[[177377]]

數據分析已經存在有相當長一段時間了。早在二戰期間，它便是同盟國勝利的關鍵因素之一。同盟國數據分析活動著名的例子，包括破譯Enigma密碼避免德軍潛艇攻擊、使用噴火式戰斗機拍攝的2D圖片重構3D圖像，幫助英國皇家空軍的情報人員分析如何在霸王行動中規避德軍V1和V2的攻擊。

從與那個時代中數據分析相關的活動和人物那里學到的經驗，對我們具有無比重要的意義。二戰同盟國領導人之一、英國首相丘吉爾，很多人會誤認為“我只相信我自己篡改的數據”這句話是出自他之口。盡管這句話蘊含了典型的“英國佬式的智慧”，但實際上，這是德國納粹宣傳部門的杜撰，用以諷刺丘吉爾。即使是這樣，丘吉爾依舊教給了我們一些與數據分析相關的有用的東西。

一個好的數據分析模型應該滿足應用領域的基本要求，遵循一定的流程。數據驅動分析CRISP-DM體系為此提供了一種結構化的方法路徑。CRISP-DM包括了商業理解、數據理解、數據準備、模型設計、模型評估、模型部署等部分。作為1953年諾貝爾文學獎的得主，丘吉爾有很多名言，可以幫助我們更好地理解這個流程。

具有可操作的方法—旨在解決現實的商業問題

任何數據分析項目都應該起始于一個商業問題，然后提供解決問題的方案。數據分析不是純粹的技術、統計或是計算機練習，任何數據分析模型都需要是可操作的。例如我們可以通過一個模型來預測信用卡詐騙或客戶流失率這些問題。

經理和政治家一樣是決策者，因此他們需要有像丘吉爾所說的“預言明天、下周、下個月、下一年…將會發生什么的能力，還需要有解釋事情為什么沒有發生的能力”。換句話說，即使模型沒有預測成功，但它擁有一種以易懂的方式解釋流程的能力，這一點仍然至關重要。

為了將模型和業務聯系起來，相關各方需要在進行分析尋找解決方案之前，界定和描述問題。例如，嘗試去預測10年后或者更長時間后會發生什么，從日常運營的角度來看沒有任何意義。正如丘吉爾所言“預測太過遙遠也是一種錯誤，一次只能處理命運鏈條中一環”。很多在企業中使用的數據分析模型預測范圍不超過2-3年。

理解你掌握的數據

數據和理解之間有相當大的鴻溝，丘吉爾認為“真正的天才擁有處理不確定、危險、沖突信息的能力”。對大多數的商業問題而言，大數據是一個復雜而且不快捷的解決途徑。它要花費大量時間去運作，而且起初甚至看不太清楚前景。商業數據分析專家的職責是去真正地理解數據并且選擇最重要的數據源和變量。

準備數據

一旦有用數據的全景浮現了，分析專家將會通過整合不同數據源、選擇相關變量、清理數據集來為建模做準備。這通常是一個耗時且單調乏味的任務，但必須完成，如那句名言所說“如果你正在經歷煉獄，那么請繼續走下去”。

一定記得盡可能多地去借鑒歷史信息。當嘗試預測未來事件時，使用過去的交易數據是非常有效的，因為大部分的預測力都來自于這類型數據“越是回顧歷史，越能預見未來”。

建模：要精簡

數據分析模型不僅要有效，而且要容易解釋。

模型一定要有統計顯著性和預測力：“誠實是件好事，但保證正確性也很重要”。如何度量取決于分析模型類型。例如，在分類模型中(比如客戶流失或者欺詐)，模型要有好的判別能力。在聚類模型中，同一類應該盡可能保持同質性。

但是，如果一個人太過注重統計精度，就有得到黑箱模型風險，黑箱模型在多數商業情景中不容易被接受。典型的例子就是神經網絡，它的模型效果很好，但是沒有提供對數據模式的洞察力。相反，線性回歸模型非常容易被理解，但只提供了有限的建模效果。

