大數據是萬能的神?NO,那么如何避免數據科學的「貨物崇拜」?

Submitted by zhongzhimin on Thu, 08/24/2017 - 09:11

數據科學正在被當做貨物一樣崇拜

?

數據科學已經逐漸成為各個行業公司的重要競爭優勢。隨著越來越多的公司開始引進數據管理的新模式,公司內部就可能會產生所謂的“貨物崇拜”,即去學習模仿一系列行為而不去了解其中動機的現象。在數據科學的應用方面,公司很可能會照搬數據科學背后的技術體系,而忽略了建立數據驅動型的組織文化。這種情況頗為常見,對此我想分享一下解決之法。

2

數據科學是一種強大的工具,其優勢在于:

?

  • 自動決策

  • 輔助人為決策

    ?

雖然有許多公司已經認識到了數據科學的重要性,但他們往往沒有匹配上有效的數據能力。個人認為這源于對數據科學的根本性誤解,這種誤解讓人們在忽略自身的基礎上進行數據科學的技術構架。

?

其他的領域也存在相似的問題。本文闡述了我對于規避此類現象的最佳辦法以及如何從數據科學投資領域獲得更多價值的思考。

?

一個典型的數據科學項目

?

絕大多數數據科學項目和其他的IT項目一樣,遵循以下的發展軌跡:

?

  • 上層管理者同意立項,組員們躊躇滿志,飽含希望;

  • 初始原型看似前途無量,項目本身也似乎能解決一個非常重要的組織問題;

  • 項目中期效果不佳,沒能完成既定目標;

  • 同時,公司管理層不再關心項目的進展,項目推進受阻;

  • 項目結束,但是沒有能實現最初承諾的組織變革。

對于數據項目而言,這個流程本身就是有問題的。因為數據項目意味著引入新的管理方法和組織行為。與許多傳統的IT項目不同,數據項目是對現有流程的改進,并且旨在改變組織整體的運行模式。

?

這個項目為什么失敗了?多數人,尤其是數據科學家,會歸咎于技術缺陷或是管理不當。然而在我看來,早在初始設計沒能理清項目完成后要如何適應組織運作的時候,失敗就已成定局。

2

?

數據科學的人性面

?

就我的經驗來看,一個“數據驅動型組織”要做的遠不止分析和測量。從根本上說,要成為一家數據驅動的公司,就需要讓數據成為公司員工日常工作生活的一部分。

?

這與上述項目形成了鮮明對比,那些項目更注重技術應用而非達成目標,是種典型的貨物崇拜行為,例如最為常見的“企業數據湖項目”。許多公司認為數據倉庫是必須品,但建立這樣的分析項目卻并不會改變公司的內部文化,其問題就在于項目是以技術引進而非人文影響的形式推進的。

?

值得注意的是我們對此類項目涉及到的技術有非常清楚的認識,它很可能涉及到:

?

  • 一個大型SQL數據庫

  • ETL工具

  • 一個前端(工具),可以是tableau之類的

  • 以及一堆經理不會去讀的報告。

    ?

相比之下,一個可以功能為“用于選擇手機銷售策略工具”的優秀數據項目能幫我們了解項目本身在組織內合適的位置:

?

  • 我們知道這可能是家電信公司

  • 該工具僅面向零售

  • 我們知道這個工具提供了銷售建議

  • 它可能會檢測銷售結果并自我優化。這畢竟是一個數據項目。它可能使用了一個數據倉庫進行操作,并以tableau呈現結果。

    ?

因此,為了避免對于數據的盲目崇拜,公司不應再著重于技術,而應與有經驗的技術人員合作,應用技術解決現有的組織問題。

?

一個成功的數據項目

?

上述的手機銷售工具是怎樣成形的?

?

  • 電信公司聘用了數據經驗豐富的戰略制定者

  • 他們確定了銷售計劃中的平均水平,這可以通過統計工具輕松解決

  • 他們與利益相關者密切合作:

    • 企業高管,了解項目和公司目標之間的關系,同時制定項目目標

    • 零售商,了解他們的需求

    • 零售經理,了解零售商為什么會被強制要求完成超額的銷售計劃

  • 考慮了全部的因素后,設計出一個技術含量并不高深的最佳解決方案用于提供決策建議和監測反饋。一切都并不復雜。

  • 最后,確保零售商實現了“最小客戶流失”而不是“最大銷售數量”的目標。

    ?

該項目的最大特點在于它表現為組織的一部分,提出了一個明確的問題,然后構建了一個解決方案。找出組織能力范圍內可以被輕松區分并且能被數據科學分析的部分是很重要的,接下來我將對此進行解釋。

?

傳播數據科學

?

當數據科學出現的時候,我曾一度以為它將席卷所有公司。這是個很天真的想法。理由也很簡單:任何掌握了數據科學的人都能證明自己的努力比同事有更優質的結果。這是有回報的,由于競爭壓力,數據科學講很快成為每個人內部需求。

?

然而,這個想法假定了一個做分析性演示的人會比一個做出說服力不夠演示的人更受歡迎。簡單來說,我假定了數據驅動文化是存在的,然而現實是企業仍在努力創建這樣的文化。

?

這就是為什么我之前的建議是選擇一個小的,甚至可以是組織中獨立的一部分。這樣做可以更便于將該組人員轉化為數據驅動和分析的部分。同時也能最大程度地減少數據驅動小組的業務和公司其他業務之間的矛盾,讓衡量小組的項目完成指標變得更加簡單。

?

“邊界最小化”的另一個優點是,組織的層級管理結構傾向于讓數據科學在小組單元中實現。老板找經理們要數據分析的結果,管理們找同事,以此類推,最終會回歸到項目小組這里。

?

結論

?

數據科學最好被看作公司文化的一種呈現形式,而不是一組成套的技術。然而,許多公司試圖通過采用數據科學來創造一種新的企業文化,而不是改變原有的企業文化。

?

這是可以理解的:企業文化是很難改變的,但數據科學與其他的文化有一些細微的差別。我認為傳播一種數據驅動文化的最佳方向是自上而下,從要求分析性報告開始。這么做意味著企業各個部門都必須做到數據驅動,并要求他們的下級這樣執行,以此類推。對于那些試圖提高分析能力的公司而言,這也意味著以獲取技術為初始目標的解決方案(“我們將建一個數據倉庫”或“讓我們研究一個AI出來”)很可能失敗。

?

幫助衡量和提高公司部分績效的解決方案(“我們將幫助您衡量營銷投資回報率”或“我們將引入預測性維護措施”)會得到好評并成為長期的組織優勢。

Tags

冯仰妍破处门