数据素养将和英语能力一样重要

　　在大数据应用中，如果只有少数人具备数据素养，多数人就只能被动地接受分析结果，无从质疑和验证。

　　特朗普的当选打了传统媒体一个耳光，在之后的复盘中，不少人把锅扣在了大数据和社交网络头上。不得不承认，二者的结合的确极大影响了新闻的传播。

　　《纽约杂志》在文章《特朗普因为Facebook而当选》中指责“Facebook帮特朗普取得胜利的办法，就是无法或是拒绝去处理恶作剧或假新闻。”FT中文网的《FT大视野：假新闻为特朗普助选？》则指出“其中部分所谓的新闻在Facebook上疯狂传播、在Twitter上被广泛转发或者被谷歌的搜索算法推广，最终成功渗入了大众的政治讨论中。”

　　偏激的大数据，算法背锅

　　最为讽刺的是，《华盛顿邮报》采访了Facebook假新闻界的“扛把子”保罗·霍纳，这位再三表示讨厌特朗普、并参加过反特朗普游行的假新闻写手，特意撰写了看似有利于特朗普、本意是讽刺和“捣乱”的假新闻；结果恰恰相反，这些新闻非但未引起人们的思考，反而得到了拼命转发，转发者中甚至包括特朗普的儿子和竞选经理。以至于他的“捣乱”行为很可能帮了大忙。

　　印第安纳大学（Indiana University）的复杂网络和系统研究中心主任、计算机科学和信息学教授菲利波·门采尔（Filippo Menczer）的研究显示，错误消息和准确消息火起来的可能性一样大，因此如果算法的主要准则是“你的朋友对什么点赞”，这就对打击假新闻没有帮助。

　　事实上，这种算法不仅不能打击假新闻，甚至可能是助推者。Qlik大中华区董事总经理潘应麟解释：“当人们看见的社交媒体推送信息是基于你过往看过什么东西，同意过什么东西；个人的想法和偏见就会被正面放大。原来我们觉得数据化是很透明、很清晰的事实，让大家很逻辑性地、个性化地判断这个市场；现在越来越多的人说不可以相信这个东西，可能是假的，可能是有偏见的。”

　　即便如此，潘应麟仍然表示：“如果说2016年是信息元年，那么2017年将是数据元年。”至于如何提高数据的可信度，潘应麟提出，“应该像培养英语能力那样培养数据素养——就像当我们只能依靠翻译的时候就要忍受翻译错误，但当我们都能使用英语时，就能判断出翻译的错误，甚至可以越过翻译、直接交流。”

　　在大数据应用中，如果只有少数人具备数据素养，多数人就只能被动地接受分析结果，无从质疑和验证。在这种情况下，当假数据被戳破时，就容易走到另一个极端，人们不再相信数据，任由感情和情绪主导。

　　商业转化人士是未来

　　尽管听起来陌生，数据素养却不是一个新名词，2007年，美国国家科学基金会（National Science Foundation，NSF）就资助了提升本科生科学数据素养的项目。

　　潘应麟在解释“数据素养”的时候祭出了麻省理工学院和埃默里大学对“数据化”的定义——阅读、操作、分析和讨论数据的能力。且不提后三项能力，即便是阅读数据，即如何从数据报告中看出门道、看出漏洞，也是一门学问。因此一直以来，数据的处理、分析和管理都要仰仗专业人士，最终生产一份份报告交给老板，辅助决策。这就可以理解为什么数据展示工具容易引起数据人才的注意力——老板需要一目了然、重点突出的数据报告。

　　但现实是，老板手里的数据是滞后的，实时的数据在一线人员手里，要想数据充分发挥作用，就要让其为一线人员所用。这既要求一线人员有一定的“数据素养”，有意识地使用数据；也要求数据分析工具最大程度地易学易用。

　　当凯西制药5年前开始引进Qlik的时候，只是为了让全球的分公司更好地向总部汇报。后来的发展是，总部开始从上至下、逐步推Qlik的使用。这次的推广包含了两个意义，一是培养全公司用数据说话的能力和工作习惯；二是通过统一数据处理工具来统一规范，从而提高数据的真实性。

　　现在，这个数据分析工具已经普及到了一线人员，数据成为了这家全球化公司的一种“官方语言”。而数据和业务双料复合型人才也成为公司的新宠。

　　数据与业务脱节是刚开始重视数据应用的公司常见的痛点。专业的数据人才不懂业务，只能闭门造车，努力建立的模型却不符合业务需求；而由于数据素养尚未普及，真正懂业务的人才不重视数据，或者不知道如何向数据人才提需求。

　　对于企业而言，普及数据素养的成败关键在于高层对数据的重视，让“用数据说话”成为公司文化，这是一个自上而下的过程；在具体实施时，则需要选择一款容易上手的工具，复杂的黑科技还是留给数据部门的专家使用吧。

　　对于解决方案和工具提供商来说，最常见的方式莫过于和大学合作培养人才；互联网时代，又多了利用免费版本教育市场的好办法。比如英特尔就与麻省理工学院合作建立了大数据科学技术中心；Qlik在香港与高校合作，把一些企业的需求交给大学生，利用Qlik平台做出解决方案。至于后一种，Qlik在2016年与百度Palo达成了合作，帮助企业用户实现自助式可视化分析。

　　2016年12月，麦肯锡全球研究院发表报告《分析的时代：在大数据的世界竞争》。报告显示，分析人才持续匮乏，来自不同地区不同行业将近一半的高管表示数据分析人才的空缺比其他任何角色的空缺都更难补。

　　目前，大多数公司都重视网罗数据分析专家，认为他们的出现可以为公司带来彻底的转变，事实上，能将数据分析结果和实际结合起来的商业转化人士（business translator）更重要。这些人精通行业组织运作，能向数据分析人才抛出最精准的问题，同时从数据分析结果中看到最本质的洞见。麦肯锡预测，未来的10年内，单是美国对这种人才的需求就约为200～400万人。

　　文/王众