近日，智慧圖譜CEO王緒剛就“如何使軟件對分析結(jié)果具有洞察能力”給出了自己的見解，以下是其觀點全文：
作為21世紀最火熱行業(yè)“人工智能”的從業(yè)者，在“營銷大數(shù)據(jù)”領(lǐng)域工作多年，合作過眾多行業(yè)標桿型客戶，卻在與市場業(yè)務(wù)團隊的磨合初期，常常被尷尬的問到：“分析結(jié)果我們看到了，但這個結(jié)果想要告訴我們什么？”這個問題也可以理解為，“如何讓軟件具備對分析結(jié)果的洞察能力”？
洞察Insight，通俗的理解就是，企業(yè)從自身的業(yè)務(wù)邏輯去解讀數(shù)據(jù)現(xiàn)象的能力。同樣一份數(shù)據(jù)，具備不同業(yè)務(wù)經(jīng)驗的人解讀起來得到的結(jié)論也各有不同。當分析結(jié)果被人詬病沒有Insight時，往往表達的是以下幾個意思：
1.分析結(jié)果與我們的業(yè)務(wù)有什么關(guān)系嗎？
2.分析結(jié)果我們是看到了，但是導致這個結(jié)果的原因是什么呢？
3.看來我們的業(yè)務(wù)的確出現(xiàn)了問題，可我們應(yīng)該怎么改進呢？
4.為什么分析結(jié)果與我業(yè)務(wù)經(jīng)驗得到的結(jié)果不一致？
5.分析結(jié)果會對我未來的計劃造成哪些影響呢？
當數(shù)據(jù)科學家面對這些質(zhì)疑的時候，往往第一反應(yīng)會想，如何基于更大的數(shù)據(jù)做復雜分析，或再用R建立一個新的模型，又或者需要做一些“教師”信號來訓練深度網(wǎng)絡(luò)……但通常都是工程師的角度，從業(yè)務(wù)角度出發(fā)思考問題？不存在的。如此，巨大的溝通鴻溝出現(xiàn)在業(yè)務(wù)需求者與數(shù)據(jù)科學家中間，我代表人類說Insight，而你代表計算機說Deep Learning。
要消除這道鴻溝，讓數(shù)據(jù)產(chǎn)生洞察，需要建立一種業(yè)務(wù)人員與計算機都可以理解的知識體系：
1、用“業(yè)務(wù)的語言”去解釋數(shù)據(jù)
數(shù)據(jù)分析應(yīng)用的核心基礎(chǔ)在于，業(yè)務(wù)的數(shù)據(jù)化和數(shù)據(jù)的業(yè)務(wù)化，通俗來講，就是把銷售，市場，售后等商業(yè)過程中的數(shù)據(jù)記錄下來，再對這些數(shù)據(jù)用業(yè)務(wù)的語言進行解釋，讓業(yè)務(wù)決策人員可以理解，業(yè)務(wù)流程可以應(yīng)用起來。我們常說的用戶畫像，就是一種對用戶行為數(shù)據(jù)的業(yè)務(wù)語言解釋。例如，在營銷場景中，用戶瀏覽了某產(chǎn)品三次，意味著該用戶對該產(chǎn)品的購買傾向增加。
而業(yè)務(wù)部門不同，對于同數(shù)據(jù)的描述方法也不盡相同。例如，“安裝師傅挺好的，只是這個聲音堪比鼓風機啊，只能說一等價錢一等貨吧！麻煩配送人員了！”這樣一條評論，對于售后部門，就是一條正面評價，而對于產(chǎn)品設(shè)計部門，就是一條負面評價，且負面內(nèi)容具體描述的是產(chǎn)品性能上的噪音問題。
因此同一條評論、用戶行為等過程數(shù)據(jù)，通常需要打上多種標簽，同時要把標簽之間的語義關(guān)系表達出來，這樣的方式近似人類語言中的概念與知識體系。學術(shù)界稱之為“知識圖譜”。
2、發(fā)現(xiàn)數(shù)據(jù)中的特征作為新的知識
