您當前位置:首頁 > 行業資訊 > 文章詳情

大數據用于商業決策的難點

摘要: 大數據已經從高端化、差異化的決策工具,漸漸演化為各企業常規化的決策工具。


越來越多的企業開始重視對大數據的分析與利用。據貝恩咨詢公司的一份全球調研報告顯示,在其調研的超過400家年營業額高于5億美元的企業中,有大約60%的企業正積極在大數據方面進行投資,以期獲取企業發展的新動力。大數據已經從高端化、差異化的決策工具,漸漸演化為各企業常規化的決策工具。

 

與此同時,人們對于大數據價值的看法也在發生轉變。在大數據研究的早期,極端樂觀的態度是當時的主流,但近年來,這類觀點開始受到反思與質疑。“如果對大數據解讀得過度,實際上就是濫用數據”。研究大數據,誠然可以讓企業更好地發現數據背后的商機,但是,把大數據運用到商業決策也存在不少局限。

 

以舍恩伯格之見,大數據用于商業決策存在以下三大難點。

 

難點一:只分析相關關系,導致商業決策出現盲區。

 

科研領域的很多統計和分析方法未必適合信息時代的商業領域,舍恩伯格說:“很多人把數據間的相關關系看成是因果關系,這有可能造成對大數據的過度解讀!泵绹f金山游戲公司Zynga的興衰,正是這樣一個例證。

 

Zynga公司的聯合創始人馬克·平卡斯(Mark Pincus)非常篤信大數據的力量。他在公司創立之初就搭建了一套完整的數據分析系統,并組建了以谷歌公司數據分析專家領銜的大數據團隊。Zynga公司在數據倉庫、A/B測試工具和大數據分析方法上的領先,使其較其他游戲公司而言,可以更快按用戶反饋意見調整各類決策和設置。比如,游戲中的草地到底是設為紅色還是綠色,Zynga公司管理層不做決策,而是同時設置紅綠兩套顏色方案,哪一邊用戶付費程度高,Zynga公司就迅速把草地定調為哪種顏色。這樣的優勢,也確實讓Zynga公司在草創時期獲益良多,其最熱門的一款游戲《Farm Ville》曾創下月活躍用戶8300萬的紀錄。

 

但時間一長,這套體系的弊端也漸漸浮現。這種完全按當前用戶喜好決策的模式,或許能分析游戲何以暢銷的相關因素,但無法分析游戲何以暢銷的因果因素。這使得Zynga公司的新游戲產品持續產生同質化迭代。公司上下從領導層到各部門員工,關注游戲商業模式創新者日益減少。而在競爭激烈、變化速度極快的游戲行業,失去創新精神就意味著全面落后。隨著Supercell公司、King公司等對手不斷推出創新型游戲,Zynga公司也在市值蒸發逾100億美元后,逐漸淡出主流游戲公司陣營。

 

當前,商業環境的多變,令企業在做商業決策時更像是在面臨一個充滿突變的混沌系統。此時,基于陳舊數據、基于相關關系分析得出的結論,哪怕分析過程中數據量再大、分析方法再繁復,也難保企業不走進決策的盲區。

 

難點二:完整的大數據難以被企業獲取。

 

所謂“大數據”,指的是總量的全體數據。但囿于人類在數據采集、存儲與處理等方面的種種客觀限制,要獲得這樣的數據往往難度巨大。

 

一方面,完整大數據的采集非常困難。舍恩伯格表示:“大數據應用通常分為三個步驟:第一步是搜集數據,第二步是分析數據,第三步是根據數據分析結果做出決策。其中,對很多公司而言,最難的一點就是搜集數據!

 

另一方面,隨著數據規模變得越來越龐大,企業的大數據存儲與處理能力也在不斷受到挑戰。在傳統介質存儲數據已愈發不現實的今天,商業數據的存儲往往更依賴云儲存等方式。這樣一來,企業在添置云服務及Hadoop分布計算平臺等方面的預算,將是一筆不小支出。另外,由于完整的、結構化的數據難以獲取,大數據在很大程度上存在著非結構化的特征。例如,舍恩伯格就在《大數據時代》一書中有寫道,“只有5%的數字數據是結構化的且能適用于傳統數據庫”?梢,企業在采用智能分析、圖像識別等一系列先進算法來使大數據結構化時,將面臨高額花費。一旦企業的相關投入跟不上,其所獲得的大數據就難言完整。

 

