经验比方法重要

一条直线，你能看出什么？从简单的表象，能够看到背后的本质，这是功夫。BI，花了很大精力在于如何将事物忠实地表现出来。做数据整合，做报表，做OLAP，做挖掘。首先保证原材料的真实，然后再从各个角度来观察表象。至于你能从这些表象分析出来什么东西，恐怕很难让BI告诉你，这是读者的功夫。

往往，换个角度就够了。不是所有的人都能如李寻欢那样，从郭嵩阳的尸体看出荆无命的剑招。也不像黑客帝国里面那些端坐在屏幕面前，看着绿色字符直往下落，就知道发生什么事情。

所以我想BI真正要用好是否应当将它当作是一种启发式工具呢？而并非宣传所言，你只要拥有某种BI工具，就会走向科学决策。它能够帮你发现新的观察角度，OLAP很明显是如此。本来我觉得数据挖掘应该是直接告诉人”知识”的，但其实不然，挖掘大多还是停留在发现新角度上面，最后要得到什么结论，需要”解读”。例如关联分析的结果并没有告诉你两种业务之间相互的关系，你得根据置信度、支持度，还得加上业务上的规则去理解。甚至这样的解读能够导致完全相反的结论，却都有道理。

从表象看本质，需要经验。小孩子看到表象就是表象，听到假话以为是真话，长大了，学习到了，原来表象后面隐藏着本质。你说这是智慧吗？不敢说，有时候觉得这种本事并非什么智慧，倒不如单纯一点，简单一点反而是大智慧。因此，前面说到需要的是”经验”。

经验这种东西，机器到现在还学不来。现在各种所谓”智能”仍然像个傻瓜，包括商业智能。

去年年底的时候，经常琢磨人究竟是如何分析问题的，或者说在一个业务领域里面，需要分析的问题能够分成哪些类型。这是方法层面的考虑，按照上面的说法，经验是分析问题所需要另一方面的东西。有些人没有什么具体的方法来分析问题，但有经验，这样就表现出来就像是直觉一样。当他看到一条曲线的时候，就会直截了当地关注到其中某一段关键点上去。别人问，你是怎么看出来的，他说，”直觉”。其实，他是经历过太多这类的事情，才获取经验了的，可能他自己都不知道为什么会那样判断，也没人教什么分析方法之类的。

而有些人没有经验也能分析问题，当然，分析的层面就不同。比如你分析一个商业问题，可以用人生的经验去类比，能分析个大概。对企业难题的分析，凭着社会经验，也能命中关键点。你说分析方法在这里面有多重要？先明确目标，再分门别类，再去芜存菁，似乎也只是一种”器”，工具而已。

如此看来，经验比方法重要。方法是固定的，可以学习的，易得。而经验是自己去经历的，不易得。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友