大數(shù)據(jù)至死：沉迷數(shù)據(jù)不能讓我們正確把握未來

世界上有三種謊言——謊言，該死的謊言，以及統(tǒng)計數(shù)據(jù)。引自馬克·吐溫。本文的作者站在這個信息爆炸的時代，從多個角度展示了數(shù)據(jù)的欺騙性。有些是基于偏見，有些是方法不對，但總之，用數(shù)據(jù)說話，可能并沒有想象的那么簡單可靠。

　　這個世界不斷的告訴我們數(shù)據(jù)會告訴你真相。但是同樣的數(shù)據(jù)往往會告訴我們不同的故事，取決于是何種數(shù)據(jù)以及你如何解讀。兩個類似的數(shù)據(jù)，由于人們進行不同的解讀，從而表現(xiàn)出兩個截然不同的結(jié)論，這樣的情況讓我很懷疑什么才是真相。數(shù)據(jù)是人們手里的工具，而我們可以按我們的需要進行解釋。需要澄清的是，這個問題并不是想說我們?yōu)榱俗约旱哪康亩桃怆[瞞數(shù)據(jù)，雖然人們有的時候也有可能會這么做。我只是想強調(diào)，人類有可能會在解讀數(shù)據(jù)的時候帶有無意識的偏見。

　　在大數(shù)據(jù)時代，這是一個巨大的難題。當(dāng)你看著不同的數(shù)據(jù)在同一個問題上向你展現(xiàn)完全不同的情況時，你如何找出問題的答案?

　　無論何時，數(shù)據(jù)都是可以被操縱的

　　Pam Baker是《數(shù)據(jù)占卜者：大數(shù)據(jù)策略》一書的作者，在書中，她從數(shù)據(jù)科學(xué)的角度來論述這一問題，但是她還是強調(diào)，首先你必須問對問題，才能得到正確的答案。

　　Baker在一封電子郵件中向我解釋：“數(shù)據(jù)是根據(jù)其與精確問題的相關(guān)性被拉動的。算法包括對于問題盡可能明確的輸入和回答方式?！?/span>

　　她說數(shù)據(jù)科學(xué)家有不少工具來做好這項工作，但是錯誤依然有可能發(fā)生?！爱?dāng)然總是有犯錯的可能，但是數(shù)據(jù)科學(xué)和數(shù)據(jù)科學(xué)早在大數(shù)據(jù)出現(xiàn)之前就已經(jīng)解決了很多的問題。事實上，如果錯誤的數(shù)據(jù)點使用的數(shù)據(jù)和算法是有缺陷的，那么答案就會是錯誤的或者有缺陷的?！?/span>

　　到目前為止這些都還是有效的，但是我們很清楚數(shù)據(jù)科學(xué)家的局限性。這么多公司中，我好像還沒有聽過哪家公司表達這樣的意思，他們都在討論數(shù)據(jù)，但是大部分公司都缺乏經(jīng)驗來理解這樣一件事情：數(shù)據(jù)可以被操縱，給你你想要的答案。

　　早些時候，我在在波士頓的Gilbane大會上聽到一個演講者說了一大堆類似于，科學(xué)家說人們沒有裝那么多的應(yīng)用，平均每個人只安裝了10個。他同時也表示90%的人不介意收到垃圾短信。不過要知道，他所在的公司是一家專門為短信廣告提供解決方案的公司。他分享了一大堆數(shù)據(jù)，給你提出了一大堆建議，但是如果你真的以這個為依據(jù)來設(shè)計方案，為你做的應(yīng)用進行推廣，那就真是傻缺了。

　　這個演講者接下來展示了一個數(shù)據(jù)，這個數(shù)據(jù)告訴我們，每分鐘都有15.4萬個應(yīng)用被下載?？墒侨绻總€人只裝少于10個應(yīng)用，那怎么可能會保持在同一時間以那種節(jié)奏同時被下載?當(dāng)你能清楚的認識數(shù)據(jù)之間的相互矛盾之處，就能理解，這些數(shù)據(jù)讓問題變得不那么清晰。也許那句老諺語比我們想象的更有道理：“世界上有三種謊言：謊言，該死的謊言，以及統(tǒng)計數(shù)據(jù)?！?/span>

　　掌握數(shù)據(jù)不難，關(guān)鍵是學(xué)會數(shù)據(jù)的分析、判斷

　　而當(dāng)我們把數(shù)據(jù)放到普通人手里，而不是像Baker建議的那樣交給數(shù)據(jù)科學(xué)家，那結(jié)果可能會很糟。尤其是這些試圖利用數(shù)據(jù)販賣他們的產(chǎn)品或者服務(wù)的營銷者手中。更糟的是他們可能會試圖用錯誤的信息來描繪他們美妙的市場結(jié)論。

　　Digital Clarity集團總裁Scott Liewehr表示，這樣的情況非常危險。他告訴我，市場研究必須下大力氣建立有效的調(diào)研，否則他們就有可能使用錯誤的數(shù)據(jù)得出錯誤的結(jié)論浪費公司資源?！皩τ谑袌鰻I銷人員來說，這是一個很大的挑戰(zhàn)，每個人都可以拿著數(shù)據(jù)說任何他們想說的故事?！盠iewehr告訴我。“如果他們不知道如何進行調(diào)研分析，那就有可能會造成一系列錯誤決定?！?/span>

