

研究大數(shù)據(jù)，誠然可以讓企業(yè)更好地發(fā)現(xiàn)數(shù)據(jù)背后的商機，但是，把大數(shù)據(jù)運用到商業(yè)決策也存在不少局限。

以舍恩伯格之見，大數(shù)據(jù)用于商業(yè)決策存在以下三大難點。

難點一：只分析相關(guān)關(guān)系，導(dǎo)致商業(yè)決策出現(xiàn)盲區(qū)。

科研領(lǐng)域的很多統(tǒng)計和分析方法未必適合信息時代的商業(yè)領(lǐng)域，舍恩伯格對界面新聞記者說：“很多人把數(shù)據(jù)間的相關(guān)關(guān)系看成是因果關(guān)系，這有可能造成對大數(shù)據(jù)的過度解讀?！泵绹f金山游戲公司Zynga的興衰，正是這樣一個例證。

Zynga 公司的聯(lián)合創(chuàng)始人馬克·平卡斯（Mark Pincus）非常篤信大數(shù)據(jù)的力量。他在公司創(chuàng)立之初就搭建了一套完整的數(shù)據(jù)分析系統(tǒng)，并組建了以谷歌公司數(shù)據(jù)分析專家領(lǐng)銜的大數(shù)據(jù)團隊。Zynga公 司在數(shù)據(jù)倉庫、A/B測試工具和大數(shù)據(jù)分析方法上的領(lǐng)先，使其較其他游戲公司而言，可以更快按用戶反饋意見調(diào)整各類決策和設(shè)置。比如，游戲中的草地到底是 設(shè)為紅色還是綠色，Zynga公司管理層不做決策，而是同時設(shè)置紅綠兩套顏色方案，哪一邊用戶付費程度高，Zynga公司就迅速把草地定調(diào)為哪種顏色。這 樣的優(yōu)勢，也確實讓Zynga公司在草創(chuàng)時期獲益良多，其最熱門的一款游戲《Farm Ville》曾創(chuàng)下月活躍用戶8300萬的紀錄。

但 時間一長，這套體系的弊端也漸漸浮現(xiàn)。這種完全按當前用戶喜好決策的模式，或許能分析游戲何以暢銷的相關(guān)因素，但無法分析游戲何以暢銷的因果因素。這使得 Zynga公司的新游戲產(chǎn)品持續(xù)產(chǎn)生同質(zhì)化迭代。公司上下從領(lǐng)導(dǎo)層到各部門員工，關(guān)注游戲商業(yè)模式創(chuàng)新者日益減少。而在競爭激烈、變化速度極快的游戲行 業(yè)，失去創(chuàng)新精神就意味著全面落后。隨著Supercell公司、King公司等對手不斷推出創(chuàng)新型游戲，Zynga公司也在市值蒸發(fā)逾100億美元后， 逐漸淡出主流游戲公司陣營。

當前，商業(yè)環(huán)境的多變，令企業(yè)在做商業(yè)決策時更像是在面臨一個充滿突變的混沌系統(tǒng)。此時，基于陳舊數(shù)據(jù)、基于相關(guān)關(guān)系分析得出的結(jié)論，哪怕分析過程中數(shù)據(jù)量再大、分析方法再繁復(fù)，也難保企業(yè)不走進決策的盲區(qū)。

難點二：完整的大數(shù)據(jù)難以被企業(yè)獲取。

所謂“大數(shù)據(jù)”，指的是總量的全體數(shù)據(jù)。但囿于人類在數(shù)據(jù)采集、存儲與處理等方面的種種客觀限制，要獲得這樣的數(shù)據(jù)往往難度巨大。

一方面，完整大數(shù)據(jù)的采集非常困難。舍恩伯格對界面新聞記者表示：“大數(shù)據(jù)應(yīng)用通常分為三個步驟：第一步是搜集數(shù)據(jù)，第二步是分析數(shù)據(jù)，第三步是根據(jù)數(shù)據(jù)分析結(jié)果做出決策。其中，對很多公司而言，最難的一點就是搜集數(shù)據(jù)?！?/span>

