|
你可能已經(jīng)知道“大數(shù)據(jù)”是2015年來最熱門的話題。你怎么可能不知道呢？因?yàn)楣?yīng)商和記者之流總是不停地用這個(gè)詞給大家洗腦（這條指控一點(diǎn)兒也 沒冤枉他們）。相信你也知道他們都是如何大肆宣傳的吧？大數(shù)據(jù)將為我們提供一切問題的答案，可以使公司的運(yùn)作更加高效，有助于制定絕妙的、由數(shù)據(jù)驅(qū)動的決 策，為公司提供一柄競爭利器。 從某種程度上說，這樣的說法的確沒錯(cuò)，但是，如同其他被過度宣傳的技術(shù)一樣，許多公司都發(fā)現(xiàn)這一切實(shí)現(xiàn)起來很困難，現(xiàn)實(shí)和廣告宣傳之間存在著相當(dāng)大 的差距。他們也許已經(jīng)想出了有效的方法來收集和處理數(shù)據(jù)，但要讓它付諸于實(shí)際，并幫助做出更好的決策卻是另一回事。這些公司試圖找出大數(shù)據(jù)和深度理解大數(shù) 據(jù)之間所缺失的至關(guān)重要的一環(huán)，因?yàn)槿绻槐M快解決這一問題，他們最終只能空守一大堆混亂的數(shù)據(jù)，而得不到任何收獲。 正如一位硅谷內(nèi)部人士告訴我的：最近，在創(chuàng)業(yè)公司的活動和融資方面，大數(shù)據(jù)的收集與處理已經(jīng)受到越來越多的關(guān)注，可與此同時(shí)，預(yù)期和實(shí)際結(jié)果之前卻 存在著巨大的鴻溝。他指出：“大數(shù)據(jù)還沒有轉(zhuǎn)換成大知識、大見解和大智慧。”據(jù)他們估計(jì)，為了達(dá)到這一目標(biāo)，我們?nèi)杂泻荛L的路要走。 分清現(xiàn)實(shí)和炒作 我們愿意相信我們能很方便地從大數(shù)據(jù)中獲取有價(jià)值的信息，簡單得就如同以下幾個(gè)步驟：將數(shù)據(jù)導(dǎo)入，跑一段程序，然后就能得到想要的結(jié)果，可實(shí)際要比 這復(fù)雜得多。《數(shù)據(jù)預(yù)測：大數(shù)據(jù)戰(zhàn)略》（Data Divination: Big Data Strategies）一書的作者Pam Baker指出，盡管存在明確事例證明可以從數(shù)據(jù)中直接獲取答案，但并非事事如此。 她解釋道：“在相當(dāng)多的情況下，數(shù)據(jù)可以為我們提供明確的答案。例如，預(yù)測分析能夠精確地預(yù)報(bào)飛機(jī)或者供水系統(tǒng)中某個(gè)零件的使用壽命，而且還能告訴我們更換零件的準(zhǔn)確時(shí)間，以確保舊零件在損壞之前，我們能盡可能地利用它。” 但她又補(bǔ)充道：“還有很多情況，我們雖然無法得到明確的答案，但我們可以從多種可能的行動中采取一種，或者我們甚至可以選擇不采取行動。這僅取決于你所做的事情。” Baker所言極是，一些由數(shù)據(jù)驅(qū)動的決策比我們所看到的要微妙得多，而且，正如Brue Springsteen（一位男歌手）曾經(jīng)所唱，做出決策“還需要一點(diǎn)人情味兒”。人們可以通過開發(fā)可靠的度量標(biāo)準(zhǔn)以及強(qiáng)大的算法來幫助決策的制定，還必 須知道如何最大限度地利用數(shù)據(jù)中透露出的信息。這些信息有時(shí)很直觀，有時(shí)卻很隱晦。 專家的缺乏 我們也愿意相信大數(shù)據(jù)能夠使商業(yè)用戶直接且迅速地進(jìn)行數(shù)據(jù)的訪問，更神奇的在于，能夠使他們在訪問的過程中就可以做出最佳決策。很不幸，我們?nèi)缃駬碛械墓ぞ哌€不足以提供如此神奇的功能。 為了解決這一問題，我們需要更多大數(shù)據(jù)專家們的幫助，幫我們處理數(shù)據(jù)、從海量信息中尋找答案。Keith Rabois是Kholsa Ventures公司的投資合伙人，他對諸如Parstream這樣的大數(shù)據(jù)公司很有興趣，據(jù)他所言：公司需要大數(shù)據(jù)科學(xué)家們進(jìn)行極為復(fù)雜的深入分析，但 一般的公司做不到這一點(diǎn)。 