本站分享:AI、大数据、数据分析师培训认证考试,包括:Python培训Excel培训Matlab培训SPSS培训SAS培训R语言培训Hadoop培训Amos培训Stata培训Eviews培训

经验与数据分析的结合_数据分析经验

数据分析 cdadata 3053℃

经验与数据分析的结合

不知从何时开始,我一直在内心之中默默的关注着“经验与数据分析”两者有机融合的方式。在我的头脑之中,这两者之间是存在很大程度上冲突的,但两者对于一个优秀的结论或方案来说,确实必不可少的方法与过程。对此,有着较深刻影响的书籍,于我而言,仅存了《绝不是靠运气》一本。虽然,我并不清楚的记得,书中确实如此,甚至连书籍的核心理念都模糊不清。
在《绝不是靠运气》中,作者以多人共同讨论的方式展开,经验主要集中在大家的讨论之中,大家会根据实际经验给出各种意见、建议以及解决方案,当然,还有分析问题的原因;而数据分析方面更多的集中于前提问题的提出,以及整体讨论实施的过程,还有多个穿插讨论的步骤。哦,我应该说,这仅仅只是我头脑记忆中的“书中讨论模式”,或者说,这是我在实际工作中所选择的模式——人,总是会选择性失明,或者,选择性记忆。
从逻辑上来说,我们很清楚这种讨论方式的情形,无非是罗列问题,列明大框性质的假设实施步骤,然后将各个问题讨论解决方案,将之分拆成行为,放入对应的大步骤之中。之后,理论上来说,就可以得到一个结论,一个综合经验与数据优势的结论,或者,通常所说,科学的结论。
但,事实,好似并非如此。我们需要随时知晓数据的准确与否,随时需要清楚数据是否被滥用,这些其实存在非常多的不确定性。而对于经验,就更加存在“科学性”的问题(注:我非常反感科学主义,或者任何形式或表现方式的“主义”)。即使是针对同一时间,同时参与的两个人,都会得到完全不同的经验,更加不要说大家从不同岗位中得来的经验了。但是,似乎正是这种不确定性和多样性,让结论变得更加有效,因为虽然每个分析过程中的短期结论都可能存在一定问题,但相互之间的互补似乎可以弥补这中间的诸多问题。所以,我们就回到了一个基础的问题上:参与讨论的人员选择上。
人员选择存在很多难题,这个是我能力不足以说清的问题。那么,我们讨论一个更加简单的问题:讨论过程的控制。
即使我们的数据本身是准确的,数据本身也没有被滥用,即使我们的经验是无问题的,不同人之间的经验又可以通过多人之间达到相互弥补的程度,即使我们的人员选择是正确的,人员的素质、能力也满足我们的要求。讨论过程本身也会极大影响结论的准确性。我们都经历过昏昏欲睡的会议,也经历过激动人心却毫无收获的演讲,我们往往在讨论过程中,太过纠结与细节而忽视了全貌,往往太过专注于争执而忽视了结论,往往太过关心责任与推诿而忽视了问题的解决,我们太过容易被调动起激情或毫无参与兴趣而忽视了理性的思考。OK,就算我们克服了前面的问题,我们像机器人一样回归理性,又突然发现,当我们完全理性的探讨一个问题时,其结论往往就像“经济人”假设一样,其经济学解决方案还是停留在教科书上比较好,一旦应用于现实或者基于现实的预测,其结论往往让人啼笑皆非。“六项思考帽”方法看似提供了一种既满足情感诉求,又满足理性需要的优秀讨论方法,但具体到现实中时,我们往往会随着主持人的不断变化,甚至主持人状态的不断变化,而直接影响着会议的效果。事实,永远是那么的变幻莫测与难以捉摸。
OK,看起来,我完成了一篇极其不负责任的论述,完全陷入所谓“不可知论”之中,因为所有的环节都变得那样不可控而充满变数,好似这样的讨论根本没有任何意义,也没有任何出路一般。我在文章中提出了诸多问题、难点却没有给出任何一个结论,如果身为读者的您已经读到这个位置,我真的对您表示佩服——至少在我是很少会看这样类型文章的。
不过,至少在我现实的工作之中,我依旧只能沿着这条充满不确定性的道路上前行,依旧只能按照这种完全不确定结论的模式去探索与实施,并努力在其中找到一个中国传统语言中的“平衡”或“度”。其实,这种不确定性让人兴奋,因为不确定,永远意味着创新与灵感的闪现,意味着未知与不可能的突破,意味着,一种缩微的人生——难道人生不是如此吗?

转载请注明:数据分析 » 经验与数据分析的结合_数据分析经验

喜欢 (0)or分享 (0)