另 一方面，隨著數(shù)據(jù)規(guī)模變得越來越龐大，企業(yè)的大數(shù)據(jù)存儲與處理能力也在不斷受到挑戰(zhàn)。在傳統(tǒng)介質(zhì)存儲數(shù)據(jù)已愈發(fā)不現(xiàn)實的今天，商業(yè)數(shù)據(jù)的存儲往往更依賴云 儲存等方式。這樣一來，企業(yè)在添置云服務(wù)及Hadoop分布計算平臺等方面的預(yù)算，將是一筆不小支出。另外，由于完整的、結(jié)構(gòu)化的數(shù)據(jù)難以獲取，大數(shù)據(jù)在 很大程度上存在著非結(jié)構(gòu)化的特征。例如，舍恩伯格就在《大數(shù)據(jù)時代》一書中有寫道，“只有5%的數(shù)字數(shù)據(jù)是結(jié)構(gòu)化的且能適用于傳統(tǒng)數(shù)據(jù)庫”?？梢?，企業(yè)在 采用智能分析、圖像識別等一系列先進算法來使大數(shù)據(jù)結(jié)構(gòu)化時，將面臨高額花費。一旦企業(yè)的相關(guān)投入跟不上，其所獲得的大數(shù)據(jù)就難言完整。

并 不足夠完整的大數(shù)據(jù)，不僅不能為企業(yè)決策提供幫助，反而可能起到誤導(dǎo)的作用。在影視行業(yè)，就發(fā)生過試圖利用大數(shù)據(jù)預(yù)測影片票房，結(jié)果卻與實際票房差距甚遠 的事例。比如，愛夢娛樂公司就曾利用其大數(shù)據(jù)建模，為電影《后會無期》推算了影片總票房收入，其推算結(jié)果為4.3億到4.8億元。而該影片的實際票房則突 破了6.2億元。這樣的推算結(jié)果，顯然難以幫助影業(yè)公司在產(chǎn)品宣傳、渠道建設(shè)等方面進行理性決策。事實上，愛奇藝公司CEO龔宇也曾表示，百度和愛奇藝也 有相關(guān)的大數(shù)據(jù)，但因為在這些搜集到的數(shù)據(jù)中仍有涉及不到的因素，所以這類預(yù)測的準確率不算太高。由此可見，只要大數(shù)據(jù)中仍存在遺漏和偏差，其對企業(yè)潛在 的誤導(dǎo)可能性就不容忽視。

難點三：大數(shù)據(jù)分析領(lǐng)域人才短缺。

企業(yè)對大數(shù)據(jù)的運用能力，受制于其人才儲備狀況。舍恩伯格說，“在大數(shù)據(jù)領(lǐng)域的研究和發(fā)展中，最重要的是人才?！?/span>

但 因為大數(shù)據(jù)分析興起的時間并不長，且分析團隊往往規(guī)模不小，所以，即使是頂尖企業(yè)在組建大數(shù)據(jù)分析部門時也難言輕松。以Facebook公司為例，這家硅 谷巨頭花了將近四年時間，建立了一個超過30人的團隊，才搭建起Facebook自己的數(shù)據(jù)處理平臺。維持這個數(shù)據(jù)處理平臺的常規(guī)運行，更是需要超過 100名數(shù)據(jù)分析專家。又比如，LinkedIn公司建立起自己的大數(shù)據(jù)部門用了整整六年時間。