　　Baker也同意上面的觀點。但是她同時也說，商家也可以為數(shù)據(jù)整理提供幫助，因為他們的市場人員比數(shù)據(jù)專家更了解市場動態(tài)，如果能把這兩者結(jié)合到一起，那就能夠產(chǎn)生更好的結(jié)果?！坝械臅r候市場人員和銷售人員比數(shù)據(jù)科學(xué)家更知道該問些什么。這也就是為什么我們需要一個由不同的人組成的數(shù)據(jù)團隊?！彼f。

　　但是她同時也說，即便是可靠的人也并非總是能得到正確的信息?！坝械臅r候企業(yè)用戶會痛苦掙扎，結(jié)果卻得出了錯誤的結(jié)論，因為他們不懂統(tǒng)計方法，以及其他必要的方法來完成這項工作。

　　即便你很小心，數(shù)據(jù)也并總能讓你得出正確的結(jié)論

　　上周我做了一篇報道，是關(guān)于最流行的企業(yè)同步與分享工具的，而這個工具是基于541 Research的研究的?，F(xiàn)在這是一家非常有信譽的公司，他們在公開研究成果之前已經(jīng)運行著兩個研究多個月了。我并非想對他們的研究成果進行毀謗，但是在那篇報道中我也懷疑他們是否問對了問題或者問對了人。他們不應(yīng)該只是簡單的看看一般使用率，而是應(yīng)該仔細的詢問企業(yè)用戶許可和普通用戶許可的比例，如果他們這樣做，是不是會看到完全不同的結(jié)論?發(fā)覺數(shù)據(jù)并非你想像的那么簡單，也并非我在這篇文章中所說的研究那么簡單。

　　首先，451 Research的數(shù)據(jù)發(fā)現(xiàn)超過40%的有效報告使用Dropbox，這個比例遠遠高于其他企業(yè)，我報道這一發(fā)現(xiàn)的時候都嚇了一跳。Box是整個云計算的典范企業(yè)，在市場調(diào)查中位列第四，受訪者中大約有15%的人選擇Box，但是這并不一定是整個故事的全貌。

　　Ilya Fushman是Dropbox企業(yè)產(chǎn)品的主管，他上周告訴我，Dropbox已經(jīng)擁有了10萬個商務(wù)用戶(既有很小的企業(yè)，也有比較大的企業(yè)。)考慮到Dropbox是2013年4月剛開放這個產(chǎn)品，這個數(shù)字真是非常驚人。有趣的是，作為比較，Box告訴我他們擁有3.9萬個企業(yè)用戶，但是數(shù)量不能說明所有問題，因為Box擁有一些非常大的用戶。

　　例如，Box的客戶中擁有Eli Lilly，豐田，夢工廠，康卡斯特，MD Andersen以及葛蘭素史克等巨頭，而最近剛剛將30萬份企業(yè)授權(quán)賣給GE。如果你把Schneider Electric的6.5萬份許可，以及保潔的4.4萬份許可的算上，你一定可以得出跟451 Research對于企業(yè)用戶完全不同的結(jié)論，即便企業(yè)的總數(shù)量確實不同。

　　根據(jù)記錄，我們很難發(fā)現(xiàn)Dropbox擁有多少用戶，因為他們并不透露這樣的數(shù)據(jù)，但是他們的大企業(yè)用戶也包括很多品牌公司，比如Hearst，Hyatt，MIT以及新聞集團。而Dropbox也將一些比較小的企業(yè)的商標(biāo)放在了他們的網(wǎng)站上。

　　Alan Pelz是451 Research的一位分析員，同時也是本研究的一位作者。他表示，他的團隊依然在致力于優(yōu)化方法，而他們現(xiàn)在公布的數(shù)據(jù)還只是他們長長的市場研究進程的一個開頭而已。

　　“我認為十月份的調(diào)查數(shù)據(jù)像我們告訴我們一些新的事實——首先，Dropbox在企業(yè)領(lǐng)域擁有大量擁躉(這并不讓任何人感到吃驚，尤其是他們的競爭對手)。這個市場還很不成熟，但是處在一個增長的階段，而且現(xiàn)在很多的企業(yè)并不愿意把他們的數(shù)據(jù)放到公共云端。這些發(fā)展趨勢隨著時間的發(fā)展會變得非常有趣。而這個新的研究所要挖掘的信息就是誰將會真正成長出價值，而且隨時間不斷變化。而且我們正在為這個新出現(xiàn)的領(lǐng)域和新層面做細分市場研究以及收入模型的研究?！彼诮o我的電子郵件寫道。

　　數(shù)據(jù)確實有巨大的價值，但是即便你非常小心，但依然有可能因為數(shù)據(jù)的歧義以及麻煩而得出錯誤的答案。因為即便我們擁有所有的數(shù)據(jù)，但仍然和現(xiàn)實會有偏差。而且你必須要保證你的數(shù)據(jù)對于特定的問題來說是準(zhǔn)確的，而且遵循最佳的數(shù)據(jù)歸納法。即使這樣，也有可能得出完全意想不到的結(jié)果?？磥恚S數(shù)據(jù)得出結(jié)論并不是像說的那么簡單。