并不足夠完整的大數據,不僅不能為企業決策提供幫助,反而可能起到誤導的作用。在影視行業,就發生過試圖利用大數據預測影片票房,結果卻與實際票房差距甚遠的事例。比如,愛夢娛樂公司就曾利用其大數據建模,為電影《后會無期》推算了影片總票房收入,其推算結果為4.3億到4.8億元。而該影片的實際票房則突破了6.2億元。這樣的推算結果,顯然難以幫助影業公司在產品宣傳、渠道建設等方面進行理性決策。事實上,愛奇藝公司CEO龔宇也曾表示,百度和愛奇藝也有相關的大數據,但因為在這些搜集到的數據中仍有涉及不到的因素,所以這類預測的準確率不算太高。由此可見,只要大數據中仍存在遺漏和偏差,其對企業潛在的誤導可能性就不容忽視。

 

難點三:大數據分析領域人才短缺。

 

企業對大數據的運用能力,受制于其人才儲備狀況。舍恩伯格說,“在大數據領域的研究和發展中,最重要的是人才!

 

但因為大數據分析興起的時間并不長,且分析團隊往往規模不小,所以,即使是頂尖企業在組建大數據分析部門時也難言輕松。以Facebook公司為例,這家硅谷巨頭花了將近四年時間,建立了一個超過30人的團隊,才搭建起Facebook自己的數據處理平臺。維持這個數據處理平臺的常規運行,更是需要超過100名數據分析專家。又比如,LinkedIn公司建立起自己的大數據部門用了整整六年時間。

 

如果這些知名公司,都需要在大數據分析部門的建設上如此費心費力,那么,其他公司在完成此任務時,其難度無疑更甚。麥肯錫咨詢公司發布的一份大數據報告就曾預測,到2018年,僅美國在數據科學家方面的人才缺口就會達到14萬至19萬人。人員構架的短板,則會導致大數據分析領域先進技術難以得到實施。從貝恩咨詢公司的那份全球調研報告中可以發現,目前僅有38%的企業,能夠使用如NoSQL、HPCC以及自動數據清洗算法等大數據領域的先進分析方法。這些都使得各企業在用大數據幫助企業決策時,其效果需要打上一個不小的問號。

 

縮小決策范圍,才能放大大數據的作用

 

在運用大數據來輔助企業決策方面,舍恩伯格認為亞馬遜是個典型案例。

 

對于用戶在亞馬遜網站上的頁面停留時間、評論查看情況、各類關鍵詞的搜索、各種商品的瀏覽量等大數據,亞馬遜公司都會做出細致分析。這家在各個業務環節中都無不體現著“數據驅動”的公司,也在2016年《財富》全球500強排行榜中躋身前50強,排名達到第44位。誠如舍恩伯格所言,“那些能夠理解大數據、并且懂得讓大數據提供價值的公司,將能夠有更多的成功可能性!

 

大數據能讓商業決策變得更盲目,還是更理性?舍恩伯格認為關鍵還是在于,企業是否對大數據的運用范圍進行了縮小,為其樹立一些邊界。

 

即使是非常重視大數據力量的亞馬遜公司,其在推出Prime等前瞻性業務時,主要依靠的也不是某些大數據,而是該公司創始人杰夫·貝佐斯(Jeff Bezos)的經營哲學與商業洞見。

 

舍恩伯格說:“大數據是一種資源和工具,它的目的應限定為告知,而不是解釋!卑选案嬷钡娜蝿战唤o大數據,而把“解釋”的權利保留在人的手中,才是讓大數據參與企業商業決策的良好方法。大數據的真正魅力,恰恰產生于其變“小”之后。

 

這樣,大數據在釋放用戶信息、改進商業建模、優化決策精細程度等方面的優勢,將得到保留。與此同時,管理者也能利用大數據提供的精準量化分析成果,使自己在戰略遠見與商業洞察方面的優勢獲得更強有力的支撐。

 

今年3月,谷歌公司旗下的AlphaGo4:1的總比分戰勝世界圍棋冠軍李世石,引起了巨大轟動。正如舍恩伯格所述,“現代的人工智能,其進行自我深度學習的根基就是大數據”,AlphaGo,正是人類對大數據決策能力的一次良好運用。

 

微縮于19X19格的圍棋規則邊界后,AlphaGo運用大數據完成了遠比人類更高明的決策,給予世人以啟示。

 

在舍恩伯格看來,“人類要知曉大數據的力量,同時也要看到大數據的局限”。在未來,一個個有邊界限定的“棋盤”,或許才是大數據在商業決策時更好的用武之地。


文章來源: 中國工控網



點擊在線報名

新手如何通过网络挣钱