【深度】數據素養將和英語能力一樣重要

Qlik大中華區董事總經理潘應麟

川普的當選打了傳統媒體一個耳光，在之後的復盤中，不少人把鍋扣在了大數據和社交網路頭上。不得不承認，二者的結合的確極大影響了新聞的傳播。

《紐約雜誌》在文章《川普因為Facebook而當選》中指責「Facebook幫川普取得勝利的辦法，就是無法或是拒絕去處理惡作劇或假新聞。」FT中文網的《FT大視野：假新聞為川普助選？》則指出「其中部分所謂的新聞在Facebook上瘋狂傳播、在Twitter上被廣泛轉發或者被谷歌的搜索演算法推廣，最終成功滲入了大眾的政治討論中。」

最為諷刺的是，《華盛頓郵報》採訪了Facebook假新聞界的「扛把子」保羅·霍納，這位再三表示討厭川普、並參加過反川普遊行的假新聞寫手，特意撰寫了看似有利於川普、本意是諷刺和「搗亂」的假新聞；結果恰恰相反，這些新聞非但未引起人們的思考，反而得到了拚命轉發，轉發者中甚至包括川普的兒子和競選經理。以至於他的「搗亂」行為很可能幫了大忙。

印第安納大學（Indiana University）的複雜網路和系統研究中心主任、計算機科學和信息學教授菲利波·門采爾（Filippo Menczer）的研究顯示，錯誤消息和準確消息火起來的可能性一樣大，因此如果演算法的主要準則是「你的朋友對什麼點贊」，這就對打擊假新聞沒有幫助。

事實上，這種演算法不僅不能打擊假新聞，甚至可能是助推者。Qlik大中華區董事總經理潘應麟解釋：「當人們看見的社交媒體推送信息是基於你過往看過什麼東西，同意過什麼東西；個人的想法和偏見就會被正面放大。原來我們覺得數據化是很透明、很清晰的事實，讓大家很邏輯性地、個性化地判斷這個市場；現在越來越多的人說不可以相信這個東西，可能是假的，可能是有偏見的。」

即便如此，潘應麟仍然表示：「如果說2016年是信息元年，那麼2017年將是數據元年。」至於如何提高數據的可信度，潘應麟提出，「應該像培養英語能力那樣培養數據素養——就像當我們只能依靠翻譯的時候就要忍受翻譯錯誤，但當我們都能使用英語時，就能判斷出翻譯的錯誤，甚至可以越過翻譯、直接交流。」

在大數據應用中，如果只有少數人具備數據素養，多數人就只能被動地接受分析結果，無從質疑和驗證。在這種情況下，當假數據被戳破時，就容易走到另一個極端，人們不再相信數據，任由感情和情緒主導。

儘管聽起來陌生，數據素養卻不是一個新名詞，2007年，美國國家科學基金會（National Science Foundation，NSF）就資助了提升大學部生科學數據素養的項目。

潘應麟在解釋「數據素養」的時候祭出了麻省理工學院和埃默里大學對「數據化」的定義——閱讀、操作、分析和討論數據的能力。且不提后三項能力，即便是閱讀數據，即如何從數據報告中看出門道、看出漏洞，也是一門學問。因此一直以來，數據的處理、分析和管理都要仰仗專業人士，最終生產一份份報告交給老闆，輔助決策。這就可以理解為什麼數據展示工具容易引起數據人才的注意力——老闆需要一目了然、重點突出的數據報告。

但現實是，老闆手裡的數據是滯后的，實時的數據在一線人員手裡，要想數據充分發揮作用，就要讓其為一線人員所用。這既要求一線人員有一定的「數據素養」，有意識地使用數據；也要求數據分析工具最大程度地易學易用。

當凱西製藥5年前開始引進Qlik的時候，只是為了讓全球的分公司更好地向總部彙報。後來的發展是，總部開始從上至下、逐步推Qlik的使用。這次的推廣包含了兩個意義，一是培養全公司用數據說話的能力和工作習慣；二是通過統一數據處理工具來統一規範，從而提高數據的真實性。

現在，這個數據分析工具已經普及到了一線人員，數據成為了這家全球化公司的一種「官方語言」。而數據和業務雙料複合型人才也成為公司的新寵。

數據與業務脫節是剛開始重視數據應用的公司常見的痛點。專業的數據人才不懂業務，只能閉門造車，努力建立的模型卻不符合業務需求；而由於數據素養尚未普及，真正懂業務的人才不重視數據，或者不知道如何向數據人才提需求。

對於企業而言，普及數據素養的成敗關鍵在於高層對數據的重視，讓「用數據說話」成為公司文化，這是一個自上而下的過程；在具體實施時，則需要選擇一款容易上手的工具，複雜的黑科技還是留給數據部門的專家使用吧。

對於解決方案和工具提供商來說，最常見的方式莫過於和大學合作培養人才；互聯網時代，又多了利用免費版本教育市場的好辦法。比如英特爾就與麻省理工學院合作建立了大數據科學技術中心；Qlik在香港與高校合作，把一些企業的需求交給大學生，利用Qlik平台做出解決方案。至於后一種，Qlik在2016年與百度Palo達成了合作，幫助企業用戶實現自助式可視化分析。

2016年12月，麥肯錫全球研究院發表報告《分析的時代：在大數據的世界競爭》。報告顯示，分析人才持續匱乏，來自不同地區不同行業將近一半的高管表示數據分析人才的空缺比其他任何角色的空缺都更難補。

目前，大多數公司都重視網羅數據分析專家，認為他們的出現可以為公司帶來徹底的轉變，事實上，能將數據分析結果和實際結合起來的商業轉化人士（business translator）更重要。這些人精通行業組織運作，能向數據分析人才拋出最精準的問題，同時從數據分析結果中看到最本質的洞見。麥肯錫預測，未來的10年內，單是美國對這種人才的需求就約為200～400萬人。