I如何把“数据”转化成可以行动的“信息”.docVIP

栏目：一个推荐 期目：2014年2月 如何把“数据”转化成可以行动的“信息” 作者：Mike Rozlog“Turning Data into Actionable Information Reliably” 编译：王玉荣 题目中的这个问题，我理解是个本质。在数据时代，数据不管从哪里获取、用什么工具获取，也不管数据规模是否够得上是“大数据”，也不管你用来分析和利用这些数据的是BI软件（商业智能软件）还是数字化营销软件如AOS系统（注：美国安客诚公司推出的“受众运营系统”），你总得回答一个关键问题：面对一堆数据，你能去做什么，而且这个“做什么”是能有效变成真金白银的收益的。 所以，当我看到Mike Rozlog最新于2014/2/3发布的一篇文章中用到这个标题时，引起了我的兴趣。把文中一些主要观点编译概述如下，供朋友们参考，其中也穿插了我的一些理解、注解、举例。 作者首先指出：“数据”在空前增长，人们在提供着信息，情愿地或无心地，通过社交媒体或者其他终端。作者描述了自己在FACEBOOK的情况，他居然不知不觉地、日积月累地在FACEBOOK那里列举出了他自己喜欢的160张音乐专辑，这就是“无心”中在提供数据，不想不知道，一想自己也吓一跳。 其实中国国内的朋友应该也有这个体会，当你在淘宝天猫购物时，有没有注意到在购物车结算价格时，有一个“是否匿名购买”的选项，很多人没有费力去勾选一下，那么也就是愿意实名购买了，那么你便“无心”也是“情愿”地提供了一条关于“何时、您、多少价格、网购了什么物品、怎么支付的、选择的哪种物流方式、联系电话和物流地址”的非常详细的信息。淘宝和天猫这个小细节在于把什么作为“缺省项”，如果把“是否实名购买”作为一个勾选项，把“匿名购买”作为缺省选择，估计也是大多数人“不作为”、不会去勾选，而这种“匿名购买”对淘宝的大数据战略无益，因此，对“是否匿名购买”的勾选项的“不作为”，就日积月累地“作为”了很多事情了。 但这只是日益增长的“数据”。作者认为，“数据”和“信息”是不同的，不同的关键在于“数据之间的连接（links）”。（注：我们这里不翻译为“链接”，以避免读者一下子就想到是网络阅读时去点一下链接的那个“超文本链接”）。这个“连接”强调的是数据之间的“关系”。数据本身是一堆原材料，类似数字、单词、计数、字串、图片、视频、音乐，哪怕他们被存储在“关系数据库”中，他们也天然地彼此之间没有关系，除非人去赋予他们关系。 而这种人为去赋予数据之间的“关系”，就是在建立数据之间的“连接”。如果一组或一连串的“连接”是正确的，那么数据就生成了“信息”，那么就可以基于“信息”做出一些假设/判断，从而去开展行动。如果“连接”错了呢，那么就可能相应地引发错误的行动。 比如下面这个例子，关于美国上个世纪40年代早期对脊髓灰质炎（我们俗称的“小儿麻痹症”）的病因的研究。“原始数据”显示是入夏日天气渐暖时，病例增加。戏谑的是，“原始数据”还显示，当脊髓灰质炎的病例增加时，冰激凌销量也以同比例在增长。1952年美国有将近58000人（很多是孩子）被诊断得上了脊髓灰质炎，一场全国性的大流行病。公共卫生部门的专家于是建议要避免食用冰激凌、糖水和其他高塘食物。今天回头看历史，认为冰激凌是病因的想法当然很可笑，但那时候的确是“病急乱投医”了。 结合我们今天的情况来看，我们怎么把海量的信息转变成能带来行动的有用的信息、做出更好的决策而不是上例呢？我们已经有了一些数据采集的技术，也有了指数级增长的比以前多得多的数据，但我们还是没有生成好信息的那个神秘酱料。例如，当你看到以下常见的两列数据，见图1： 销售数据 商品编号 数量 成本 售价 日期 开票 客户数据 姓名 街道 城市 省份 邮编 年龄 数据来源 图1 常见数据列 读到本文的朋友对上面的数据列都是非常熟悉的，也许还有更多列更丰富的信息。而关键的问题是，你面对这些数据列，你能问出什么问题呢？肯定读者们能列举出一串经典的问题,但很有可能，漏掉了问那个有关键意义的一个问题。 Mike Rozlog指出说，实际上，应该再问一个“目前的数据尚不能支持的问题”，即“为了回答我真正关心的问题，我还缺哪些数据呢”？这就是“数据增补”的概念（Data Augmentation）。想一想，你可能关心的问题是“什么样的人是我生意的典型客户？”“我的下一个店铺应该选址在哪里？”“应该增加一种新产品系列的销售吗？”我们发现，目前的“客户数据”和“销售数据”无法回答这些，只有当增补了“MAP GIS”（地图地理信息系统）和“Census Data”(人口统计数据)”之后，才能做的更好，见图2。前者包括位置地点、路线、实际位移折线图等，或者包括邮编、平均收入、孩子的个