有時候大數(shù)據(jù)分析似乎總是在原地踏步,似乎數(shù)據(jù)信任的問題阻礙了數(shù)據(jù)分析的進一步應用。業(yè)務領導們理解新數(shù)據(jù)分析是必須經(jīng)歷的轉(zhuǎn)型,但是他們不確定這種轉(zhuǎn)變是否值得信賴。最近,來自咨詢專業(yè)服務公司KPMG(畢馬威會計事務所)的一份調(diào)查報告對這種進退兩難的處境給出了一些看法。
Forrester研究公司在2016年7月發(fā)起了一份調(diào)查報告,針對KPMG(畢馬威會計事務所)管理的2165位數(shù)據(jù)和分析決策制造商進行調(diào)查。報告顯示,數(shù)據(jù)和分析工具已被廣泛用于分析現(xiàn)有客戶(50%)和發(fā)現(xiàn)新客戶(48%)。然而,只有大約34%的業(yè)務負責人“非常信任”工具分析業(yè)務運營數(shù)據(jù)得到的結(jié)論。
有跡象表明,在數(shù)據(jù)和分析工具方面的投入在增加。因此,數(shù)據(jù)分析領域的專家Bill Nowacki認為,分析結(jié)果的受信任程度理所當然也在變好。在SearchDataManagement組織的一次采訪中,Nowacki表示分析工具需要更透明。也就是說,分析工具應該給管理層展示推薦觀點背后的邏輯,展示分析工具給出結(jié)論的依據(jù)。
研究結(jié)果似乎把焦點集中在了數(shù)據(jù)信任的空白。未來大家對數(shù)據(jù)質(zhì)量持有信心的趨勢如何呢?
Bill Nowacki表示,目前大家對于“分析是必不可少的”這一核心理念已經(jīng)基本認同了。不過,與此同時我們對管理層的培訓還不夠,業(yè)界普遍應該對此采取一定措施。
我們可以從調(diào)查報告的統(tǒng)計圖表中看到,對分析的整體接受度展示出來是U形走勢?;叵肭皫啄辏菚r候真的像是“西部狂野時代”,大家都在構(gòu)建各種分析模型,沒有充分的審查就很快直接購買。這些工具都被納入常規(guī)決策。這種狀態(tài)持續(xù)了較長一段時間。
后來,我們看到某些決策并沒有預期的那么準確和最優(yōu)。模型的真實可信度就面臨了很大挑戰(zhàn)?,F(xiàn)在,我們處在U形趨勢的底部,不過也開始蘇醒了,現(xiàn)在是時候以更加嚴肅的態(tài)度來看待它了。我們要考慮使用哪些數(shù)據(jù),數(shù)據(jù)來自哪里,數(shù)據(jù)是否足夠正確等等。
業(yè)界已經(jīng)有一些預測模型在使用了,尤其是在市場營銷和定價方面。人們用模型做優(yōu)化或者資產(chǎn)管理。我們看到許多類似的案例。但是,如果涉及到公司的關鍵業(yè)務,我們要確保業(yè)務穩(wěn)定就要慎重考慮了。我們開始看到了U型趨勢的另一邊——低谷后的上升趨勢,不過結(jié)構(gòu)合理性、治理、法規(guī)遵從都要求更多分析透明度。
機器學習用于預測分析并沒有改善透明度。看來要打開“黑盒子”幫助提升數(shù)據(jù)信任度并不容易啊。
如果你回顧一下FICO公司(全球預測分析和決策管理公司)的發(fā)展歷程,就會發(fā)現(xiàn)在20世紀80年代到90年代,他們已經(jīng)使用神經(jīng)網(wǎng)絡實現(xiàn)了較好的高度可預測的信用評分。不過,缺失的仍然是解釋能力。
監(jiān)管人員會來告訴我,“如果你想讓大家都相信,你必須能解釋為什么。”在“西部狂野時代”模型剛誕生時,大家都需要更好的透明度。我們需要理解引擎為什么會給出這些觀點,并理解這些觀點代表什么。
如果工具都是“黑盒子”,大家很難信任它。因此,在設計階段做選擇時應考慮提高透明度,這樣可以逐漸培養(yǎng)一些信任。
今天我們看到的是更加深思熟慮的設計,我們花時間思考怎樣才可以達到更好的效果,這樣才會獲得長足發(fā)展。例如,人們會檢查他們的零售店投資組合,利用所有簽名或登記信息發(fā)現(xiàn)所有店鋪里真正優(yōu)質(zhì)的客戶群。你能拿到的是所有的真實樣本,可以在這個群體中設定目標價格,看是否能得到預期結(jié)果。一旦確認價格調(diào)整在小范圍客戶群中有效,就可以一點一點實施到更大范圍的群體中。這種小步變革的方式很容易實現(xiàn)逐步推廣。
高管們已經(jīng)逐漸接受針對各種業(yè)務進行分析,但是沒有什么比成功案例更有說服力了。我們應該深思熟慮地看待市場,看看我們設定的試驗目標并驗證之前利用大數(shù)據(jù)對市場的預測,這樣也可以幫助增加對數(shù)據(jù)分析工具的信任。