大數據至死：沉迷數據不能讓我們正確把握未來

世界上有三種謊言——謊言，該死的謊言，以及統計數據。引自馬克·吐溫。本文的作者站在這個信息爆炸的時代，從多個角度展示了數據的欺騙性。有些是基于偏見，有些是方法不對，但總之，用數據說話，可能并沒有想象的那么簡單可靠。

　　這個世界不斷的告訴我們數據會告訴你真相。但是同樣的數據往往會告訴我們不同的故事，取決于是何種數據以及你如何解讀。兩個類似的數據，由于人們進行不同的解讀，從而表現出兩個截然不同的結論，這樣的情況讓我很懷疑什么才是真相。數據是人們手里的工具，而我們可以按我們的需要進行解釋。需要澄清的是，這個問題并不是想說我們為了自己的目的而刻意隱瞞數據，雖然人們有的時候也有可能會這么做。我只是想強調，人類有可能會在解讀數據的時候帶有無意識的偏見。

　　在大數據時代，這是一個巨大的難題。當你看著不同的數據在同一個問題上向你展現完全不同的情況時，你如何找出問題的答案?

　　無論何時，數據都是可以被操縱的

　　Pam Baker是《數據占卜者：大數據策略》一書的作者，在書中，她從數據科學的角度來論述這一問題，但是她還是強調，首先你必須問對問題，才能得到正確的答案。

　　Baker在一封電子郵件中向我解釋：“數據是根據其與精確問題的相關性被拉動的。算法包括對于問題盡可能明確的輸入和回答方式?！?/span>

　　她說數據科學家有不少工具來做好這項工作，但是錯誤依然有可能發生?！爱斎豢偸怯蟹稿e的可能，但是數據科學和數據科學早在大數據出現之前就已經解決了很多的問題。事實上，如果錯誤的數據點使用的數據和算法是有缺陷的，那么答案就會是錯誤的或者有缺陷的?！?/span>

　　到目前為止這些都還是有效的，但是我們很清楚數據科學家的局限性。這么多公司中，我好像還沒有聽過哪家公司表達這樣的意思，他們都在討論數據，但是大部分公司都缺乏經驗來理解這樣一件事情：數據可以被操縱，給你你想要的答案。

　　早些時候，我在在波士頓的Gilbane大會上聽到一個演講者說了一大堆類似于，科學家說人們沒有裝那么多的應用，平均每個人只安裝了10個。他同時也表示90%的人不介意收到垃圾短信。不過要知道，他所在的公司是一家專門為短信廣告提供解決方案的公司。他分享了一大堆數據，給你提出了一大堆建議，但是如果你真的以這個為依據來設計方案，為你做的應用進行推廣，那就真是傻缺了。

　　這個演講者接下來展示了一個數據，這個數據告訴我們，每分鐘都有15.4萬個應用被下載?？墒侨绻總€人只裝少于10個應用，那怎么可能會保持在同一時間以那種節奏同時被下載?當你能清楚的認識數據之間的相互矛盾之處，就能理解，這些數據讓問題變得不那么清晰。也許那句老諺語比我們想象的更有道理：“世界上有三種謊言：謊言，該死的謊言，以及統計數據?！?/span>

　　掌握數據不難，關鍵是學會數據的分析、判斷

　　而當我們把數據放到普通人手里，而不是像Baker建議的那樣交給數據科學家，那結果可能會很糟。尤其是這些試圖利用數據販賣他們的產品或者服務的營銷者手中。更糟的是他們可能會試圖用錯誤的信息來描繪他們美妙的市場結論。

　　Digital Clarity集團總裁Scott Liewehr表示，這樣的情況非常危險。他告訴我，市場研究必須下大力氣建立有效的調研，否則他們就有可能使用錯誤的數據得出錯誤的結論浪費公司資源?！皩τ谑袌鰻I銷人員來說，這是一個很大的挑戰，每個人都可以拿著數據說任何他們想說的故事?！盠iewehr告訴我?！叭绻麄儾恢廊绾芜M行調研分析，那就有可能會造成一系列錯誤決定?！?/span>

