Big data(大數(shù)據(jù))就如同很多被過(guò)度炒作的趨勢(shì)，當(dāng)很多公司真的把「Big data」應(yīng)用到公司運(yùn)作時(shí)，就會(huì)發(fā)現(xiàn)真實(shí)情況與媒體(中槍)說(shuō)的完全不一樣。也許我們很了解如何收集數(shù)據(jù)，可是將數(shù)據(jù)分析出有用的資訊，協(xié)助你作出正確的決定又是另一回事。Big data 跟 Big knowledge 中間隔了一道河，難以跨越，一大堆看不懂的數(shù)據(jù)中只有少少的洞見(jiàn)。應(yīng)用 Big data，絕對(duì)不是「收集數(shù)據(jù)、執(zhí)行程式分析數(shù)據(jù)、匯出結(jié)果」這三句話說(shuō)得那么輕松。

Kholsa Ventures 的投資伙伴 Keith Rabois(曾經(jīng)投資多家 Big data 公司例如 Parstream)直言，要把這些數(shù)據(jù)轉(zhuǎn)化成有用的資訊，需要專業(yè)的數(shù)據(jù)分析師來(lái)進(jìn)行復(fù)雜的分析，但額外聘請(qǐng)一位分析師并非新創(chuàng)企業(yè)可以負(fù)擔(dān)。

對(duì)于那些有財(cái)力的公司，有些則希望分析師可以建構(gòu)程式或演算法來(lái)協(xié)助處理數(shù)據(jù)，可是這又是另一個(gè)額外的全職工作了，本來(lái)已經(jīng)在分析數(shù)據(jù)的分析師根本沒(méi)時(shí)間再做這件事。最終即使真的建構(gòu)了這套工具，也不一定能對(duì)復(fù)雜的問(wèn)題提出直接的答案。想要完全依靠 Big data 來(lái)決定公司決策，目前來(lái)說(shuō)并不實(shí)際。

大數(shù)據(jù)分析是先知嗎?

在許多方面，大數(shù)據(jù)當(dāng)然也能準(zhǔn)確預(yù)測(cè)結(jié)果，例如飛機(jī)與水源系統(tǒng)，透過(guò)數(shù)據(jù)分析可以了解零件何時(shí)會(huì)損壞，作出提早更換。不過(guò)一旦牽涉到「人」，就會(huì)產(chǎn)生許多不確定的因子。棒球界其實(shí)早就在使用 Big data 來(lái)計(jì)算球員的表現(xiàn)，該演算法名為 Sabermetrics，用來(lái)協(xié)助分析每一位球員最適合的位置是那一個(gè)。他們還制作出一套名為 WAR 的統(tǒng)計(jì)方法，計(jì)算球員受傷時(shí)，球隊(duì)換上后備隊(duì)員后會(huì)損失多少。盡管這些計(jì)算方式非常精密，能夠了解每位球員的投球準(zhǔn)確率，但它無(wú)法計(jì)算出球員的抗壓性、對(duì)棒球的熱情，以及隊(duì)長(zhǎng)跟隊(duì)員之間的關(guān)系等等。

同樣的例子，假如公司的人力資源部門使用 Big data 來(lái)計(jì)算員工學(xué)歷得分，但一些無(wú)形的技能例如人際溝通技巧等等難以被計(jì)算，這些誤差足以讓一間公司在招聘員工時(shí)找錯(cuò)了人。人為因素，依然是影響統(tǒng)計(jì)的最大變數(shù)。

將判斷留給人

IBM 推出了一款醫(yī)療用途的智慧診斷平臺(tái) IBM Watson，可以根據(jù)病人的身體情況提供醫(yī)生治療上的建議與用藥。這個(gè)平臺(tái)并非要取代醫(yī)生，也不會(huì)代替醫(yī)生診斷疾病為何，而僅僅是作為醫(yī)生的助手，協(xié)助忙碌的醫(yī)生專注在他的專業(yè)上，而不用花時(shí)間在每天重覆的雜務(wù)。最終也最重要的判斷，依然是留給醫(yī)生決定。把 Big data 運(yùn)用在直接給出答案的事情上，復(fù)雜的判斷則留給人類，這才是應(yīng)用 Big data 的最佳辦法。

Data Divination: Big Data Strategies 的作者 Pam Baker 認(rèn)為未來(lái)的資訊將爆炸性成長(zhǎng)，也許很快我們的腦袋便無(wú)法跟上資訊產(chǎn)生的速度，而不得不依靠機(jī)器來(lái)替我們做決定。不過(guò)在目前的世界，Pam Baker 承認(rèn)，數(shù)據(jù)僅能針對(duì)部分問(wèn)題提供直接的答案，大部分時(shí)候(特別是當(dāng)人為因素牽涉其中時(shí))，統(tǒng)計(jì)結(jié)果依然充滿了不確定性。其實(shí)早就有句老話「盡信書(shū)不如無(wú)書(shū)」，這些名言的智慧依然適用在現(xiàn)今世界。