2、基于数据的决策与数据工程师的角色转变

基于数据的决策与数据工程师的角色转变

数据驱动决策的核心目的

数据收集和分析的主要目的是为了做出更好的决策。以购车为例，当我们有购车意向时，会询问车辆的制造年份和里程数。了解车龄能帮助我们估算车辆的潜在价值，用里程数除以车龄则能判断车辆的使用强度以及是否能满足我们计划使用的时长。若没有购车的需求，也就无需进行这些数据的分析。

实际上，很多情况下收集数据就是为了后续的分析和决策。汽车的里程表存在的意义在于，不仅潜在买家，制造商、维修人员等也需要依据里程数来做决策，如制造商是否为故障变速器买单、是否需要更换机油等。

然而，收集能用于决策的数据对收集基础设施及其安全性提出了要求。保险公司在处理事故理赔时，如何确保里程表读数的准确性？里程表是如何校准的？怎样防止里程表被篡改？若因安装不同尺寸的轮胎导致里程表读数不准确又该如何处理？当涉及多方、数据所有权和使用权分离时，数据的可审计性就显得尤为重要。若数据无法验证，市场就会失灵，无法做出最优决策，各方只能依靠信号传递和筛选来解决问题。

并非所有数据的收集和保护都像汽车里程表读数那样昂贵。近年来，传感器成本大幅下降，日常活动会产生大量数据，我们甚至在不经意间就拥有了很多数据。但对这些数据进行分析仍需要明确的目的，因为人力成本依然较高。

触发数据分析的是需要做出的决策，如是否进入市场、是否支付佣金、出价多少、购买多少商品、现在购买还是等待等。如今数据无处不在，我们可以用数据驱动的方式做出决策，而不再依赖经验法则。而且，我们不必亲自做出每一个数据驱动的决策，一些常见的决策场景已有公司提供相关服务，如估算行驶一定里程的汽车价值。真正的价值在于能够系统地做出决策并将其作为服务提供，这也促使公司专业化并不断提高决