面对数据工程师,你有7个问题可以问

运用数据进行管理不是什么新鲜事,但是大数据还是个新概念, 有相关的风险、挑战和机会。高级管理者需要具备一定的认识,以备他们的数据专家提出新观点时,自己有所准备。下列这些问题专为他们而准备,帮助他们更深入地了解数据并且尽量避免数据可能引发的灾难。

记住,当你的数据工程师说起一个新点子时,你应该向他提出下面这些问题:

1.你想解决的是什么问题?

对于数据工程师或者其它相关人员,找到一些新的应用或者好玩的东西实在太容易了,问题是这些东西是否与业务相关。鼓励他们去关注现实存在的问题,实现小的创新和改进,一次只做一件事,等时间长了,信任增加,就可以减少对他们的管控,前提是你能分清探索 “新路径”和原地打转之间的区别。

2.你真的明白这些数据意味着什么吗?

人们经常在不太理解数据背景的情况下就开始收集,从一开始的时候就有误解,等发现时已经太晚了。所有的数据,无论量有多大,都是非常精微的事物。NASA曾有一架火星登陆器坠毁,就是因为其中的一个团队使用英国力矩计量单位“英尺*英磅”,而其它团队使用“牛顿”为单位,这类区分会使得数据看起来大不相同,尤其是通过不同的社交媒体平台或者自动分析系统收集来的数据,会有这样的问题。

3.我们应该信任数据吗?

靠不住、不准确的数据非常多。坏零件组装不出好汽车,同时,错误的数据再怎么分析也得不到正确结果。有些数据天生就不准确,比如 GDP预测一类,另一类数据则是在流程中失掉了精确性,有时候数据收集就是一个不断出错的过程,看看银行错误百出的信用评级报告就知道了。除非有一套非常好的系统流程来保证质量,否则就要假定得到的数据并不准确。

4.有没有一些重要因素,诸如隐性的判断、先入为主的前提或者自相冲突的数据结果使你对数据的认识发生偏差?

这种情况很常见。首先,我们都希望能从数据分析中获得回报,这就产生了一种效应,即人们总会看见他想要看见的东西。比如说,你期望看到10%的收入提升,你手下的人就会找到短期内增长10%的证据,但是过分关注眼下的10%,可能会失掉从数据中发现未来 100%增长的机会,或者干脆看不到负面趋势的警示。

其次,先进的数据分析需要超强的判断力。数据专家倾向于只看数据而忽视其它因素,你得保证这种事不要发生。你越重视他们的工作结果,他们提供给你的数据就越清晰完整。

第三,分析的意义在于更深入地了解世界运行的方式。错误的假设和前提非常有害。举例来说,金融危机的一个重要原因就是大家都先入为主地认为房产价格与股市无关,结果成了悲剧。

5.你的结论是不是建立在对市场的全面理解、对条件变化的认识以及对最坏情况的心理准备的前提之下?

不要将数据分析看成传统的物理或者数学研究,验证数据结果可不像伽利略从塔上丢下物体的那类古老实验,数据科学家必须是怀疑论者,不相信别人的结果,不断地检验、检验、再检验,他们要尽量全面地描述数据中可能存在的不确定性。这很重要,因为你的数据来源往往是超出数据科学家的控制之外的,他们不知道来龙去脉,因此需要明确地指出结论中的不确定在哪里,供管理者进行判断。

6.谁将会受到影响?方式如何?

数据的爆炸式增长使得人们的隐私成为大问题。无论在组织内部还是外部,在“有用”和

“侵犯隐私”之间仅有一线之隔,数据科学家的洞察力非常惊人,可是他们并不了解这些结果背后的意义和风险,这些问题应该由管理者而不是他们来解决。

小心一些,不要让业务与数据之间的联系过分敏感。你需要关注的其实只是纽约证券交易所的瞬间暴跌或者推特上的负面言论带来的业务下滑。

7.我能为此做些什么?

如果前六条都没解决,这个问题自然也不会出现。时刻想着重要的发现会对整个组织产生影响,我们都很关注变革管理,变革总是困难并且阻力重重的,光靠数据分析师无法实现,需要管理者的参与。

除了第一个和最末一个问题,其它的问题只要一提出来,管理者就会开始思考。不过有经验的数据分析师也会想到这些事,有说服力的答案能够帮助管理者和数据分析家们从大数据中发掘对业务有意义的内容。(Via:中国统计网)

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2015-03-12

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

直击高考人机大战:技术、争议与人族胜利

允中 发自AI考区 量子位 报道 | 公众号 QbitAI 6月7日17点,2017年第一日高考结束,数学学科停笔交卷的铃声划破长空。 北京第八十中学望京校区人...

3785
来自专栏PPV课数据科学社区

清华大学马少平:AlphaGo的成功是蒙特卡洛树搜索加深度学习的胜利

作者:马少平 清华大学计算机系教授,博士生导师,中国人工智能学会副理事长,中国中文信息学会副理事长。主要研究方向为智能信息处理,包括文本信息检索、网络用户行为分...

42513
来自专栏机器之心

教程 | 如何转行成为一名数据科学家?

选自fast.ai 作者:Rachel Thomas 机器之心编译 参与:侯韵楚、hustcxy、王宇欣、微胖 有时一些粉丝会给我发邮件,想让我在数据科学方面给...

31710
来自专栏AI科技评论

从世界冠军到数据科学家 他是如何炼成的? | 牛人讲堂

大数据这个词我们听得太多了,可是很少有人意识到,随着互联网的发展,今时今日的这些“大”字究竟已经意味着一种什么样的量级。除去少数哗众取宠的使用这个词的公司外,那...

2995
来自专栏大数据文摘

专访|数据科学界的社交达人-定价科学家

1419
来自专栏PPV课数据科学社区

【观点】数据分析经验总结二三点

这是二年以前写的一篇文章,觉得这些内容放在今天依然适用重新分享给大家! 一、掌握基础、更新知识。 基本技术怎么强调都不过分。这里的术更多是(计算机、统计知识...

2964
来自专栏机器之心

现场报道 | 让天下三子,DeepMind官方解读新版AlphaGo强大实力

机器之心原创 记者:杜夏德 参与:李泽南、吴攀 5 月 23 日,乌镇围棋峰会第一场人机大战以柯洁落败而结束,DeepMind 和谷歌在今天的人工智能高峰论坛中...

34310
来自专栏钱塘大数据

【干货】斯坦福大学10张图解读人工智能发展新趋势

1.AI学术研究论文激增9倍以上 ? 自1996年以来,每年发表的计算机科学的学术论文和研究的数量猛增了9倍以上。学术论文和研究通常能产生新的知识产权和专利。整...

3305
来自专栏机器之心

柯洁第二局投子认负,独家专访AlphaGo开发者导师Martin Müller

机器之心原创 参与:李泽南、杜夏德 今天下午 13:37,「中国乌镇·围棋峰会」人机大战的第二场比赛落下帷幕。在耗时 3 小时 7 分钟的比赛后,柯洁投子认负,...

3405
来自专栏CDA数据分析师

一位资深数据分析师的分享:掌握基础及更新知识

一、掌握基础、更新知识。 基本技术怎么强调都不过分。这里的术更多是(计算机、统计知识),多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看,这点大家深有...

3376

扫码关注云+社区