大数据算法正确但人们错误 - 彭博社

bloomberg

2013-07-17

摄影：Getty Images在我们生成的所有信息的规模面前，很难不感到一种敬畏。我们每天创造如此多的数据，以至于今天世界上90%的信息都是在过去两年内产生的，根据IBM的说法（IBM）。为了处理这些数据，麦肯锡估计到2018年，美国企业将需要150万名新的数据管理者和分析师。

难怪这些令人惊叹的数字让管理者们兴奋，因为所有这些信息将揭示惊人的洞察？对于企业来说，这样的揭示性数据的承诺听起来就像梦想成真——与客户的直接联系，立即获取他们的习惯、愿望和需求。显然，挖掘消费者智能的数据为像亚马逊和Netflix这样的公司的股东带来了回报。

尽管数据量的巨大增长——以及少数公司的成功——现实是，对于大多数组织来说，更深层次的洞察仍然难以捉摸。数据分析只是一个工具。当我们将其作为一种策略使用时，我们对人们及其行为做出了假设，这些假设与现实世界没有真正的联系。简单来说，大数据本身就让人们产生误解。

首先，大数据提供了薄数据。在社会科学中，我们区分两种类型的人类行为数据。第一种——薄数据——来自数字痕迹：他穿8号鞋，拥有蓝色眼睛，喝黑比诺。第二种——丰富数据——提供了人们如何实际体验世界的理解：他能闻到雨后草地的气味，他用那种特别的方式看着她，新跑鞋让他看起来更快。

大数据仅关注相关性，而忽视因果关系。当没有对消费者实际想法和感受的洞察时，薄“信息”有什么用呢？最近的埃森哲报告显示，在其分析的公司中，只有20%找到了“他们所测量的内容与他们希望推动的结果之间的证明因果关系。”

没有批判性思维技能，大数据永远无法揭示具有战略价值的模式。企业需要培养管理团队的解释技能。

我们从哪里获得这样的技能？我们最伟大的解释性思维形式来自于较软的社会科学研究领域——我们称之为人文学科。历史、文学、哲学、人类学以及其他人文学科在过去2000年中一直在努力理解人类。通过这些研究领域获得的批判性思维技能，能够提供对人类行为最丰富的理解。

只有对行为的深层理解才能解释消费者行为的重大变化。这可以为创新打开可能性。