数据分析是模型驱动还是数据驱动?

    在讨论这个问题之前，需要理解清楚模型驱动与数据驱动两个词的含义。到底什么是模型驱动？从认识世界的角度来讲，我们理解的制度、礼仪、道德等等，基本上都可以理解为模型，通过这些模型，我们可以清楚地明白哪些是好的，哪些是坏的，哪些该做，哪些不该做。然而在数据侧，在业务理解上，也可以类似地理解。我们需要梳理一套清晰的思路来把业务做得更好，不如叫做业务模型，定义了具体的参与人、流程等关键因子。我们需要一套组件来实现某种功能等等这些都在我们理解模型的范围内。从模型侧发出进行的数据分析叫做模型驱动。这就好比，我们分析某种状况，比如了解历史上消费最高的用户群都具有哪些特征，针对这个问题，我们有一整套刻画这些用户的思路和框架，也称为模型，基于些进行的数据分析，可称之为基于模型驱动的数据分析。然而，什么是数据驱动呢？为了回答这一问题，让我们进一步了解下什么是数据？数据，它是关于自然、社会现象和科学试验的定量或定性的记录，是科学研究最重要的基础。研究数据就是对数据进行采集、分类、录入、储存、统计分析，统计检验等一系列活动的统称。数据驱动可以理解为，以数据为基础去发现模型，让这些数据产生价值，达到赢利的目标。
    然后，问题来了。
    既然以数据驱动的方式来发现模型，那么用模型去解决实际问题，本来又是模型驱动的范畴。另一方面，以模型驱动的方式来梳理解决问题的框架和方案，又是以数据为基础，通过数据拟合出模型来实现作用，而这本身又是数据驱动的范围。数据驱动与模型驱动不可分离，数据驱动是拿着数据找模型，而模型驱动是拿着模型找数据。两者阴阳协调，此消彼长，历经磨合，以业务价值为导向，以思路融合为契机，实现数据与模型的归一，从而反作用业务，促进价值提升。所以，到底数据分析是模型驱动还是数据驱动，这个问题本来就不成立。但是数据与模型的作用，倒是在业务问题解决与数据分析的过程中实际存在。我想我们更应该做的是具体问题具体讨论，在实际的工作开展中，发挥数据与模型的作用，真正地实现数据变现。