大數據議題：分析與直覺之爭
譯文大數據技術的下一輪推進是否會徹底抹去人類直覺在關鍵性業務決策中的作用，從而讓企業的運作完全依賴于由數據驅動的分析機制？
也許不會，但隨著大數據趨勢的興起、眾多企業將越來越多地仰仗分析機制來處理實時決策事務，BoldIQ公司CEO Roei Ganzarski預測道——這是一家位于西雅圖的預測分析企業。不過這并不是說管理者需要徹底接受分析結論而完全舍棄主觀判斷。事實上，情況往往正好相反。企業高層管理者往往對于大數據分析概念嗤之以鼻，在他們看來單憑軟件根本不可能超越現場打拼多年、擁有敏銳商業嗅覺的運營老手。
“我們每天都會遇到類似的疑問，”Ganzarski在接受電話采訪時解釋道。“我們的回答是，‘這并不意味著我們認為您當前的運營機制有何不妥。’”相反，他強調分析手段旨在提供“一套額外的工具，幫助大家處理那些僅靠人力無法實現的任務。我們的作用并非取代傳統管理者，而是為了強化用戶制定決策的能力。”
很明顯，人類的大腦在無數實踐工作中仍然擁有遠超計算機的優異表現。不過軟件在瞬間分析領域也同樣具備無法取代的優勢，說到這里，他提供了一個交通運輸行業的實例作為佐證。“我們談談當日與次日交付業務模式。人們往往把這種效果視為分銷與供應鏈的***成就——只需發出訂單，快遞員就會在最短時間內帶著貨品敲開買家的大門。”而這種方式恰好帶來一系列適合分析方案處理的大數據技術挑戰。
“一旦訂單被落實到位，快遞公司該如何確保自己的裝配車輛及司機已經準備就緒，并能在幾毫秒之內反饋出哪輛貨車與哪位司機應該負責此次遞送、整個交付流程又是否以準時準點且符合成本要求的方式切實完成？”
Barrett Thompson在Zilliant公司擔任卓越定價解決方案總經理，這是一家專門幫助企業用戶發揮內部數據優勢、制定***銷售與定價決策的優化服務企業。在今年一月接受采訪時，Thompson討論了算法與直覺這一話題并指出，算法型決策機制源自企業內部不同個體所積累起來的集體經驗。
“舉例來說，我正面對著過去一年來已經完成的大量銷售交易事務資料，通過對保存在數據倉庫中的信息進行匯總、我發現案例總數高達五百萬之巨，”Thompson表示。“這些數據中蘊藏著一筆巨大的財富，也就是數百位銷售人員在數萬乃至數十萬種不同銷售情況下積累得出的通用性處理方式。要順利將其歸為己用，我必須找到一種解開重重枷鎖、提取其核心實質的處理辦法。”
他同時指出，預測算法并不能以無中生有的方式憑空創造出知識成果。恰恰相反，這其實是一種“加速機制”，旨在更快地整理出企業已經了解的信息。它由人類經驗所驅動，衍生自“我們切實經歷過的數據點。”
“我看不到其他499位銷售人員都做了些什么，我甚至記不住自己去年五月都干了些什么。我每一天都需要作出大量決定，而這些決定最終消失在自己的腦海里，”Thompson解釋稱。“如果我擁有一套軟件工具，那么由其提供的算法能幫助我回想起自己所學到的知識、告訴我其他人在實踐工作中積累下哪些心得……我可以在算法的引導下了解一切，并通過學習從中提煉出來的經驗讓自己獲得與當事人等同的寶貴收益。”
當然，需要提醒大家的是Thompson與Ganzarski都屬于分析事務的從業人士，因此他們兩者的意見并不能作為此次爭議中的公正論據。
2013年12月，《哈佛商業評論》博客討論了直覺因素在數據驅動型企業中所應扮演的角色，分析專家兼專欄作者Tom Davenport認為多數大數據項目通常都是由人類直覺判斷所推動：
多數旨在創建新型產品及服務的大數據項目往往都是由直覺判斷所推動的。舉例來說，谷歌的自動駕駛汽車就被其***們形容為大數據項目。谷歌研究員兼斯坦福大學教授Sebastian Thrun負責領導該項目。他在獲取必要的數據、地圖以及基礎設施等支持要素之前，就從直覺角度出發肯定了自動駕駛汽車的可行性。由于一位好友在車禍中去世，他憤而拉起隊伍向這一難題發起沖擊——他在接受采訪時坦言，當時在斯坦福大學中著手研究時、他對于到底該做些什么還毫無頭緒。
直覺這邊又獲得一票，他的實例也的確很有說服力。不過在企業環境下，分析機制將逐步參與到直覺決策當中、并發揮越來越重要的輔助作用。
原文鏈接：
原文標題：Big Data Debate: Do Anything Trump Intuition?
