數(shù)據(jù)素養(yǎng)將和英語(yǔ)能力一樣重要

王眾

在大數(shù)據(jù)應(yīng)用中，如果只有少數(shù)人具備數(shù)據(jù)素養(yǎng)，多數(shù)人就只能被動(dòng)地接受分析結(jié)果，無(wú)從質(zhì)疑和驗(yàn)證。

特朗普的當(dāng)選打了傳統(tǒng)媒體一個(gè)耳光，在之后的復(fù)盤(pán)中，不少人把鍋扣在了大數(shù)據(jù)和社交網(wǎng)絡(luò)頭上。不得不承認(rèn)，二者的結(jié)合的確極大影響了新聞的傳播。

《紐約雜志》在文章《特朗普因?yàn)镕acebook而當(dāng)選》中指責(zé)“Facebook幫特朗普取得勝利的辦法，就是無(wú)法或是拒絕去處理惡作劇或假新聞?！盕T中文網(wǎng)的《FT大視野：假新聞為特朗普助選？》則指出“其中部分所謂的新聞在Facebook上瘋狂傳播、在Twitter上被廣泛轉(zhuǎn)發(fā)或者被谷歌的搜索算法推廣，最終成功滲入了大眾的政治討論中。”

偏激的大數(shù)據(jù)，算法背鍋

最為諷刺的是，《華盛頓郵報(bào)》采訪(fǎng)了Facebook假新聞界的“扛把子”保羅·霍納，這位再三表示討厭特朗普、并參加過(guò)反特朗普游行的假新聞寫(xiě)手，特意撰寫(xiě)了看似有利于特朗普、本意是諷刺和“搗亂”的假新聞；結(jié)果恰恰相反，這些新聞非但未引起人們的思考，反而得到了拼命轉(zhuǎn)發(fā)，轉(zhuǎn)發(fā)者中甚至包括特朗普的兒子和競(jìng)選經(jīng)理。以至于他的“搗亂”行為很可能幫了大忙。

印第安納大學(xué)（Indiana University）的復(fù)雜網(wǎng)絡(luò)和系統(tǒng)研究中心主任、計(jì)算機(jī)科學(xué)和信息學(xué)教授菲利波·門(mén)采爾（Filippo Menczer）的研究顯示，錯(cuò)誤消息和準(zhǔn)確消息火起來(lái)的可能性一樣大，因此如果算法的主要準(zhǔn)則是“你的朋友對(duì)什么點(diǎn)贊”，這就對(duì)打擊假新聞沒(méi)有幫助。

事實(shí)上，這種算法不僅不能打擊假新聞，甚至可能是助推者。Qlik大中華區(qū)董事總經(jīng)理潘應(yīng)麟解釋?zhuān)骸爱?dāng)人們看見(jiàn)的社交媒體推送信息是基于你過(guò)往看過(guò)什么東西，同意過(guò)什么東西；個(gè)人的想法和偏見(jiàn)就會(huì)被正面放大。原來(lái)我們覺(jué)得數(shù)據(jù)化是很透明、很清晰的事實(shí)，讓大家很邏輯性地、個(gè)性化地判斷這個(gè)市場(chǎng)；現(xiàn)在越來(lái)越多的人說(shuō)不可以相信這個(gè)東西，可能是假的，可能是有偏見(jiàn)的。”

即便如此，潘應(yīng)麟仍然表示：“如果說(shuō)2016年是信息元年，那么2017年將是數(shù)據(jù)元年。”至于如何提高數(shù)據(jù)的可信度，潘應(yīng)麟提出，“應(yīng)該像培養(yǎng)英語(yǔ)能力那樣培養(yǎng)數(shù)據(jù)素養(yǎng)——就像當(dāng)我們只能依靠翻譯的時(shí)候就要忍受翻譯錯(cuò)誤，但當(dāng)我們都能使用英語(yǔ)時(shí)，就能判斷出翻譯的錯(cuò)誤，甚至可以越過(guò)翻譯、直接交流。”

在大數(shù)據(jù)應(yīng)用中，如果只有少數(shù)人具備數(shù)據(jù)素養(yǎng)，多數(shù)人就只能被動(dòng)地接受分析結(jié)果，無(wú)從質(zhì)疑和驗(yàn)證。在這種情況下，當(dāng)假數(shù)據(jù)被戳破時(shí)，就容易走到另一個(gè)極端，人們不再相信數(shù)據(jù)，任由感情和情緒主導(dǎo)。

商業(yè)轉(zhuǎn)化人士是未來(lái)

盡管聽(tīng)起來(lái)陌生，數(shù)據(jù)素養(yǎng)卻不是一個(gè)新名詞，2007年，美國(guó)國(guó)家科學(xué)基金會(huì)（National Science Foundation，NSF）就資助了提升本科生科學(xué)數(shù)據(jù)素養(yǎng)的項(xiàng)目。

