有些事，数据无法告诉你

商评编者按

数据给商家带来很多便利的时候，也成为了这个时代的潮流名词。无论人们谈论用户行为还是属性标签，数据都变得愈加不可或缺。

但海量数据是否就是一剂万能灵药？

作为管理者，必须了解的是：数据是如何生成的，及导致数据变化的因素是什么。因为说到底，数据不会说话，人们需要在分析前练就一双“火眼金睛”。

当波士顿学院的一群学生开始对UFO目击报告进行数据分析时，他们发现位于美国华盛顿州的国家UFO报告中心自1974年开始跟踪UFO的动向以来，收到的UFO目击报告大幅增加。

然而，这并不意味着天外来客的数量越来越多，而是因为该中心刚成立时，人们必须拿起电话来报告自己的发现，互联网普及后，人们只需上网填写一张表格，因此，UFO目击报告的数量急剧上升。

再看UFO以外的更多例子，我们发现数据采集成本的降低带来了多方面的价值。我们比以前拥有了更多数据。

然而，管理者必须清楚地了解数据是如何生成的，以及这一生成过程会如何影响数据的价值。在可以获得的数据越来越多时，管理者应该留意哪些样本出现偏差？

以下四点做法值得采纳：

1

了解数据的来龙去脉

今天的企业在分析从网络论坛获得的丰富且低成本的数据时，必须慎之又慎。

它们必须考虑到，通过社交媒体了解到的顾客情况，可能与以往电话或书面调查的数据所反映出来的趋势并不吻合。

社交媒体固然为消费者活动提供了特别详细的数据，能够让企业获得前所未有的海量个人信息。然而，并不是每位顾客都使用社交媒体，同时出于刻意塑造自身形象的需要，也不是每个人在社交媒体上都能做到坦诚。

管理者必须了解自己使用的数据是来自哪里，以及数据生成之后可能会因什么而发生变化。

2

承认数据数量的增加

并不代表数据质量的提升

庞大的数据量提供了一种虚假安慰，让管理者误以为自己掌握了“更好的”数据，而其实只不过是先前数据的权重增加。

更糟糕的是，数据量的增加会让样本偏差更深地隐藏在海量信息中。管理者在试图获取更多数据之前，需要对额外数据将产生的新信息进行评估，可以先开展小规模试验。

他们需要知道从数据中能够得到什么，以及如何以低成本达到这一目的。

3

认识到旧数据源的不完善

旧数据源自身也存在样本偏差。以上文提到的UFO目击报告为例：互联网普及之前，人们只能通过电话与国家UFO报告中心联系。由于外州人不得不考虑长途电话的成本，大多数报告都来自华盛顿本州。

无论是新数据源还是旧数据源，对它们的了解都需要时间。经验告诉我们，新旧数据源各自都存在样本偏差，同时采用它们可以相互取长补短。

4

记住直觉仍然很重要

判断样本是否有偏差，归根结底是人类的工作。数据本身不会说话，我们需要自行识别缺失的部分。

尽管人工智能和机器学习正在兴起，但我们仍然需要人类的专业知识来纵观全局，确定某个数据源反映了全局的哪个部分。

管理者应当问自己：“对于业务，有哪些是数据无法告诉我们的，但我自己很了解的？”

随着数据分析在企业内部日益普及，越来越多的人需要在分析结果前练就一副“火眼金睛”。

要做到这一点，管理者必须将两种不同类型的知识结合起来：

一是对数据生成过程背后细节的了解，这关乎数据的代表性；二是对业务的宏观把握和总体认知。

---

作者简介：萨姆兰斯博撒姆，波士顿学院卡罗尔管理学院（Carroll School of Management，Boston College）信息系统学副教授。

本文摘自《样本越多越好吗》

原文刊登在《商业评论》2019年1月号

你有一份福利待领取