关于大数据：⑧ 做啥事？
尽管听起来大数据实施不易，分析变革要求的人才难得，但事在人为。Davenport 在 2005 年调查的 32 家公司，其中 11 家已将分析作为其关键战略之一，而且已将分析纳入企业层级的活动并组织了多项涉及复杂数学和统计的分析项目。我自己也听到和见到不少国内创业公司已在借助大数据博取竞争优势，广告业的先驱也在试水大数据分析，虽然大多是在考虑如何精确打击到客户群，但也确实将大数据概念落到了实处。此外还有惠普这样的传统企业，通过多年积累建立起了基于分析模型的库存管理制度。只不过这些企业没有将分析放在企业层面，而只是在业务层面利用分析获取优势。
不论企业是将分析放在企业层面做核心能力，还是将分析放在业务层面做决策支持，通过分析进行决策判断的流程在任何应用情景下基本一样。Davenport 建议的流程如下：
- 界定决策问题或商业问题，或者说要确定分析的目标；
- 查找以往曾尝试解决相同或类似问题的人，弄清之前曾用的方法；
- 制定细致的假设，明确具体变量如何影响结果；
- 根据假设中的变量收集一手、二手数据；
- 运行统计模型得到分析结果，然后评价数据合适与否；
- 用数据讲故事，让决策者和利益相关者能够据此采取行动。
其实这个流程就是应用统计中经典的假设检验程序：确定分析问题、设计分析模型、设定检验假设、收集变量数据、检验模型拟合、描述分析结果。矿工们与这个流程朝夕相伴，无比熟悉，但要让分析流程在决策判断中起效，仅靠矿工难以成功。如前文所述，只有矿工与管理者精诚协作，才可能化分析为决策。
分析流程的不同阶段中，管理者和矿工的重要性并不相同。管理者的重要性体现在分析决策制定流程的首尾。管理者的商业知识和经验有助于识别决策和商业问题，但也不等于说识别问题没有矿工的事儿。识别的问题必须具有可分析性，而最具建设性的问题界定都是从简单的是否问题展开。在结果描述中，矿工讲的故事常常使用太多过于学就的统计语言。因此故事的基调、以及描述方式、文字和图像等呈现内容都需要管理者来把握。也就是说，问题识别和故事掌控是管理者对决策分析最有贡献的地方。
在管理者和矿工们互动的过程中有两个问题需要留意。首先，管理者在分析流程的其他阶段并非做甩手掌柜，而是要不断问矿工们一些最难、最根本的问题。比如数据来源、样本表征性、变异点处理、分析工具的前提假设和有效条件、工具的选择理由、变量间因果关系的来源，等等。其次，企业建立的应该是调查型分析，而非拥戴型分析。管理者作为分析的消费者，最忌讳的就是给分析的生产者布置“给我的观点找些证据”这样的任务。正确的分析目标应该是寻找无限贴近真实的结论，而非成为传统决策的附庸。
