不這樣用大數(shù)據(jù)預測，08年的金融危機也許可以避免

大數(shù)據(jù) 預測數(shù)據(jù)采集

劉怡君 | 2018-01-15 15:12

【數(shù)據(jù)猿導讀】某種程度上來說，大數(shù)據(jù)的真正機遇不一定是預測，而是用來解釋。只有在充分調研、了解市場環(huán)境后，管理者才能夠制定合適的戰(zhàn)略，來應對可能出現(xiàn)的各種風險

依靠直覺進行盲目決策，是很多企業(yè)領導者容易跌入的坑。如今，大數(shù)據(jù)為這一風險提供了規(guī)避途徑，日益受到企業(yè)青睞。

谷歌內部正用數(shù)據(jù)進行“即時預報”，比如根據(jù)6月份的第2周汽車銷售的查詢數(shù)量，預測出幾周后發(fā)布的6月汽車銷售報告。

美國運通公司正通過分析數(shù)據(jù)監(jiān)控查找違規(guī)者。如果有人在美國運通卡上存入大額賬款，再在佛羅里達州注冊一個轉寄地址，他很可能在利用該州不嚴格的破產法鉆空子。

亞馬遜則申請了一項包裹運輸預測系統(tǒng)的算法專利，它根據(jù)消費者的網(wǎng)站停留時間、商品瀏覽時間、點擊及停留的鏈接和愿望清單等，來預測他的購買情況，從而盡可能減少運輸、庫存和供應鏈成本。

英國網(wǎng)絡服務公司沙贊（Shazam），讓200個國家的4億用戶，使用自家產品查找歌曲、電視節(jié)目和廣告，從而建立了一個巨大的用戶偏好數(shù)據(jù)庫，沙贊聲稱，自己能夠準確預測哪些群體 / 藝術家 /曲目會取得成功。

麻省理工斯隆管理學院教授安德魯·麥卡菲（Andrew McAfee）甚至建議，人類應該盡量減少對經驗判斷的依賴，更多地依靠數(shù)據(jù)驅動型硬性算法的結果。他認為，大量研究表明，在“混亂、復雜、真實”的環(huán)境中做出判斷時，基于數(shù)據(jù)的算法比專家更有可能做出正確的預測。

反對的聲音：過度預測是場騙局

這股迷信浪潮近年來越刮越烈，忠實的追隨者前仆后繼，同時也有一群激憤的反對者逐漸出現(xiàn)。

之前，“大數(shù)據(jù)之父”舍恩伯格在接受界面新聞記者采訪時，就曾表示，“如果對大數(shù)據(jù)解讀得過度，實際上就是濫用數(shù)據(jù)”。Thinkers50獎得主、管理學者馬丁•林斯特龍（Martin Lindstrom）也提出：“目前我們面臨的問題是，商業(yè)世界已經完全被大數(shù)據(jù)給蒙蔽了。”

谷歌對流感趨勢的分析就是一個典型事例。

谷歌依據(jù)自己的搜索結果，推測11%的美國人都患了流感。然而事實證明，龐大的搜索量很大程度上受到社交媒體造勢的影響，谷歌高估了2013年年初的流感趨勢。美國東北大學的大衛(wèi)·拉澤（David Lazer）領導的研究團隊指出：“谷歌的方法是在5000萬個搜索詞中，找到適合的1152個數(shù)據(jù)點。”而在此過程中，與“流感”相匹配、但實際上與此無關的搜索詞出現(xiàn)概率“相當高”。

過分迷戀數(shù)據(jù)，也會影響公司前程。

Zynga公司的聯(lián)合創(chuàng)始人馬克·平卡斯（Mark Pincus），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)。管理層習慣不做決策，他們只按用戶反饋意見作出反應。比如，游戲中的草地到底是設為紅色還是綠色，直接依據(jù)用戶喜好拍板。這種討好策略的確讓Zynga 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，Zynga公司的新游戲產品只能同質化迭代，公司上下關注游戲商業(yè)模式創(chuàng)新者日益減少。隨著對手不斷推出創(chuàng)新型游戲，Zynga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。