簡單的統(tǒng)計方法，發(fā)現(xiàn)的僅僅只是淺顯的客觀事實，但對于企業(yè)的業(yè)務(wù)決策優(yōu)化，無法提供結(jié)論或建議。例如，把人口統(tǒng)計學分析與微博數(shù)據(jù)結(jié)合起來，證明某個品牌的女性用戶占比大大超過男性，建議采用一些受女性歡迎的KOL作為傳播自媒體。但女性比例并不是該品牌的特征，而是所有這個行業(yè)的共性。
再例如，某主題公園對用戶口碑的分析，二月份負面評價比例持平，并沒有引起足夠重視。但如果對負面評價深入分類，就會發(fā)現(xiàn)二月份餐飲的負面批評與過去的六個月對比，呈顯著上升。因此二月份的負面評價特征與餐飲直接形成了相關(guān)性對應(yīng)。從而得到了春節(jié)期間，餐飲部門管理不善的結(jié)論。
因此，不僅僅是簡單的統(tǒng)計，而是通過一些“特征抽取”算法，找到兩個現(xiàn)象之間的相關(guān)性、相似性、因果性等特征，才能讓業(yè)務(wù)人員得到新的知識。
3、從問題出發(fā)，去探索答案
有經(jīng)驗但不懂業(yè)務(wù)需求的分析師，往往喜歡把記憶中的分析維度與當前可以獲得的數(shù)據(jù)結(jié)合起來，來驗證一些業(yè)務(wù)假設(shè)或者既定的猜想。
分析中常見的人口統(tǒng)計學、轉(zhuǎn)化率、關(guān)鍵詞云等分析維度，分析師采用的是“驗證式”的分析方法，而業(yè)務(wù)人員的思考模式更近似于“探索式分析”，想要知道分析結(jié)果背后的誘因或會有多少關(guān)聯(lián)因素會受其影響，從問題出發(fā)，去找到答案。
例如，通過監(jiān)測，數(shù)據(jù)提示競爭對手上市了新款，并且銷售與好評最近3天表現(xiàn)一直在上升，從這個數(shù)據(jù)出發(fā)，我們可以探索，該款產(chǎn)品的設(shè)計要素與價格，直接與企業(yè)的那些品牌產(chǎn)生競爭，同期內(nèi)，我們的策略與口碑表現(xiàn)對比如何？競爭對手的這個產(chǎn)品，好評在哪些方面，是哪些產(chǎn)品要素導致了這些好的口碑？是否值得我們跟進？
這種探索分析的方式，利用了數(shù)據(jù)挖掘的手段，更加符合人類的思考與推理方法，更容易得到有效的、可行動的結(jié)論。
4、讓數(shù)據(jù)分析過程透明化
無論是分析人員、還是業(yè)務(wù)決策人員，人們總是更加傾向于自身經(jīng)驗的判斷，如果整個數(shù)據(jù)的流程是一個黑盒子，必然無法對分析的結(jié)果進行解釋，也就降低了數(shù)據(jù)分析的可信力。因此需要讓整個分析過程透明化，可以追溯并可以反饋。
5、讓數(shù)據(jù)管理人員，分析人員與業(yè)務(wù)人員在同一個體系下協(xié)同工作
數(shù)據(jù)決策過程需要多種背景，多種角色的人員參與，程序員、分析員與營銷員，分別負責處理數(shù)據(jù)、生成分析報告，產(chǎn)生業(yè)務(wù)決策三種不同的任務(wù)。處于不同的工作環(huán)境，甚至不在一家公司。通過一個在線的協(xié)同系統(tǒng)將三者置于同一套界面、語言和流程下，不僅僅有利于大家更加具象的進行交流，減少信息漏斗，提高溝通效率。也有利于業(yè)務(wù)知識的傳遞與沉淀，企業(yè)不會因為某個人的變動而造成業(yè)務(wù)的停滯，業(yè)務(wù)知識才是企業(yè)真正的商業(yè)壁壘。
溝通漏斗
