勇敢冒險比數據分析更有價值

「我們絕不向恐懼低頭，我們製造恐懼。」看《紙牌屋》時，我們被這句話震撼。

但Michelle Obama說的是：「你不能憑靠恐懼以及可能會發生之事來做決定。」

我們每個人每天都在做決策，大至企業間的併購案，小至中午的伙食選擇。每人每天都會接收到成千上萬條的信息與數據，有的候選人善用數據分析而打贏選戰，有的企業依據數據分析結果而找出明星商品。身處在數據時代的我們，究竟應該怎麼好好解讀「數據」所帶來的訊息？

德國數據科學專家Sebastian Wernicke博士在媒體、娛樂、電信、科技領域有豐富的顧問經驗，他利用數據科學協助客戶與投資者作出商業決策。以他觀察，像亞馬遜、谷歌這類大型頂尖數據公司雖然掌握大量數據並善於分析，還是會有出錯的時候。

以下為其TED演講視頻——

Sebastian Wernicke: How to use data to make a hit TV show

「數據分析並沒有想像中有效。除了擁有龐大的數據外，它並不總是跑出適當的結果。」Wernicke表示。換句話說，即使掌握了類似數據，並有強而有力的數據分析作為後盾，但仍可能因決策方式而出現迥異結果。

Amazon旗下一家電視製作公司Amazon Studio曾經利用免費試看功能，監督觀眾的收視行為與評分，利用大量收集而來的數據，以決定未來電視節目的走向。另一家提供影片服務的公司 Netflix，也同樣以現有的觀眾數據，深入了解所有觀眾的小細節與偏好，以找出下一個頂尖節目。

兩家公司都有相似的觀眾數據為分析基礎，並且設定了相同的目標：賣座。只是，最後結果卻不相同。Netflix製作出了人氣爆棚的《紙牌屋》，但Amazon卻只做出稍高於均值的內容，比如《狼堡奇人》。

你可能想問，為什麼？

Wernicke博士曾經歷過許多在數據分析上的掙扎，他也因而觀察到一個做出成功或不成功決策的「模式」——「當你要解決一個複雜問題時，基本上會做兩件事：拆分、再合併。」

數據與數據分析只適用於第一步驟「拆分」，意即它只能幫助人們分析問題及了解細節，它並不適用於將細節拿回來再整合。而要做到再合併，其實我們每個人都擁有此功能的工具——也就是我們的「大腦」。

以上述Netflix的成功案例而論，要做出拆合與製作賣座節目的決策，是數據無法替決策者決定的著，決策者做決策當下，正在承擔很大的風險。

反觀Amazon的做法，謹守「這是數據告訴我們的」，全程以數據來制定決策，雖然是個安全的做法（也能製作出中上的節目），但是卻不一定能有傑出表現。因為像這樣的理性決策，其缺點在於它假定有個最佳決策等著被發掘，而這樣的思考方式很難有突破性的發想。

以這兩個例子來看，越多的數據不見得會導向更好的決策，那麼我們該怎麼更聰明地使用數據？

「數據當然是做決策時的一個強大工具，但我相信，當數據開始主導這些決策時，事情也會開始出錯。不管它多麼強大，數據僅是一個工具。」Wernicke說道。

純粹以數據做決策所會發生的錯誤，起因於決策的難處不在於收集大量資料，而在是否在過程中有勇氣承擔決策的風險。如同電影《Joy》中，女主角堅毅又無畏的創業精神，讓她最終以暢銷的創新產品，改變了自己與家人的命運；又如Wernicke在結語所言，「在你以專家之姿做出決策並承擔風險時，到最後不是數據，而是風險，會帶你來到表現曲線的最右端。」

直面 「風險」，而非數據，才有機會引領你走向登峰造極。