top of page

数据分析需具备思维能力

Jul 15, 2021
2 min read

Updated: Apr 28

一直關注諾貝爾經濟學獎得主丹尼爾.卡尼曼(Daniel Kahneman)的作品,他把心理學和經濟學的理論融合,特別是有關在不確定心理狀況下制定決策的研究。這是諾貝爾經濟學獎有史以來,第一次頒發給心理學家。相信讀者對他的暢銷書《快思慢考》不陌生,延續他在決策上的研究,最近還出版了一本新書《噪音:人類判斷的一個缺陷》,值得極力推介。道出這本書為什麼令人神往之前,我想先交代自己的心路歷程。

筆者第一次對丹尼爾的關注,源於自己在建立阿里巴巴數據分析師團隊的過程中,CEO及高管對數據分析師有兩種極端的態度:

1)更習慣相信自己的經驗及直覺判斷;2)數據分析結果太膚淺,缺乏洞察力。

箇中比較容易概括的因由是數據分析師對業務的理解不足,除了業務理解外,技巧和思考方式都是數據分析師缺一不可的3項關鍵能力。其中以思考方式既少被提及,又很容易被忽略,有見及此,我在阿里巴巴的內部培訓上對此尤其重視,會為加入支付寶的分析師介紹一張書單,其中我極力推薦大前言一的成名作品《企業參謀》,據說這本書的原型是大前言一在其諮詢公司的內部培訓教材。大前言一在書中猶如福爾摩斯為企業對象展開科學化的分析,重點是他非常着重於業務細節。他推崇麥肯錫的MECE(Mutually Exclusive Collectively Exhaustive)邏輯思考方式,意思是「相互獨立,完全窮盡」,也就是對於一個重大的議題,能夠做到不重疊、不遺漏的分類,而且能夠藉此有效地抓着問題的核心,並提出解決方法。企業參謀的案例雖然追不上時代潮流,但思考方式是值得學習。

筆者作為分析部門的負責人,很多時候資源是極為有限,包括缺乏足夠數據的情況下,要求為業務作出直覺判斷,因此推動我不斷在實戰中摸索更多的思考方式,特別是定量分析以外的學問,更開始關注幾本相關書籍,包括《眨眼之間》(Blink)、《洞察力的秘密》(Seeing What Others Don't)等。當中丹尼爾被兩位作者多次提及,也可以說丹尼爾是研究非確定性決策分析的先驅。至於新書《噪音:人類判斷的一個缺陷》的內容介紹,筆者留待下回分解! 

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
訓練模型 真人數據無可替代

最近與幾位從事大型語言模型(LLM)開發的朋友談起訓練數據,大家都不約而同提到一個詞:「數據牆」。在互聯網公開的優質文本,大概已經搜刮得七七八八,剩下的要不是垃圾,就是需要付費的,於是整個行業很自然地轉向合成數據──讓模型自己生成材料,再「餵」回自己。 這件事在過去兩年確實有效。寫程式、數學、邏輯推理等領域,這幾類答案對錯分明、可以自動驗證,合成數據幾乎可成為免費、無限的模型訓練材料。但問題也正正

 
 
AI代理監控流程 淪橡皮圖章

上星期整理舊文件時,翻出一份10年前的數據項目批核表。紙上印着幾個格子 ,每個格子都留有簽名的位置:核對、覆核和批准者。當年只覺得手續繁瑣, 今日回頭細看,那張紙其實是一幅責任地圖──每一格都對應着一個人,一旦出 了事,順着簽名便能找到責任所在。 時至今日,表格數碼化及流程自動化了,同一類工作,許多已交由人工智能 (AI)代為處理,唯獨最後那個「批准」的按鈕,仍然要由人來按。然而,真 正的問題是:

 
 
人工智能泡沫破裂 誰來埋單

先說CoreWeave這間美國公司,它在2017年創立,創辦人把手上的顯示卡轉租出去,成為美國最大的「人工智能(AI)雲」之一,今天營運50多個AI數據中心、25萬枚以上圖像處理器(GPU)。簡單來說,其商業模式:借錢買晶片,再把算力租給科技公司。 為什麼CoreWeave是這輪AI基建的寒暑表?因為該公司沒有別的業務,其股價和債券表現就是市場對「算力債務」的信心反映。上周三,股價急跌了15%,債

 
 
bottom of page