大資料和預測性分析：資料是否越多越好？

標籤：

Michael Berry對大資料的浮誇之詞頗不以為然。身為旅遊網站TripAdvisor的分析總監，他認為更多的資料未必帶來正面的業務影響，比如大資料和預測性分析的例子。

“很多預測性分析的應用其實並不需要所有的資料。”Berry在Predictive Analytics World做主題演講時說到。因此，對於資料科學家來說，重要的不是想著怎樣分析所有的資料，而是看通過哪些資料可以得出真正有價值的結果。那麼到底該怎麼辦呢?“對於這個問題，沒有直截了當的答案。”Berry說。

但是，通過每次增加一些資料的方式來測試預測模型的有效性，可以最終確定多少資料是足夠的。比如，當Berry想知道旅遊代理商對某家酒店或特定客戶的標準價位時，採用計算平均值的方法：選取兩個取均值，然後是三個…最終在1萬個時均值穩定下來。如果取2萬個，均值肯定會發生變化，但這已經沒有必要了。

“這就是關鍵所在。如果你有足夠的資料，那麼單純數量上的增加就不會對結果造成很大的影響。”Berry說。

如果過多的大資料不會帶來本質的不同，那麼什麼才是關鍵所在呢?“很多方面。”Berry表示。資料的純淨度、樣本的合理全面以及專註於大資料視覺效果品質和挖掘的人才等，都會導致結果的不同。

這些都是預測性分析中的關鍵點，比如指出哪些變數可以使模型更健壯，或者結合哪些來源的資料可以發現新的模式。

“比如風寒效應（wind chill factor）。”Berry說。結合了實際的溫度和風速，才能切實分析出人體對於外界環境的感受。

大資料的誤區

Berry並非唯一對當前大資料和預測性分析境況有微詞的人。諮詢公司Rexer Analytics的創始人Karl Rexer認為資料科學家們多少都有點迷茫失措。在其2013年對資料採礦從業者的調查看出，受訪者反饋表明資料規模變得越來越大。但是，當被問及有多少資料被用於真正的分析時，答案和2007年的調查結果並無二致。

這並非證明所謂大資料是一場鬧劇。“對於傳統的預測性分析建模或資料採礦項目來說，總體的樣本規模並未出現增長。”Rexer說。

縮寫詞彙命名

將分析術語轉化為業務端所能理解的語言，是一種巨大的挑戰。工資、人力和服務外包供應商Paychex是這樣打破藩籬的：根據業務端的建議來進行描述。

“當我們構建模型時，會舉行一個命名比賽。”Paychex的建模分析師Tom Kern在本次Predictive Analytics World上表示。Kern的團隊會向使用者寄送電子郵件，其中對模型進行了簡短的描述，並且提供一些詞彙供其使用。使用者根據實際工作，創造縮寫詞彙，比如SAM表示銷售預期模型（sales anticipation model），TIM表示領域識別和映射模型（territory identification and mapping model）。

如果業務端使用者的建議最終被採用，其就會收到一個禮物卡。由此，就可以根據諸如銷售人員之類的使用者的期望，從而思考預測模型該做些甚麼。

汰漬的策略變化

作為全球最大的零售商之一，寶潔公司宣布推出一款新型的低價汰漬洗衣劑，以此來吸引中端客戶。該如何評價這個決策呢?

Shel Smith是市場分析公司Twenty-Ten Inc.的創始人，他的看法是：“如果你發布類似的產品，不僅僅是在擷取新的客戶，其實還在鼓勵已有的客戶替換現有的高價產品。”

鑒於當前經濟形勢的影響，這種擔憂並非沒有道理。但是，Smith對寶潔的策略持有信心。他認為，寶潔的策略是基於預測模型、海量資料和精準營銷來達成的，可以在擷取新客戶的同時不影響現有品牌的銷量。

“寶潔肯定有很多我們不知道的過人之處，但是在擷取新客戶方面並無什麼神秘的。”Smith表示。

 

【瞭解更多商業智慧行業資訊，商業智慧解決方案以及商業智慧軟體下載請訪問FineBI商業智慧官網www.finebi.com】

大資料和預測性分析：資料是否越多越好？