導語:決策科學是企業數(shù)據科學中最有(yǒu)趣的領域之一,但(dàn)它需要成為(wèi)組織所構建的數(shù)據科學生(shēng)态系統的一部分。
數(shù)字化轉型的共同目标之一通(tōng)常被描述為(wèi)“成為(wèi)一家(jiā)數(shù)據驅動型公司”。無論是商業智能、預測分析還(hái)是機器(qì)學習,使用客觀數(shù)據而不是直覺來(lái)驅動決策都是企業越來(lái)越多(duō)談論的話(huà)題。
這裏面有(yǒu)很(hěn)多(duō)挑戰。并不是所有(yǒu)的大(dà)型組織都足夠靈活地充分利用數(shù)據驅動的決策,或者足夠熟練地大(dà)規模收集可(kě)靠數(shù)據并提出正确的問題。在年度NewVantage Partners大(dà)數(shù)據研究中,大(dà)多(duō)數(shù)高(gāo)管都希望通(tōng)過數(shù)據做(zuò)出更好的決策,但(dàn)隻有(yǒu)三分之一的高(gāo)管認為(wèi)他們的公司擁有(yǒu)數(shù)據驅動的文化。
數(shù)據并不能解決所有(yǒu)問題。你(nǐ)的數(shù)據可(kě)能不會(huì)告訴你(nǐ)一個(gè)成功的産品可(kě)能會(huì)更好,因為(wèi)數(shù)據隻會(huì)表明(míng)它已經成功了。
做(zuò)出數(shù)據驅動的決策就是提出正确的問題,并擁有(yǒu)正确的數(shù)據來(lái)獲得(de)答(dá)案。以下你(nǐ)将看到關于所謂的“決策科學”(或“決策智能”)。
Google決策智能負責人(rén)Cassie Kozyrkov将決策智能描述為(wèi):将以前孤立的學科中的工具和(hé)觀點結合起來(lái),并将其應用于選項之間(jiān)進行(xíng)選擇的各個(gè)方面,以減少(shǎo)基于事實,做(zuò)出更高(gāo)質量決策所需的工作(zuò)。她寫道(dào):“它将應用數(shù)據科學、社會(huì)科學和(hé)管理(lǐ)科學的精華整合到一個(gè)統一的領域,來(lái)幫助人(rén)們使用數(shù)據改善生(shēng)活、業務以及周圍的世界。”
這與行(xíng)為(wèi)經濟學(behavior economics)和(hé)計(jì)算(suàn)機科學(computer science)與經濟學(economics)的交叉領域EconCS有(yǒu)相似之處,前者是預測市場(chǎng)行(xíng)為(wèi)并使用激勵機制(zhì)來(lái)改變市場(chǎng),後者是Microsoft用來(lái)設計(jì)Bing廣告拍賣、Azure雲定價和(hé)Xbox遊戲營銷的。
但(dàn)是決策科學并沒有(yǒu)那(nà)麽廣泛的關注點;它是通(tōng)過預測決策的結果,用數(shù)據和(hé)算(suàn)法來(lái)解決特定的業務問題。
預測決策結果的這一方面是決策科學和(hé)數(shù)據科學之間(jiān)的一個(gè)關鍵區(qū)别。
Microsoft高(gāo)級首席研究員Greg Lewis解釋說:“決策科學是将理(lǐ)論和(hé)數(shù)據結合起來(lái),預測個(gè)人(rén)或組織做(zuò)出改變環境的決策後會(huì)發生(shēng)什麽。”它是幫助決策者找到正确選擇的水(shuǐ)晶球。
Lewis說,另一方面,數(shù)據科學是預測如果你(nǐ)不采取任何措施來(lái)改變系統,接下來(lái)會(huì)發生(shēng)什麽。“例如,數(shù)據科學可(kě)能被用來(lái)計(jì)算(suàn)出,以目前的速度,一家(jiā)商店(diàn)的存貨即将耗盡;但(dàn)是決策科學将有(yǒu)助于決定是購買更多(duō)的存貨并保持價格不變,還(hái)是提高(gāo)價格以使目前的存貨充足。”
盡管如此,LinkedIn數(shù)據科學總監Chi-Yi Kuan指出,決策科學仍然是數(shù)據科學的一部分,直到最近他還(hái)是公司的決策科學解決方案團隊的負責人(rén)。 他将其概括為(wèi)“定量分析和(hé)用于指導和(hé)推動決策的技(jì)術(shù)”。
