http://www.datasoldier.net/post/fuzhu.html
很久之前,科学界的先辈们就已经意识到人类的主观感觉并不可靠,由主观感觉得出的结论也往往漏洞百出,从伽利略站在比萨斜塔上丢下那一对小球开始,人们就不断在探寻那些看似和主观感觉大相径庭的真理,而在现实生活特别是商业分析中,正确的决策往往和科学理论一样,是不同于我们的主观感受的。
数据分析作为一种严谨而客观的工具,在分析决策中可以弥补我们对直觉的过分自信,减轻欲望对事实的影响程度,可是即便数据分析已经到了大数据的层次,也鲜有仅依靠大数据就完成决策的事例,是大数据没得到充分应用,还是其本身就具有一定的局限性呢?
数据越大,无意义的相关关系就越多
我们日常所说的分析数据得出结论,从统计学的本质上来说就是找出数据之间的相关关系,两个或多个数据之间存在线性关系,指数关系,服从泊松分布还是正态分布,这些都是数据分析中具体要完成的工作,随着数据量的增大,数据之间可能出现的相关关系也就越多。当数量巨大的原始数据一下子摆在面前时,麻烦就来了。
如美国的飞利浦路灯街区这样的智能检测系统,传感器每时每刻都在采集周围的环境数据,这些数据在进行分析的时候,各数据之间会出现非常多的相关关系,这些关系中大部分是无意义的,比如湿度和温度突然出现了负相关,可能只是因为下了一场雨,而我们要寻找的相关关系,很容易掩埋在这些无用的关系里。
数据分析趋向平庸,忽视杰作
数据分析的理论基础是概率论和统计学的相关学科,所以也就决定了它的一项基本特征——总是趋于平均,反应大体情况,而对于某些突出优秀的个体,往往会视而不见。如果我们在六年前进行一次关于智能手机的使用习惯的数据分析,Iphone大概会被直接忽略,因为那时Iphone刚刚出现不久,在总体数据中完全占不到比例,应用乔帮主的一句话“用户自己也不知道他们到底要什么”,所以在更多的用户接触到Iphone之前,他们并不会知道自己需要它,这样的数据分析出来的结果,Iphone一定会落选“完美智能手机”的排行榜。
或许正因为这些因素,数据分析(不管加不加“大”字),始终只是作为一种工具来辅助人们做出理性判断,而不是策略的主要决定来源。
选自:物联中国,原标题:为什么大数据分析在决策中只是“万年辅助”