针对「预测分析」(predictive analytics)在商业上的未来,截至目前为止所作的最安全推测,就是更多的思考和精力会摆在预测上,而非分析上。这是个坏消息,更是差劲的管理。掌握分析的「如何」与「为什么」,远比承诺可把分析法用来作预测更重要。
当然,在过去的美好时光,预测(prediction)被称为预计(forecast),别脚的统计学家会扭曲他们的时间序列,而且/或是操控多变量分析,以求得预测结果。今日,新的数据科学家奉行K平均集群法与随机图,做为预测的基础。我有提到他们演算与处理的数据超过千兆兆字节吗?
尽管作为预测基础的计算资源与技术可能非常新颖,而且功能异常强大,但是让人失望的是,许多人性的问题与组织的病状依然一再重演。预测的必要性,往往导致焦点窄化,而不是开拓视野。按丹.艾瑞利(Dan Ariely)《谁说人是理性的!》(Predictably Irrational)一书描述的精神,「预测未来」不幸地反而可能为原本聪明的人们,带来最糟糕的认知冲动。我观察到,预测分析带来的最持久冲击,主要来自组织如何大幅改变思考问题与商机的方式,较少来自用量化方式改善预测的质量。
讽刺的是,预测分析最重要的价值,通常较常来自意料之外的失败,而不是原本预期的成功。换句话说,真正的影响力与洞见,来自了解究竟自己的预测如何失败,以及为什么失败。为什么?因为这意谓数据、模型,以及/或分析,在某些可以有意义地衡量的地方出现错误。问题与病状在于,太多组织不知道如何从分析失败当中学习。他们迫切想要做出更好的预测,而非更了解自己的预测分析所处理的商业挑战是什么。预测变成想要达到的目的地,而不是一段充满省思的旅程,这真是愚蠢。
例如,在大数据(Big Data)之前的时代,一家旅馆连锁业者使用某些非常复杂的数学运算、数据探勘、时间序列分析,来协调进行收益管理定价与促销活动。这些最终需要用更集中化的方式来进行,而且要限制地方的营运弹性和自由裁量权。这些令人惊奇的预测模型,按个别旅馆与房型,详细列出营收与利润。这些预测做法,在其中三分之一的旅馆运作良好,但是另外三分之一的旅馆执行得很糟。公司花了好几个星期争辩预测做法;资料则没有问题。是因为其他竞争旅馆祭出不寻常的促销手段而造成预测不准吗?不是。主要是因为很多地区经理人遵循收益管理的法则。
差不多过了五个月,在那个年度的财报结果完全失准,总部的信用也已经破产之后,最有可能的解释才突然出现:模型小组,也就是现在所谓的数据科学家,只有考虑到旅馆集团的同业竞争者。他们没有把廉价旅馆,纳入订价或是客房供应的考虑。对大约四分之一的旅馆来说,结果是住房率与房价都低于平均值。
模型小组没有犯任何错误。最高管理团队对于自家品牌价值与定位的信念,把廉价旅馆排除在竞争对手之外。你觉得这是个例外或是过时的案例?去年我和另一家连锁旅馆业者开会,会议中激辩的重点就是要不要把Airbnb的冲击,纳入自家的收益管理方程式中。
再近一点的时间,一家大型工业产品公司大手笔进行预测分析,以提供预防性维修服务,也就是在关键零组件出现问题之前,先找出问题并予以修复,同时可以更有效地配置公司有限的技术服务人员。这需要耗费大量经费来广泛地搜集数据,检视各项分析,这个流程进行到一半时,好几位维修人员发现,很多次系统可以实时操作和远程监管,而且这种趋势愈来愈明显。换句话说,预防性维修可以被纳入一个网络化的系统,来进行分析与管理。这种想法彻底改变了这个方案的设计方向,以及潜在的商业价值。价值的重点,从预防性维修转变成针对关键客户进行效率管理。再一次地,预测的焦点在最初模糊了更大的视野,看不清真正的价值可能在哪里。
若是正确进行预测分析,这些分析并不是用来进行预测的工具;相反地,理想的预测成为提供分析洞见与新发现的工具。我们更擅长分析自己真正需要分析的事情,预测自己真正想要预测的事情。聪明的组织想拥有预测分析的文化,经过分析的预测不仅可提供更具统计意义的答案,也创造更聪明的问题。这些文化能够以合乎成本效益的方式,快速地把失败的预测,扭转为成功的分析。
对数据科学来说,若要预测未来,最好的方式就是从失败的预测分析当中学习。