“在數(shù)據科學領域,我們做(zuò)了很(hěn)多(duō)工作(zuò)來(lái)理(lǐ)解發生(shēng)了什麽,曆史是什麽——這就是描述性分析。然後,診斷分析進行(xíng)深入研究,以了解為(wèi)什麽會(huì)發生(shēng)這種情況。當我們變得(de)更先進時(shí),我們就可(kě)以做(zuò)預測分析:未來(lái)會(huì)發生(shēng)什麽?在流行(xíng)術(shù)語中,我們稱之為(wèi)人(rén)工智能和(hé)機器(qì)學習的都是關于預測和(hé)預測的:規定性分析是關于什麽是最好的選擇。
數(shù)據科學是要從原始數(shù)據轉變為(wèi)有(yǒu)意義的數(shù)據洞察;決策科學應用于為(wèi)決策者提供的建議。“數(shù)據科學的工作(zuò)是在生(shēng)态系統中做(zuò)出更好的決策,幫助公司成長。在決策科學中,重點隻放在決策上(shàng),”他說。
決策科學的原則應該為(wèi)管理(lǐ)人(rén)員所熟悉,因為(wèi)它們已經被用于運營領域。但(dàn)是從領域專家(jiā)那(nà)裏獲得(de)業務見解,這些(xiē)專家(jiā)根據他們的經驗(和(hé)有(yǒu)限的數(shù)據量)提供建議,速度太慢,成本太高(gāo),無法用于每一個(gè)決策。Kuan表示,決策科學使利用實時(shí)數(shù)據的能力民主化。“我們想讓它具有(yǒu)可(kě)擴展性。我們希望公司的每個(gè)人(rén)都能做(zuò)出數(shù)據驅動的決策:這不僅僅是針對高(gāo)管,而且是一個(gè)巨大(dà)的改變。”
這意味着不僅僅是擁有(yǒu)一個(gè)數(shù)據科學團隊。這意味着賦予人(rén)們使用數(shù)據進行(xíng)決策的權力。 Kuan說:“很(hěn)多(duō)公司都有(yǒu)稱之為(wèi)數(shù)據科學團隊的隊伍,但(dàn)沒有(yǒu)賦予他們權力,也不信任他們提出建議。”
他認為(wèi),除非你(nǐ)将數(shù)據轉化為(wèi)決策,否則數(shù)據是無用的。這意味着要授權給那(nà)些(xiē)擁有(yǒu)需要評估的數(shù)據和(hé)需要解決的業務問題的人(rén)們使用數(shù)據來(lái)幫助他們做(zuò)出決策。
Kuan提供了一長串适用于決策科學的示例:産品的A/B測試、營銷活動績效評估、銷售客戶生(shēng)命周期智能,以及改善客戶體(tǐ)驗的客戶服務機會(huì)。
結果可(kě)能不是一個(gè)單一的選擇,而是一系列的選擇:“在數(shù)字世界中,我們可(kě)以做(zuò)大(dà)量的A/B測試,并對結果做(zuò)出決定,”他說。LinkedIn的幾乎每一個(gè)産品決策都會(huì)作(zuò)為(wèi)一個(gè)實驗交付給一小(xiǎo)部分用戶,産品團隊可(kě)以看到這些(xiē)變化如何影(yǐng)響KPI和(hé)其他指标。
LinkedIn廣泛應用決策科學,從尋找合适的電(diàn)子郵件細分成員到客戶支持,再到使用文本分析來(lái)了解成員反饋,再到新聞提要,它選擇确保日常成員獲得(de)更多(duō)的曝光率,因為(wèi)評論和(hé)喜歡對于他們與平台的接觸,比他們對像Bill Gates 和(hé) Richard Branson這樣的名人(rén)更重要。
員工會(huì)進行(xíng)大(dà)量臨時(shí)分析(ad-hoc analyse),看看是什麽推動特定業務指标發生(shēng)變化;這些(xiē)都可(kě)以通(tōng)過分析門(mén)戶網站(zhàn)獲得(de),這樣數(shù)據科學團隊就可(kě)以花(huā)更多(duō)的時(shí)間(jiān)進行(xíng)由問題和(hé)假設驅動的分析,這有(yǒu)助于業務團隊做(zuò)出決策。