　　Baker也同意上面的觀點。但是她同時也說，商家也可以為數據整理提供幫助，因為他們的市場人員比數據專家更了解市場動態，如果能把這兩者結合到一起，那就能夠產生更好的結果?！坝械臅r候市場人員和銷售人員比數據科學家更知道該問些什么。這也就是為什么我們需要一個由不同的人組成的數據團隊?！彼f。

　　但是她同時也說，即便是可靠的人也并非總是能得到正確的信息?！坝械臅r候企業用戶會痛苦掙扎，結果卻得出了錯誤的結論，因為他們不懂統計方法，以及其他必要的方法來完成這項工作。

　　即便你很小心，數據也并總能讓你得出正確的結論

　　上周我做了一篇報道，是關于最流行的企業同步與分享工具的，而這個工具是基于541 Research的研究的?，F在這是一家非常有信譽的公司，他們在公開研究成果之前已經運行著兩個研究多個月了。我并非想對他們的研究成果進行毀謗，但是在那篇報道中我也懷疑他們是否問對了問題或者問對了人。他們不應該只是簡單的看看一般使用率，而是應該仔細的詢問企業用戶許可和普通用戶許可的比例，如果他們這樣做，是不是會看到完全不同的結論?發覺數據并非你想像的那么簡單，也并非我在這篇文章中所說的研究那么簡單。

　　首先，451 Research的數據發現超過40%的有效報告使用Dropbox，這個比例遠遠高于其他企業，我報道這一發現的時候都嚇了一跳。Box是整個云計算的典范企業，在市場調查中位列第四，受訪者中大約有15%的人選擇Box，但是這并不一定是整個故事的全貌。

　　Ilya Fushman是Dropbox企業產品的主管，他上周告訴我，Dropbox已經擁有了10萬個商務用戶(既有很小的企業，也有比較大的企業。)考慮到Dropbox是2013年4月剛開放這個產品，這個數字真是非常驚人。有趣的是，作為比較，Box告訴我他們擁有3.9萬個企業用戶，但是數量不能說明所有問題，因為Box擁有一些非常大的用戶。

　　例如，Box的客戶中擁有Eli Lilly，豐田，夢工廠，康卡斯特，MD Andersen以及葛蘭素史克等巨頭，而最近剛剛將30萬份企業授權賣給GE。如果你把Schneider Electric的6.5萬份許可，以及保潔的4.4萬份許可的算上，你一定可以得出跟451 Research對于企業用戶完全不同的結論，即便企業的總數量確實不同。

　　根據記錄，我們很難發現Dropbox擁有多少用戶，因為他們并不透露這樣的數據，但是他們的大企業用戶也包括很多品牌公司，比如Hearst，Hyatt，MIT以及新聞集團。而Dropbox也將一些比較小的企業的商標放在了他們的網站上。

　　Alan Pelz是451 Research的一位分析員，同時也是本研究的一位作者。他表示，他的團隊依然在致力于優化方法，而他們現在公布的數據還只是他們長長的市場研究進程的一個開頭而已。

　　“我認為十月份的調查數據像我們告訴我們一些新的事實——首先，Dropbox在企業領域擁有大量擁躉(這并不讓任何人感到吃驚，尤其是他們的競爭對手)。這個市場還很不成熟，但是處在一個增長的階段，而且現在很多的企業并不愿意把他們的數據放到公共云端。這些發展趨勢隨著時間的發展會變得非常有趣。而這個新的研究所要挖掘的信息就是誰將會真正成長出價值，而且隨時間不斷變化。而且我們正在為這個新出現的領域和新層面做細分市場研究以及收入模型的研究?！彼诮o我的電子郵件寫道。

　　數據確實有巨大的價值，但是即便你非常小心，但依然有可能因為數據的歧義以及麻煩而得出錯誤的答案。因為即便我們擁有所有的數據，但仍然和現實會有偏差。而且你必須要保證你的數據對于特定的問題來說是準確的，而且遵循最佳的數據歸納法。即使這樣，也有可能得出完全意想不到的結果?？磥?，跟隨數據得出結論并不是像說的那么簡單。