可解釋性指數據分析模型和它描繪的模式能夠很靈活、很容易被理解。對一般的商業使用者而言模型不能太過復雜。例如，在信用卡風險模型或者醫學診斷中，需要的是具有可解釋性的模型，以提供對內在數據模式的洞察力。“所有偉大的東西都是簡單的，很多能被表述成幾個簡單的詞匯”。

為了獲得可解釋性，模型需要簡潔，它需要找到一個模型效果(如描繪復雜過程的能力)和可解釋性的平衡點，讓模型如同專家一樣有一種以綜合方式提供相關內容的能力。任何人不想讓模型處于這樣一種境地“文件的長度很好地抵御了被讀的風險”。

評估模型

“無論戰略有多漂亮，你也應該偶爾看看結果”換句話說，數據分析模型應該同時具備經濟效率和運營效率。

為了獲得經濟效率，商業數據分析專家需要把分析中產生的成本考慮進去，這包括收集、預處理、分析數據和模型產品化等成本。軟件成本、人力資源流失和硬件投入都應該考慮在內。在項目開始時，要做一個投入產出分析。

運營效率指在實際應用收集數據、數據預處理、評估模型、滿足產量所付出的努力。在現實中，線上評估(如欺詐監測)可能至關重要。另外，運營效率也指監控和后驗測試、必要時重新測試模型需要付出的努力。

持續完善的過程

分析模型本來就在持續的演進中，“改進是為了完善，經常改進是為了完美”。有時候甚至在第一個模型版本出來之前，商業分析專家就會意識到一些調整和微調是必要的。這是由于商業流程本身就是變化的，所以模型需要適應這種變化，或者由于模型不理想需要微調。“成功是克服一個個失敗同時不失去激情的能力”。

模型部署

最后，在緊張激烈努力和完整透徹的分析之后，你的提議可以付諸實踐了。你的策略和行動再也不會是基于直覺的了，再也不是模糊概念，它變成事實和數據導向型的。正如丘吉爾先生自己做的，你將“欣慰地從原因和理論的翻騰大海中穿行至結果和真理的大地”。

數據分析：鮮血、牢籠、眼淚和汗水

成功地領導一個數據分析項目需要遵循一定的過程：界定商業問題來確保你的方法將產生可行的結果;理解和準備好數據;建造一個簡約、效果好的模型;能夠很容易地不斷完善模型。為次，你需要使數據分析具有可操作性、統計上有效且有可解釋性、具備經濟效率和運營效率。

如果這樣過程看起來很復雜，誰能引導你走向成功?那就是在統計、IT、編程、商業洞察力和溝通交流技能等方面具有全方位的平衡能力的數據科學家。他們在這些方面訓練有素，將成為未來商業分析過程的核心。不幸的是，現有的人員中同時具備項目經理、商業分析師、專業程序設計師、和統計等專業知識的人鳳毛麟角。

這是一個數據驅動經濟時代，只需要極少的專家就能掌控以前需要整個團隊管理的活動，正如丘吉爾所言“在人類戰爭史上，從來沒有一次像這樣，以如此少兵力，取得如此大的成就，保護如此多的眾生”。

作者簡介：

Nicolas Glady, 法國ESSEC商學院埃森哲講席教授，數字商務中心主任。主要從事市場細分、定價、客戶價值分析及大數據分析研究，同時擔任多家銀行、保險、電信、快速消費品企業的咨詢顧問。Nicolas Glady教授被Poets&Quants 網站評為世界上最有影響力的40位商學院教授之一。

Bart Baesens, 比利時魯汶大學教授, 主要從事大數據分析、客戶關系管理、欺詐檢測和信用風險管理等領域研究。Bart Baesens教授還擔任多家國際性公司數據分析咨詢顧問。更多相關信息可參見網站www.dataminingapps.com。

朱兵, 四川大學商學院副教授，比利時魯汶大學信息管理系博士后，主要從事金融與營銷數據分析研究。