潘應(yīng)麟在解釋“數(shù)據(jù)素養(yǎng)”的時(shí)候祭出了麻省理工學(xué)院和埃默里大學(xué)對(duì)“數(shù)據(jù)化”的定義——閱讀、操作、分析和討論數(shù)據(jù)的能力。且不提后三項(xiàng)能力，即便是閱讀數(shù)據(jù)，即如何從數(shù)據(jù)報(bào)告中看出門(mén)道、看出漏洞，也是一門(mén)學(xué)問(wèn)。因此一直以來(lái)，數(shù)據(jù)的處理、分析和管理都要仰仗專(zhuān)業(yè)人士，最終生產(chǎn)一份份報(bào)告交給老板，輔助決策。這就可以理解為什么數(shù)據(jù)展示工具容易引起數(shù)據(jù)人才的注意力——老板需要一目了然、重點(diǎn)突出的數(shù)據(jù)報(bào)告。

但現(xiàn)實(shí)是，老板手里的數(shù)據(jù)是滯后的，實(shí)時(shí)的數(shù)據(jù)在一線(xiàn)人員手里，要想數(shù)據(jù)充分發(fā)揮作用，就要讓其為一線(xiàn)人員所用。這既要求一線(xiàn)人員有一定的“數(shù)據(jù)素養(yǎng)”，有意識(shí)地使用數(shù)據(jù)；也要求數(shù)據(jù)分析工具最大程度地易學(xué)易用。

當(dāng)凱西制藥5年前開(kāi)始引進(jìn)Qlik的時(shí)候，只是為了讓全球的分公司更好地向總部匯報(bào)。后來(lái)的發(fā)展是，總部開(kāi)始從上至下、逐步推Qlik的使用。這次的推廣包含了兩個(gè)意義，一是培養(yǎng)全公司用數(shù)據(jù)說(shuō)話(huà)的能力和工作習(xí)慣；二是通過(guò)統(tǒng)一數(shù)據(jù)處理工具來(lái)統(tǒng)一規(guī)范，從而提高數(shù)據(jù)的真實(shí)性。

現(xiàn)在，這個(gè)數(shù)據(jù)分析工具已經(jīng)普及到了一線(xiàn)人員，數(shù)據(jù)成為了這家全球化公司的一種“官方語(yǔ)言”。而數(shù)據(jù)和業(yè)務(wù)雙料復(fù)合型人才也成為公司的新寵。

數(shù)據(jù)與業(yè)務(wù)脫節(jié)是剛開(kāi)始重視數(shù)據(jù)應(yīng)用的公司常見(jiàn)的痛點(diǎn)。專(zhuān)業(yè)的數(shù)據(jù)人才不懂業(yè)務(wù)，只能閉門(mén)造車(chē)，努力建立的模型卻不符合業(yè)務(wù)需求；而由于數(shù)據(jù)素養(yǎng)尚未普及，真正懂業(yè)務(wù)的人才不重視數(shù)據(jù)，或者不知道如何向數(shù)據(jù)人才提需求。

對(duì)于企業(yè)而言，普及數(shù)據(jù)素養(yǎng)的成敗關(guān)鍵在于高層對(duì)數(shù)據(jù)的重視，讓“用數(shù)據(jù)說(shuō)話(huà)”成為公司文化，這是一個(gè)自上而下的過(guò)程；在具體實(shí)施時(shí)，則需要選擇一款容易上手的工具，復(fù)雜的黑科技還是留給數(shù)據(jù)部門(mén)的專(zhuān)家使用吧。

對(duì)于解決方案和工具提供商來(lái)說(shuō)，最常見(jiàn)的方式莫過(guò)于和大學(xué)合作培養(yǎng)人才；互聯(lián)網(wǎng)時(shí)代，又多了利用免費(fèi)版本教育市場(chǎng)的好辦法。比如英特爾就與麻省理工學(xué)院合作建立了大數(shù)據(jù)科學(xué)技術(shù)中心；Qlik在香港與高校合作，把一些企業(yè)的需求交給大學(xué)生，利用Qlik平臺(tái)做出解決方案。至于后一種，Qlik在2016年與百度Palo達(dá)成了合作，幫助企業(yè)用戶(hù)實(shí)現(xiàn)自助式可視化分析。

2016年12月，麥肯錫全球研究院發(fā)表報(bào)告《分析的時(shí)代：在大數(shù)據(jù)的世界競(jìng)爭(zhēng)》。報(bào)告顯示，分析人才持續(xù)匱乏，來(lái)自不同地區(qū)不同行業(yè)將近一半的高管表示數(shù)據(jù)分析人才的空缺比其他任何角色的空缺都更難補(bǔ)。

目前，大多數(shù)公司都重視網(wǎng)羅數(shù)據(jù)分析專(zhuān)家，認(rèn)為他們的出現(xiàn)可以為公司帶來(lái)徹底的轉(zhuǎn)變，事實(shí)上，能將數(shù)據(jù)分析結(jié)果和實(shí)際結(jié)合起來(lái)的商業(yè)轉(zhuǎn)化人士（business translator）更重要。這些人精通行業(yè)組織運(yùn)作，能向數(shù)據(jù)分析人才拋出最精準(zhǔn)的問(wèn)題，同時(shí)從數(shù)據(jù)分析結(jié)果中看到最本質(zhì)的洞見(jiàn)。麥肯錫預(yù)測(cè)，未來(lái)的10年內(nèi)，單是美國(guó)對(duì)這種人才的需求就約為200～400萬(wàn)人。