Rabois說道，我們希望讓大數(shù)據(jù)科學(xué)家們?nèi)ミM(jìn)行應(yīng)用程序及算法的研究，甚至希望他們能扛起研究數(shù)據(jù)科學(xué)的重任，但事實(shí)上，許多公司里的大數(shù)據(jù)科學(xué)家并非總有時(shí)間做這些事，部分原因在于他們往往把時(shí)間花在了不需要他們盡情發(fā)揮聰明才智的不太復(fù)雜的分析上，Rabois還稱，最理想的情況是，大數(shù)據(jù)科學(xué)家已經(jīng)開發(fā)出用于將分析分發(fā)到整個(gè)組織中需要答案的各個(gè)部門的工具。 在這樣一個(gè)問題需要被快速解答的年代里，我們不希望產(chǎn)生這樣的瓶頸，當(dāng)你跑去向?qū)＜覍で蟠鸢笗r(shí)，卻只能等待結(jié)果。 問題在于，即使最聰明的科學(xué)家開發(fā)出極其復(fù)雜的算法，也無法為復(fù)雜問題提供確定性答案。因?yàn)樗鼰o論如何也不可能將問題的所有因素都考慮在內(nèi)，或者無法考慮某些難以度量的因素。 替我找個(gè)優(yōu)秀的中場手 棒球就是個(gè)很好的例子，理論上，各方面能力相當(dāng)?shù)膬擅x手，比賽時(shí)可能引起完全不同的結(jié)果。統(tǒng)計(jì)學(xué)極客們將告訴你，他們花了多年時(shí)間開發(fā)出一款名為 棒球數(shù)據(jù)統(tǒng)計(jì)分析法（Sabermetrics，譯者注[1]）的算法，當(dāng)你需要一名優(yōu)秀的球員來填補(bǔ)球隊(duì)中某個(gè)特定位置時(shí)，該算法可以為你提供所有你想 要的信息。他們還引入了一系列諸如“額外勝利數(shù)（WAR，譯者注[2]）”之類的測量統(tǒng)計(jì)類術(shù)語，F(xiàn)anGraphs網(wǎng)站（譯者注[3]）對該術(shù)語的描述 如下：“如果某名選手受傷，其球隊(duì)不得不用低級別球員或是“能力不佳”的替補(bǔ)選手將其替換，那么這支球隊(duì)會因此丟失多少分呢？”他們用一系列復(fù)雜的指標(biāo)來 衡量這樣的更換所導(dǎo)致的勝率差異。 毫無疑問，所有這些復(fù)雜的指標(biāo)都有助于更加準(zhǔn)確地計(jì)算選手的價(jià)值，但它們測量不了所有情形，例如選手在壓力下的表現(xiàn)、他勤學(xué)苦練的程度、所具有的領(lǐng)導(dǎo)特質(zhì)，以及他與隊(duì)友的相處情況等等。所有的這些因素也都很重要，但卻更加難以量化得多。 純統(tǒng)計(jì)測量理論的信徒會告訴你“一切皆可測量”，這幾乎可以認(rèn)為是正確的。但我就曾經(jīng)見過兩個(gè)理論數(shù)據(jù)上基本相同的選手，后者接替了前者所在的位置，但比賽表現(xiàn)卻遠(yuǎn)不如前者，盡管他倆的統(tǒng)計(jì)數(shù)據(jù)非常相似。 此類情形同樣也可以應(yīng)用到商業(yè)中。人力資源部在招聘時(shí)，就會遇到雷同的場景：為某個(gè)程序員職位挑選最為合適的應(yīng)聘者。此時(shí)，你手頭上有兩個(gè)技術(shù)能力 相當(dāng)?shù)膶I(yè)人員同時(shí)競爭該職位，但他們其中一個(gè)可能情商較高，可以很好地與同事合作，而另一個(gè)卻完全不善溝通，遺憾的是，這些都無法從簡歷看出來。即便有 了很多數(shù)據(jù)信息，我們也很難將所有可能的結(jié)果一一考慮，尤其涉及到人為因素時(shí)。 考慮醫(yī)學(xué)診斷中的細(xì)微差異 任何一位優(yōu)秀的醫(yī)生都會告訴你，即使兩個(gè)病人的癥狀完全相同，也可能需要使用不同的治療方法。這是因?yàn)橹委煼椒ㄍ蕾囉趥€(gè)體因素，例如年齡、體重、其他身體健康狀況，以及額外的特殊因素。 我們以IBM Watson電腦（譯者注[4]）的使用為例，這是一臺可以用于醫(yī)療的智能分析平臺。最近，我向一位朋友談及有些醫(yī)生已經(jīng)開始使用Watson來幫助進(jìn)行 病情的診斷以及提供治療方法，他聽后很生氣，因?yàn)樗幌胗梢慌_機(jī)器來決定自己的治療手段。這種想法很正常。但在我說的情況里，并非只是Watson簡單地 給出個(gè)答案，而醫(yī)生則盲目地跟從。Watson會基于已經(jīng)有的跡象、對病人的了解、癥狀，以及當(dāng)前的研究水準(zhǔn)，給出一些可選項(xiàng)，供醫(yī)生選擇（這與醫(yī)生實(shí)際 的工作情形并不相同）。 正如我指出的，醫(yī)生們忙于工作，往往不能緊跟自身所在領(lǐng)域的研究步伐，因?yàn)橄嚓P(guān)的研究實(shí)在太多了（當(dāng)然，這是件好事）。