5.2 技术万能论

“技术万能论”是不少数据分析师所信奉的准则。“技术万能论”者有一个典型的特征,那就是过分迷信分析技术、挖掘技术,认为它们可以解决一切业务问题(包括业务难题)。“技术万能论”的实质就是不能客观看待数据分析的功能和数据分析的技术,认为数据分析技术可以解决一切问题,对数据分析挖掘技术期望值过高。

“技术万能论”在业务实践中常见的表现形式就是相信数据分析技术本身可以解决任何业务分析需求;对于任何业务难题,不用心思考就认为通过数据分析可以有效解决;认为数据分析无所不能;甚至认为仅凭借数据分析技术(不用考虑其他资源)就可以解决任何业务问题等。数据分析技术是不是万能的呢?当然不是,举一个简单的实例场景,业务方希望数据分析技术能找出付费用户流失的原因。虽然数据分析挖掘技术可以通过建模、准确预测哪些付费用户有可能近期流失,也能够挖掘出一些诸如“近1个月登录平台天数少于20、近30天交谈客户数少于20等,则符合这样条件的客户流失概率大约为60%”的判断规则,但是数据分析挖掘技术其实是不能找出其中逻辑上的因果关系的。尽管上述基于流失概率的判断很准确,但是模型揭示和发现的那些规律、规则都只是关联的关系。关联关系跟因果关系是两回事,数据分析挖掘技术是发现不了因果关系的。

在数据化运营的业务实践中,初级数据分析师常犯的一个错误就是无论业务方提出什么分析需求,都一股脑地全盘受理,根本不考虑这些分析需求是否合理,数据分析技术是否可以解决之。这其中有可能是潜意识里也认同“技术万能论”的表现。

为什么数据分析挖掘技术不是万能的呢?常见的原因有以下两个。

一个是数据本身不配合。虽然数据挖掘的定义是从海量数据中探索、发现那些能带来商业价值的信息金砖,但是具体到一个项目和具体的数据资源时,数据挖掘是否一定能圆满回答项目需求,很多时候恐怕还要看“上帝的脸色”。因为很可能现有的数据资源并不支持你所希望的模型关系、逻辑关系,或者你的项目需求并不是合理的需求,甚至是伪命题,在这个时候,数据挖掘很可能就是无能为力的。

另一个是业务条件不配合。数据挖掘项目实践是典型的跨团队、跨专业的协调合作项目,其中受影响的因素很多,绝不仅仅是数据分析挖掘技术可以独家包揽的。很多时候,业务因素的欠缺或不足会严重削弱数据分析技术的作用,导致最终业务需求无法满足,这类现象也说明了在某些业务应用中数据分析技术的确不是万能的。举一个实例来说明,如一个基于网络平台应用的新品发布已经进入倒计时阶段,突然发现核心的判断模型需要数据挖掘应用的介入(原定的模型被测试证明是效果不好的)。在这种情况下,数据挖掘纵然有天大的本事,也无法回天,因为产品的核心思路从一开始就没有从数据挖掘的角度来考虑,或者说没有为数据挖掘的具体应用预备相应的数据资源积累,或者说此刻才考虑数据挖掘建模支持是无法在原计划的产品发布时间节点之前完成。在这种情况下,数据挖掘只能从有限的范围以及有限的层次内为产品的核心模型提供有限的改良建议,其效果当然也是很有限的。

如何认识“技术万能论”的危害并从管理制度上有效规避由此带来的项目风险、数据化运营应用风险呢?一个常见的管理策略就是建立分析课题评估机制,在前期的课题需求评估阶段引进专家评估小组,对课题需求本身的合理性、课题分析技术的把握性、数据分析的预计产出物、相关业务因素的判断等,做出相对权威、合理、客观的判断、评价和建议,从而决定该分析需求是否合理,是否可以通过数据分析、数据挖掘得到有效解决,是否在分析技术上有比较充分的把握,以及大概的产出物模式、应用价值等。专家评估小组给出的评估建议和评估结论,可作为决定课题是否正式立项的主要依据。实践证明,数据分析项目前期的专家小组评估制度,可以有效保障课题的成功性、有效节约分析资源和项目资源、提升项目效率,是数据分析项目建设和数据化运营中的重要管理环节,应该在企业数据化运营中长期坚持,不断完善。

专家评估小组成员不仅应该包括资深的项目经验丰富、熟悉业务背景的数据分析专家,同时还应该包括项目所涉及的相关落地应用业务领域的业务专家。跨专业、跨团队的专家小组可以真正从多专业、多角度全面评估项目课题,给出客观、科学、高效的项目建议,从而可以最大限度地降低“技术万能论”所带来的种种风险,提升数据挖掘项目的效率和企业数据化运营的效果。