7、大数据时代的决策理论与挑战

大数据时代的决策理论与挑战

1. 大数据对传统商业分析思维的挑战

大数据正挑战着非分析型商业用户使用分析方法的传统思维。Chris Anderson的文章《理论的终结：数据洪流使科学方法过时》引发了对大数据和高级分析能力的思考，更重要的是，大数据与高级分析的结合对商业用户体验的意义。文章指出，海量数据无需传统抽样数据集所需的大量统计建模，就能为企业提供深刻见解。

以谷歌为例，谷歌凭借应用数学在广告行业占据主导地位。它无需了解广告文化和传统，仅依靠更好的数据和分析工具便取得成功。这表明企业可利用庞大、详细且多样的数据集，为业务流程提供重要、实际且可操作的见解，而不必对海量数据集应用统计技术来理解某些行为或事件发生的原因，因为处理的是完整数据集，而非样本。

2. 商业智能面临的挑战

商业用户并非统计分析专家，难以将统计分析融入日常业务流程。商业智能工具也未能帮助用户从报告过渡到分析洞察和优化，因为这些工具无法帮助用户理解事件发生的原因。用户需要大量统计培训和手工操作来量化因果关系，构建预测模型，这超出了他们的能力和兴趣范围，导致用户在向预测性、前瞻性业务视角转变时陷入“分析鸿沟”。

“分析鸿沟”是指用户试图应用统计算法量化因果关系、确定行动与结果之间相关性的数据分析领域。用户希望量化因果关系，以支持“假设分析”过程，预测行动结果并提出改进业务绩效的建议。然而，将普通商业用户转变为统计专家的尝试在21世纪初就已失败，且至今仍未成功。普通商业用户的职业目标并非成为统计专家或数据科学家，他们从事零售、医疗、电信、银行等行业是因为热爱这些行业，而非掌握统计或管理大数据集。如今的工具过于复杂，难以让这一过程变得简单。

3. 大数