過度依賴大數據做決策的危險與妙方

高老师陪您成长...

   

過度依賴大數據做決策的危險與妙方

 

    大數據提供即時的現況信息，主要凸顯一些現象的相關性，這些現象(果)可能是同一事件(因)所產生的不同外貌，或者是不同事件所產生的外貌。人們常常先關注到這些相關外貌數據的相關性，然後才深入探索、追溯這些外貌現象幕後的原因(溯因)。然後，基於這因果關係來做決策，制定商業策略，展開有效的商業活動。

         數據(Data)是現實(Fact)的抽象資料，其抽象思維過程的幕後假設(Assumption)，對於所呈現出來的數據影響很大。例如，科舉中狀元，表示人品優秀。大學考試分數高，表示學生優秀。評選狀元和計算分數的幕後準則(Criteria)及其權重(Weight)高低往往基於專家的直覺和推論假設。這些假設，會影響數據顯示的因果關係；因為這些假設已經預設了某些因子對於結果影響力的高低了。因此，大數據分析師的幕後思維中的推論假設，大大影響了大數據的呈現。

    大數據凸顯特定角度(特定假設)的全面性(大數據的完整性)趨勢變化，能有效弭補專家邏輯思維(完整性、即時性)的不足。大數據在彌補專家思維廣度(即時性、完整性)的不足，是非常有幫助的。然而，如果過於依賴大數據來找出影響因子，並據之擬定業務執行策略，則常常是短利而長空。萬一幕後的推論假設，因環境而變化了，主要影響因子改變了，所有基於舊有影響因子的投入與設施，可能一夕之間就失靈了。

    大數據所凸顯的相關性，有可能被誤認為因果關系；但這項<果>可能只是人們或企業的追求目標(或願景)的一個表象或指標而已。例如，財富只是幸福人生的一項指標而已，大舉投入於提升財富的偏執，可能傷害幸福人生。俗語說，水能載舟也能覆舟。大數據會說話，也會騙人(也被人的假設所騙)。深思大數據幕後的抽象視角、推論假設和評估準則，有助於善用大數據，又能避免掉入”數據會騙人”的陷阱裡。也能強化<理性>而避免過度的<適用主義>、強化<治本>而避免過度<治標>的近利偏執。

           如果專家們(或決策者)更善於運用大數據，則專家直覺的思維深度，與大數據的取樣廣度(即時而完整)，做了完美結合，將大幅提升決策的現實性。更進一步，如果專家能有效探索大數據的真實性(有效從真實中抽象出數據)，避免數據騙人的話，就能確保決策的有效性了。

       那麼，在這種決策有效性的前提下，大數據與專家直覺之間的關系是什麼呢?許多人會認為：大數據是專家直覺和決策的基礎；亦即，專家們(或決策者)以大數據為基礎，來進行預測、思考推理和決策。其實並不盡然，還有更完美的關系：大數據圍繞著專家直覺和決策；亦即，專家們(或決策者)以願景(Vision)為基礎，來進行設想(未來性)、思考推理和決策；並指導大數據分析的抽象視角、推論假設和評估準則，然後拿分析結果(具有真實性，而非只是現實性)來<檢驗>專家直覺和決策的有效性。於是，決策不僅獲得有效性，也獲得了未來性(抓住最佳的未來可能性)。

    胡適曾說：大膽假設，小心求証。當我們把大數據角色定位為小心求証的<減法>機制時，專家們(或決策者)便敢大膽地運用其專家直覺而進行<加法>創新(即假設、思考和推理)了。因此，這種角色定位卻是很能發揮科學精神的安排。關於<加法/減法>機制的安排，可思考一個歷史典故，想一想：春秋戰國時代的秦國統一中國，它是減法還是加法呢? 我們可以理解為：先有減法機制(書同文、車同軌、統一度量衡)，然後進行加法(合併七國的國土)，最後回到減法(統一)。現在，我們將這典故與上述的大數據角色安排，做個對映吧：先有減法機制(安排大數據做為檢驗機制)，然後進行加法(決策者大膽假設、思考和推理)，最後回到減法(引導大數據分析，對假設和推理進行檢驗，得到有效、有未來性的決策)。於是，在大數據時代裡，其決策妙方是：

n     完全依賴大數據而決策是危險的；

n     基於大數據而思考決策是有益的；

n     以大數據檢驗思考決策是卓越的。

    其中，前兩者的決策是仰賴於大數據的現實性(即時性&完整性)和預測性，決策偏於有效性；其中大數據分析的角色偏於實證，數據採集、分析的全面性要求較高，因而成本也增高。而後者的決策則仰賴於創新性思考(如設計思考)，大數據則扮演檢驗(去蕪存菁)的角色，其決策偏於創新性；其檢驗的作用是否証，要求數據採集、分析的精準性，而非全面性，因而成本較低。

      於是，人們從大數據分析中，能更容易觀察到即時、完整的事件相關性；這能促進決策者更放眼未來，彩繪更完整的願景，捕捉到更好的機會。

相關文章：<<大數據下的決策思考>>

ee                                                                        ee

歡迎光臨 <新書導讀網頁> ... by 高煥堂

==> http://www.cnblogs.com/SmartADT/