學界將數(shù)據(jù)預測失敗主要歸納于兩個方面的原因——

1.對歷史數(shù)據(jù)的過度信賴

所有預測的好壞，都取決于管理者所運用的歷史數(shù)據(jù)。然而現(xiàn)實中，創(chuàng)新性業(yè)務或新產品是沒有先例可循的。歷史數(shù)據(jù)即使有，也不可靠——手機品牌商雖然擁有手機購買和使用體驗等方面的大量歷史數(shù)據(jù)，但手機的類別已經今非昔比。

2.管理者總是怎么方便怎么選

對于一些很重要、但不方便采集的數(shù)據(jù)，人們常常會選擇性忽視。很多專家學者認為，如果金融機構將采集的范圍擴大，也許可以避免2008年金融危機的發(fā)生。

此外，企業(yè)的大數(shù)據(jù)研究，已經成為一場軍備競賽。Facebook花了將近四年時間，才建立了一個超過30人的數(shù)據(jù)團隊，而維持該平臺的常規(guī)運行需要超過100名數(shù)據(jù)分析專家，LinkedIn公司建立起自己的大數(shù)據(jù)部門用了整整六年時間。這顯然不是每一個普通公司都可以承擔的。

數(shù)據(jù)只能預測簡單事務，復雜決策別指望它

這樣看來，數(shù)據(jù)可以很好地預測一些事情，比如去某地度假是否會下雨，鳥類是否會以預定的途徑遷徙，然而我們卻很難準確預測出股價走勢、有多少人會買一款新型汽車、鼓勵健康飲食是否能達到理想的效果。

《讀懂你的客戶：基于大數(shù)據(jù)的消費者戰(zhàn)略》一書提出了一個新觀點。它認為數(shù)據(jù)本身沒有錯，數(shù)據(jù)預測的兩極化效果，主要在于簡單系統(tǒng)和復雜系統(tǒng)的區(qū)別:

“簡單系統(tǒng)，是用一個模型就可以把握所有或大部分變化的系統(tǒng)......而復雜系統(tǒng)內部，則有許多以非線性方式相互作用的因素。”

因此，如果該系統(tǒng)是“簡單的”，只要我們能夠模擬出它的變化，就可以精準預測出該系統(tǒng)的下一步活動?，F(xiàn)實中，樂高和雪佛蘭都曾利用“小數(shù)據(jù)”幫助企業(yè)探索創(chuàng)新業(yè)務。

相反的是，復雜系統(tǒng)是無法預測的，系統(tǒng)內的一個微小變化，可以對預測結果造成很大影響。管理者一旦對“大數(shù)據(jù)”的判斷深信不疑，并對此孤注一擲，很有可能一手將自己推向深淵。

在推出Betamax卡帶式錄像機之前，索尼進行了大量的數(shù)據(jù)分析，并考慮了當時錄像租賃市場的快速發(fā)展，為自己建立了封閉式生態(tài)結構（類似于今天的蘋果）。但不幸的是，消費者需求的變化速度遠遠超出了行業(yè)預測，他們更偏好于使用可以儲存完整電影的錄像系統(tǒng)，而Betamax并不具備可以和其打通的開放系統(tǒng)，Betamax的戰(zhàn)略定位宣布失敗。德勤首席戰(zhàn)略官邁克爾·雷納認為，蘋果其實與Betamax執(zhí)行了相同的戰(zhàn)略，不同的是，“蘋果公司的運氣比索尼公司好而已”。

因此，企業(yè)必須要將大數(shù)據(jù)拉下神壇，不能依靠它來應對不確定性，而應該采取靈活而廣泛的戰(zhàn)略——即便有一部分規(guī)劃可能會失敗，而另一部分則有可能成功。管理者需要確定，大數(shù)據(jù)在哪些情況下有效，而在哪些情況存疑，并將精力投身于靈活戰(zhàn)略的建設中來。

某種程度上來說，大數(shù)據(jù)的真正機遇不一定是預測，而是用來解釋。只有在充分調研、了解市場環(huán)境后，管理者才能夠制定合適的戰(zhàn)略，來應對可能出現(xiàn)的各種風險。

來源：界面新聞

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關內容都會注明來源與作者；轉載我們原創(chuàng)內容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。