數據決策的大陷阱

如今，數據不僅僅是營銷領域的一個流行語。為了實現業務運作良好，企業需要關注如何改進，有效收集和分析數據。如果獲得數據並使用它卻沒有促進改變，那麼收集數據就沒什麼意義了。然而，在解釋和使用數據來做出決策時也存在一些問題。它不像看起來那麼簡單，而且有一些陷阱需要避免。在分享之前我們先來看一個小故事。

大數據都是騙人的啊——大數據預測得准嗎?

從前，有一頭不在風口長大的豬。自打出生以來，就在豬圈這個世外桃源里美滿地生活著。每天都有人時不時地扔進來一些好吃的東西，小豬覺得日子愜意極了。高興任性時，可在豬圈泥堆里打滾耍潑。憂傷時，可趴在豬圈的護欄上，看夕陽西下，春去秋來，歲月不爭。「豬」生如此，夫復何求?

根據過往數百天的大數據分析，小豬預測，未來的日子會一直這樣「波瀾不驚」地過下去，直到它從小豬長成肥豬……在春節前的一個下午，一次血腥的殺戮改變了豬的信念:什麼大數據都是騙人的啊……慘叫嘎然而止。

這則「人造寓言」是由《MacTalk·人生元編程》一書作者池建強先生「杜撰」而成的。池先生估計是想用這個搞笑的小寓言「黑」一把大數據。

我們知道，針對大數據分析，無非有兩個方面的作用：

1)面向過去，發現潛藏在數據表面之下的歷史規律或模式，稱之為描述性分析(Descriptive Analysis)。

2)面向未來，對未來趨勢進行預測，稱之為預測性分析(Predictive Analysis)。

3)

把大數據分析的範圍從「已知」拓展 到了「未知」，從「過去」 走向 「將來」，這是大數據真正的生命力 和「靈魂」 所在。

那頭「悲催」的豬，之所以發出「大數據都是騙人的啊」吶喊，是因為它的得出了一個錯誤的「歷史規律」：根據以往的數據預測未來，它每天都會過著「飯來張口」的豬一般的生活。但是沒想到，會發生「黑天鵝事件」——春節的殺豬事件。

其實，我們不妨從另外一個角度來分析一下，這個搞笑的小寓言在「黑」大數據時，也有失敗的地方。通過閱讀知道，舍恩伯格教授在其著作《大數據時代》的第一個核心觀點就是：大數據即全數據(即n=All，這裡n為數據的大小)，其旨在收集和分析與某事物相關的「全部」數據，而非僅分析「部分」數據。

那頭小豬，僅僅著眼於分析它「從小到肥」成長數據——局部小數據，而忽略了「從肥到沒」的歷史數據。數據不全，結論自然會偏，預測就會不準。

要不怎麼會有這樣的規律總結呢：「人怕出名，豬怕壯」。豬肥了,很容易先被抓來殺掉。這樣的「豬」血淚史，天天都上演的還少嗎?上面的小寓言，其實是告訴我們：數據不全，不僅坑爹，還坑命啊!

因此，使用數據進行決策時要避免3個陷阱

(1) 錨定和調整

錨定和調整是指放棄錨點或大量投資於某一信息的想法，然後調整錨點。通常，錨點作為一個良好的起點，但數據可能表明應該探索新的途徑，以創造更好的成功。通常情況下，可以在錨點範圍內收集和分析數據，這忽略了錨點本身可能是業務無法正常工作的原因。包括ValueWalk在內的專家在討論投資者對股票市場指數波動的反應以及行為金融如何幫助他們做出決定時，會加強這一點。投資者往往希望被證明是正確的，所以在初步評估中遇到困難，而沒有考慮市場進展的新信息。這種推理當然也擴展到其他應用程序，包括運行業務或實施策略。

(2) 對數據過度自信

當涉及到收集到的數據時，過度自信可能是一個陷阱。熟悉商業決策，豐富的信息數據原因，以及通過分析數據採取行動的事實，都可以結合起來，創造出一種過度自信的場景。這種情況可能會導致失敗。人們對決定越熟悉，就對此感到更加自信。那麼，如果這些數據導致了一個全新的目標定位活動，人們以前沒有實現過，但覺得可以處理它，即使這是一個更難的選擇。而這只是假設是錯誤的。數據給人的印象是人們有很多信息可供使用，但創建人們需要的結果並不總是有意義的。通過分析數據，人們覺得取得了進展。數據應該導致超出人們已經知道的新想法——否則，人們可能會過度自信。

(3) 因果關係與相關性

在收集和分析數據時，最重要的陷阱可能是不考慮因果關係和相關性的差異。因果關係指出X是因為Y而發生的，而相關性僅指向X和Y之間的關係。高收入和社會媒體參與之間可能存在相關性，但這並不一定意味著社交媒體的參與是高收入的原因。通過確定哪些是從哪個而不是對虛假因果作出決定，可以根據數據作出正確的決定和建議。

收集數據是有原因的，只有在分析準確的情況下才能正確地使用數據。考慮到可能導致結果傾斜的問題，因此，建議從數據中分離出來，企業可以確保它們朝著正確的方向發展。