這也正是Watson發(fā)揮作 用的地方。它能夠以比人類快得多的速度從當(dāng)前的研究成果中為醫(yī)生甄選出需要的信息，但另一方面，醫(yī)生仍然需要了解病人間的細(xì)微差別，應(yīng)用自身的知識，最終 確定治療方案。我喜歡將這一過程稱為科學(xué)中的藝術(shù)。知識能將我們帶得很遠(yuǎn)，但最終的決定權(quán)依然在醫(yī)師而非機(jī)器的手中。 企業(yè)很可能也將面臨類似這樣不確定的結(jié)果，這時(shí)就需要有人員參與，運(yùn)用自身的知識，在數(shù)據(jù)的幫助下做出選擇。 何去何從？ 機(jī)器有時(shí)可以提供人類需要花費(fèi)多年時(shí)間才能找出的答案和見解。舉個(gè)例子，Baker指出大數(shù)據(jù)已經(jīng)幫助我們找出例如癌癥等許多疾病的答案，而人類的 研究者甚至從未想過要從這些方面入手研究。她告訴我，“如果沒有大數(shù)據(jù)為我們提供這些信息，我們很可能永遠(yuǎn)無法找到合適的治療方案（或者說，至少幾年內(nèi)無 法成功）。我的觀點(diǎn)就是：大數(shù)據(jù)絕對可以做到相當(dāng)精準(zhǔn)的程度。” 另外，她相信，在不久的將來，機(jī)器學(xué)習(xí)可以發(fā)展到一個(gè)足夠成熟的高度，到那時(shí)，機(jī)器也許可以為我們作出更多決策，因?yàn)槿四X永遠(yuǎn)不可能記下所有有用的信息。 她的觀點(diǎn)很可能是對的，但就目前而言，我們收集和處理數(shù)據(jù)的能力似乎領(lǐng)先于對數(shù)據(jù)涵義的理解能力。正于Baker所提出的，預(yù)測分析技術(shù)一直在提 高，并且有時(shí)數(shù)據(jù)能直觀地給出答案，但這仍然是一個(gè)復(fù)雜的人機(jī)交互的過程。即使技術(shù)正在不斷向前發(fā)展，但如何將兩者合二為一依然是一項(xiàng)正在探索中的工作。 除非我們能找到某個(gè)平衡點(diǎn)，或者機(jī)器技術(shù)有顛覆性的發(fā)展，否則我們?nèi)詫⒚媾R大數(shù)據(jù)與大智慧之間的鴻溝，并且需要花一定的時(shí)間以及依靠技術(shù)進(jìn)步來填補(bǔ)這一鴻溝。 譯者注： [1]賽伯計(jì)量學(xué)（英語：Sabermetrics）：又譯為棒球記錄統(tǒng)計(jì)分析，運(yùn)動科學(xué)之一，對于棒球活動進(jìn)行客觀的分析，特別是針對于在棒球比 賽時(shí)的棒球統(tǒng)計(jì)數(shù)據(jù)做出解釋與評估。英語：Sabermetrics這個(gè)單字，源自于美國棒球研究學(xué)會（Society for American Baseball Research）的縮寫 SABR，再加上計(jì)量學(xué)的字尾 metrics 所組成。這個(gè)學(xué)門最早源自于比爾·詹姆斯（Bill James）對棒球統(tǒng)計(jì)數(shù)據(jù)所做的一系列分析。（以上解釋來自維基百科） [2]額外勝利數(shù)：全稱為Wins Above Replacement或Wins Above Replacement Player，一般用其縮寫WAR或者WARP, 這個(gè)術(shù)語是棒球中對球員的綜合評價(jià)指數(shù)，用于統(tǒng)計(jì)球員對球隊(duì)的總體貢獻(xiàn)。其中Replacement是“替代”的意思，Replacement Level代表的是“用最小的代價(jià)就可以在市場上找到的球員”，所以用該指數(shù)來表明一名先手能比Replacement Level級別的選手多帶來幾場勝利或貢獻(xiàn)。（以上解釋譯自維基百科） [3]FanGraphs: 是一個(gè)網(wǎng)站名稱（Fangraphs.com），為美國職業(yè)棒球大聯(lián)盟歷史上每一個(gè)球員提供統(tǒng)計(jì)數(shù)據(jù)。（以上解釋譯自維基百科） [4]Watson: IBM最新的電腦系統(tǒng)Watson，它運(yùn)算更快，記憶力更好，它也懂一些人類語言中的暗喻和雙關(guān)。Watson得名于IBM創(chuàng)始人Thomas J. Watson，開發(fā)的目的不是為了參加比賽，而是為了解詞匯、語言和人類知識中的更復(fù)雜領(lǐng)域。 |
|
|
