Michael Berry對(duì)大數(shù)據(jù)的浮夸之詞頗不以為然。身為旅游網(wǎng)站TripAdvisor的分析總監(jiān)，他認(rèn)為更多的數(shù)據(jù)未必帶來(lái)正面的業(yè)務(wù)影響，比如大數(shù)據(jù)和預(yù)測(cè)分析的例子。
“很多預(yù)測(cè)分析的應(yīng)用其實(shí)并不需要所有的數(shù)據(jù)。”Berry在Predictive Analytics World做主題演講時(shí)說(shuō)到。因此，對(duì)于數(shù)據(jù)科學(xué)家來(lái)說(shuō)，重要的不是想著怎樣分析所有的數(shù)據(jù)，而是看通過(guò)哪些數(shù)據(jù)可以得出真正有價(jià)值的結(jié)果。那么到底該怎么辦呢?“對(duì)于這個(gè)問(wèn)題，沒(méi)有直截了當(dāng)?shù)拇鸢浮?rdquo;Berry說(shuō)。
但是，通過(guò)每次增加一些數(shù)據(jù)的方式來(lái)測(cè)試預(yù)測(cè)模型的有效性，可以最終確定多少數(shù)據(jù)是足夠的。比如，當(dāng)Berry想知道旅游代理商對(duì)某家酒店或特定客戶的標(biāo)準(zhǔn)價(jià)位時(shí)，采用計(jì)算平均值的方法：選取兩個(gè)取均值，然后是三個(gè)…最終在1萬(wàn)個(gè)時(shí)均值穩(wěn)定下來(lái)。如果取2萬(wàn)個(gè)，均值肯定會(huì)發(fā)生變化，但這已經(jīng)沒(méi)有必要了。
“這就是關(guān)鍵所在。如果你有足夠的數(shù)據(jù)，那么單純數(shù)量上的增加就不會(huì)對(duì)結(jié)果造成很大的影響。”Berry說(shuō)。
如果過(guò)多的數(shù)據(jù)不會(huì)帶來(lái)本質(zhì)的不同，那么什么才是關(guān)鍵所在呢?“很多方面。”Berry表示。數(shù)據(jù)的純凈度、樣本的合理全面以及專(zhuān)注于數(shù)據(jù)質(zhì)量和挖掘的人才等，都會(huì)導(dǎo)致結(jié)果的不同。
這些都是預(yù)測(cè)分析中的關(guān)鍵點(diǎn)，比如指出哪些變量可以使模型更健壯，或者結(jié)合哪些來(lái)源的數(shù)據(jù)可以發(fā)現(xiàn)新的模式。
“比如風(fēng)寒效應(yīng)(wind chill factor)。”Berry說(shuō)。結(jié)合了實(shí)際的溫度和風(fēng)速，才能切實(shí)分析出人體對(duì)于外界環(huán)境的感受。
大數(shù)據(jù)的誤區(qū)
Berry并非唯一對(duì)當(dāng)前大數(shù)據(jù)和預(yù)測(cè)分析境況有微詞的人。咨詢(xún)公司Rexer Analytics的創(chuàng)始人Karl Rexer認(rèn)為數(shù)據(jù)科學(xué)家們多少都有點(diǎn)迷茫失措。在其2013年對(duì)數(shù)據(jù)挖掘從業(yè)者的調(diào)查看出，受訪者反饋表明數(shù)據(jù)規(guī)模變得越來(lái)越大。但是，當(dāng)被問(wèn)及有多少數(shù)據(jù)被用于真正的分析時(shí)，答案和2007年的調(diào)查結(jié)果并無(wú)二致。
這并非證明所謂大數(shù)據(jù)是一場(chǎng)鬧劇。“對(duì)于傳統(tǒng)的預(yù)測(cè)分析建模或數(shù)據(jù)挖掘項(xiàng)目來(lái)說(shuō)，總體的樣本規(guī)模并未出現(xiàn)增長(zhǎng)。”Rexer說(shuō)。
縮寫(xiě)詞匯命名
將分析術(shù)語(yǔ)轉(zhuǎn)化為業(yè)務(wù)端所能理解的語(yǔ)言，是一種巨大的挑戰(zhàn)。工資、人力和服務(wù)外包提供商Paychex是這樣打破藩籬的：根據(jù)業(yè)務(wù)端的建議來(lái)進(jìn)行描述。
“當(dāng)我們構(gòu)建模型時(shí)，會(huì)舉行一個(gè)命名比賽。”Paychex的建模分析師Tom Kern在本次Predictive Analytics World上表示。Kern的團(tuán)隊(duì)會(huì)向用戶發(fā)送電子郵件，其中對(duì)模型進(jìn)行了簡(jiǎn)短的描述，并且提供一些詞匯供其使用。用戶根據(jù)實(shí)際工作，創(chuàng)造縮寫(xiě)詞匯，比如SAM表示銷(xiāo)售預(yù)期模型(sales anticipation model)，TIM表示領(lǐng)域識(shí)別和映射模型(territory identification and mapping model)。
如果業(yè)務(wù)端用戶的建議最終被采用，其就會(huì)收到一個(gè)禮物卡。由此，就可以根據(jù)諸如銷(xiāo)售人員之類(lèi)的用戶的期望，從而思考預(yù)測(cè)模型該做些甚么。
汰漬的策略變化
作為全球最大的零售商之一，寶潔公司宣布推出一款新型的低價(jià)汰漬洗衣劑，以此來(lái)吸引中端客戶。該如何評(píng)價(jià)這個(gè)決策呢?
Shel Smith是市場(chǎng)分析公司Twenty-Ten Inc.的創(chuàng)始人，他的看法是：“如果你發(fā)布類(lèi)似的產(chǎn)品，不僅僅是在獲取新的客戶，其實(shí)還在鼓勵(lì)已有的客戶替換現(xiàn)有的高價(jià)產(chǎn)品。”
鑒于當(dāng)前經(jīng)濟(jì)形勢(shì)的影響，這種擔(dān)憂并非沒(méi)有道理。但是，Smith對(duì)寶潔的策略持有信心。他認(rèn)為，寶潔的策略是基于預(yù)測(cè)模型、海量數(shù)據(jù)和精準(zhǔn)營(yíng)銷(xiāo)來(lái)達(dá)成的，可以在獲取新客戶的同時(shí)不影響現(xiàn)有品牌的銷(xiāo)量。
“寶潔肯定有很多我們不知道的過(guò)人之處，但是在獲取新客戶方面并無(wú)什么神秘的。”Smith表示。