大数据分析的科学

　　几乎所有公司，分析都是企业战略的核心。 但是，当涉及到公司内部相互矛盾的目标或关于如何实现特定目标的意见分歧时，进行分析可能会变得很复杂。

　　尽管每个企业内的共同目标很少互相反对，但是它们之间仍然可能存在一些分歧。换句话说，它们可能会稍微错位。 Analytics（分析）可以确保个人真正了解目标（即支撑指标的意图）并且不会采取简单的看法。一个典型的例子可能是，科技公司中的增长团队希望更多的人积极使用他们的服务，这可能与完整性团队的目标背道而驰，因为他们希望阻止恶意参与者滥用其服务（例如：使用伪造的个人资料）在社交网络平台上）。这是错误的二分法。社交网站赢得胜利的方法之一就是成为互联网上最明亮的干净空间。因此，从长远来看，只有实现良好的社区诚信，成长团队才能成功。同样，诚信团队也不会希望用户的帐户遭到破坏，并失去与朋友和家人的所有照片和历史记录。因此，两个团队都不会选择向注册的任何人开放产品或关闭整个平台。

　　在这种情况下，分析可以发挥的作用将围绕严谨的思维和准确性而演变，具体方法如下：探索目标和假定的错位：

　　1.将问题分解为大块

　　2.确定一个实体是否可以衡量这些块中发生的事情以及保真度

　　3.清晰地沟通一个实体可以测量错位的地方，程度和不可以测量的地方

　　4.分享关于实体错位程度的度量

　　在成长和诚信团队之间发生冲突的情况下，这实际上归结为误报和误报以及这两种情况下造成的伤害。 阻止某人使用特定平台而不是让一个坏演员参与其中所带来的危害的相对分量是无法直接衡量的，因此必须基于观点。 因此，整个分歧可以归结为必须使用意见的地方。

　　在这种信息的基础上，人们可以测量下架和关于测量这些能力的建设性对话中的误报率，其中一个实体失败了，以及如何在不久的将来迭代地改进整个过程。

　　真正出色的分析团队在将他们的观点与工作分离开来并忠于数据并将问题归纳为目标，指标和反指标的意义上完全不感兴趣。 这并不是说这样的团队也没有意见，但是他们能够分开意见，并且在分享意见或客观事实时非常清楚。 最重要的是，尽管这样的团队知道他们必须直言不讳，如果这会伤害我们的信念，但有时他们不得不为了整个团队的利益而放弃自己的意见。 这是在目标不一致的情况下发生冲突的关键方面：客观和严格地解决问题，并适当地应用度量标准来衡量偏差并最大程度地减少偏差。

　　另一方面，关于如何实现目标的意见通常会有所不同。 由于存在一些现有的认知偏见，例如确认偏见（记住与您同意的内容，而忽略/不寻找与您不同意的内容，或者真正怀疑它是否有意义），可能会故意进行某种程度的虐待。 如果个人想成为真理的仲裁者，那么在这种情况下数据的作用将尤其困难。 他们必须是可信的，而且他们必须掩盖自己的意见，并要切实努力避免自己出现认知偏差。 他们需要确保他人能够理解他们拥有的数据可以说或不能说的内容。 他们还需要帮助其他人了解他们怎么知道。 这将要求每个人花时间只是为了确保在许多情况下推送带有可能反对个人意见的数据的案例，以正确理解手头的数据。

　　到达上面的地方很难。 这需要很多信任。 与分析和研究团队进行艰苦的对话是需要的。 为了在任何情况下唯一准确地表示事实并理解这些事实，团队需要清楚他们是在谈论事实还是仅陈述自己的观点。 企业只能用不构成故事的数据说实话。 对事实的共同理解是当今大数据时代企业合作的良好基础。

　　最后但并非最不重要的一点，无论是在技术领域还是其他领域，在处理困境时，请牢记以下原则：

　　"神不会给任何人负担更多的负担" –古兰经（2：286）

　　本文翻译自The AI LAB的文章《The Science of Analytics for Big Data》