如 果這些知名公司，都需要在大數(shù)據(jù)分析部門的建設(shè)上如此費心費力，那么，其他公司在完成此任務(wù)時，其難度無疑更甚。麥肯錫咨詢公司發(fā)布的一份大數(shù)據(jù)報告就曾 預(yù)測，到2018年，僅美國在數(shù)據(jù)科學家方面的人才缺口就會達到14萬至19萬人。人員構(gòu)架的短板，則會導(dǎo)致大數(shù)據(jù)分析領(lǐng)域先進技術(shù)難以得到實施。從貝恩 咨詢公司的那份全球調(diào)研報告中可以發(fā)現(xiàn)，目前僅有38%的企業(yè)，能夠使用如NoSQL、HPCC以及自動數(shù)據(jù)清洗算法等大數(shù)據(jù)領(lǐng)域的先進分析方法。這些都 使得各企業(yè)在用大數(shù)據(jù)幫助企業(yè)決策時，其效果需要打上一個不小的問號。

縮小決策范圍，才能放大大數(shù)據(jù)的作用

在運用大數(shù)據(jù)來輔助企業(yè)決策方面，舍恩伯格認為亞馬遜是個典型案例。

對 于用戶在亞馬遜網(wǎng)站上的頁面停留時間、評論查看情況、各類關(guān)鍵詞的搜索、各種商品的瀏覽量等大數(shù)據(jù)，亞馬遜公司都會做出細致分析。這家在各個業(yè)務(wù)環(huán)節(jié)中都 無不體現(xiàn)著“數(shù)據(jù)驅(qū)動”的公司，也在2016年《財富》全球500強排行榜中躋身前50強，排名達到第44位。誠如舍恩伯格所言，“那些能夠理解大數(shù)據(jù)、 并且懂得讓大數(shù)據(jù)提供價值的公司，將能夠有更多的成功可能性?！?/span>

大數(shù)據(jù)能讓商業(yè)決策變得更盲目，還是更理性？舍恩伯格認為關(guān)鍵還是在于，企業(yè)是否對大數(shù)據(jù)的運用范圍進行了縮小，為其樹立一些邊界。

即使是非常重視大數(shù)據(jù)力量的亞馬遜公司，其在推出Prime等前瞻性業(yè)務(wù)時，主要依靠的也不是某些大數(shù)據(jù)，而是該公司創(chuàng)始人杰夫·貝佐斯（Jeff Bezos）的經(jīng)營哲學與商業(yè)洞見。

舍恩伯格向界面新聞記者說：“大數(shù)據(jù)是一種資源和工具，它的目的應(yīng)限定為告知，而不是解釋?！卑选案嬷钡娜蝿?wù)交給大數(shù)據(jù)，而把“解釋”的權(quán)利保留在人的手中，才是讓大數(shù)據(jù)參與企業(yè)商業(yè)決策的良好方法。大數(shù)據(jù)的真正魅力，恰恰產(chǎn)生于其變“小”之后。

這樣，大數(shù)據(jù)在釋放用戶信息、改進商業(yè)建模、優(yōu)化決策精細程度等方面的優(yōu)勢，將得到保留。與此同時，管理者也能利用大數(shù)據(jù)提供的精準量化分析成果，使自己在戰(zhàn)略遠見與商業(yè)洞察方面的優(yōu)勢獲得更強有力的支撐。

今年3月，谷歌公司旗下的AlphaGo以4:1的總比分戰(zhàn)勝世界圍棋冠軍李世石，引起了巨大轟動。正如舍恩伯格所述，“現(xiàn)代的人工智能，其進行自我深度學習的根基就是大數(shù)據(jù)”，AlphaGo，正是人類對大數(shù)據(jù)決策能力的一次良好運用。

微縮于19X19格的圍棋規(guī)則邊界后，AlphaGo運用大數(shù)據(jù)完成了遠比人類更高明的決策，給予世人以啟示。

在舍恩伯格看來，“人類要知曉大數(shù)據(jù)的力量，同時也要看到大數(shù)據(jù)的局限”。在未來，一個個有邊界限定的“棋盤”，或許才是大數(shù)據(jù)在商業(yè)決策時更好的用武之地。