top of page

数据分析需具备思维能力

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
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page