Kuan指出,做(zuò)出決定後,數(shù)據科學還(hái)沒有(yǒu)完成。他說:“做(zuò)出決策後,數(shù)據科學之旅将繼續衡量我們所從事的工作(zuò)所産生(shēng)的影(yǐng)響,以及我們從所做(zuò)出的決策中學到的東西,并通(tōng)過實驗不斷加以改進。”
這是與決策科學的另一大(dà)區(qū)别:“按照過去的方式,當你(nǐ)做(zuò)決定時(shí),它基本上(shàng)已經完成了;你(nǐ)沒有(yǒu)任何機會(huì)(在未來(lái))改進,”Kuan說。“跟蹤這些(xiē)數(shù)據驅動型決策的影(yǐng)響,使公司有(yǒu)機會(huì)從失敗中吸取教訓并成長。”
但(dàn)決策科學不僅适用于像LinkedIn這樣的數(shù)字公司。Lewis解釋說,決策科學帶給你(nǐ)的是一個(gè)更好的決策過程。
他說:“實踐中決策科學的一個(gè)最好的例子是A/B實驗的興起,在這種實驗中,組織系統地嘗試兩種不同的方法,看看哪種方法對客戶的效果更好。”“這裏的很(hěn)多(duō)附加價值是,運行(xíng)A/B實驗會(huì)迫使團隊澄清什麽是成功,什麽可(kě)能是他們現在所做(zuò)工作(zuò)的一個(gè)好的替代方案,并建立一個(gè)持續更新策略的流程。”
這樣一來(lái),您就不會(huì)陷入困境,即使您無法交付兩種版本的産品,您仍然可(kě)以做(zuò)到。Lewis說:“那(nà)時(shí),基于現有(yǒu)客戶數(shù)據的經濟學,博弈論和(hé)因果機器(qì)學習将向前發展,以提供其他方式來(lái)預測如果選擇了新的方向可(kě)能發生(shēng)的事情。”
決策科學不是你(nǐ)要做(zuò)的,數(shù)據科學才是;它是你(nǐ)如何使用數(shù)據科學來(lái)指導組織決策的方式,它需要數(shù)據科學家(jiā)和(hé)理(lǐ)解決策的人(rén)。
OnePath CTO(首席技(jì)術(shù)官)Patrick Kinsella說:“決策科學是數(shù)據科學成果的應用,并與利益相關者行(xíng)為(wèi)和(hé)問題的業務環境相結合。”實施決策科學需要的不僅僅是采用數(shù)據科學工具,這些(xiē)工具可(kě)以從數(shù)據中創建模型、得(de)出結論和(hé)預測結果。“組織必須确定能夠評估決策行(xíng)為(wèi)影(yǐng)響的個(gè)人(rén)團隊。這些(xiē)人(rén)通(tōng)常在通(tōng)過組織轉型、并購整合或重新定義核心價值觀進行(xíng)變革管理(lǐ)方面經驗豐富。”
Kuan強調招聘不僅僅是為(wèi)了數(shù)據科學方面的專業知識。LinkedIn的數(shù)據科學家(jiā)需要統計(jì)專業知識,這樣他們就可(kě)以設計(jì)實驗,知道(dào)如何衡量他們是否成功。他們需要知道(dào)足夠多(duō)的機器(qì)學習,以便将業務問題形式化為(wèi)機器(qì)學習問題,而不将相關性誤認為(wèi)因果關系。他們需要充分了解數(shù)據的業務背景,以便能夠對其進行(xíng)解釋、清理(lǐ)并将其轉換為(wèi)可(kě)用的內(nèi)容。他們需要能夠展示他們的發現并解釋它們是如何被創建的。
“我們的目标是從分析中獲得(de)洞察力,并有(yǒu)效地影(yǐng)響關鍵決策,從而推動業務影(yǐng)響,”Kuan解釋道(dào)。
Lewis推薦了一個(gè)由經濟學家(jiā)、統計(jì)學家(jiā)和(hé)數(shù)據科學家(jiā)組成的團隊。“經濟學家(jiā)找出需要衡量的東西,以便更好地了解下一步會(huì)發生(shēng)什麽;統計(jì)學家(jiā)弄清楚如何衡量的方法;數(shù)據科學家(jiā)建立基礎設施和(hé)工具,以便進行(xíng)大(dà)規模、定期和(hé)可(kě)靠的衡量。”
SADA的CTO Miles Ward說,也不要忘記基礎知識。“如果你(nǐ)的數(shù)據來(lái)源和(hé)質量都沒得(de)到驗證,不可(kě)訪問,也不容易查詢,那(nà)麽做(zuò)出決策将是偶然的。所以,如果你(nǐ)還(hái)沒到,就從這開(kāi)始。”
來(lái)源:CIO信息化圈公衆号