譯者序 

　　數(shù)據(jù)分析已經(jīng)有多年的發(fā)展歷史了。從20世紀(jì)90年代早期的商務(wù)智能報(bào)表、多維分析等信息獲取類工具分析企業(yè)運(yùn)營(yíng)的問(wèn)題、預(yù)測(cè)業(yè)務(wù)發(fā)展趨勢(shì)，到最近10多年機(jī)器學(xué)習(xí)在工業(yè)界的大量成功應(yīng)用，尤其是大數(shù)據(jù)技術(shù)的興起，數(shù)據(jù)產(chǎn)生的速度和數(shù)據(jù)量前所未有，數(shù)據(jù)分析的方法和工具能力日新月異，企業(yè)對(duì)數(shù)據(jù)加工的深度和利用率獲得前所未有的提升。從數(shù)據(jù)中探查業(yè)務(wù)相關(guān)的信息和知識(shí)，并實(shí)現(xiàn)數(shù)據(jù)的價(jià)值，數(shù)據(jù)分析普遍成為各行各業(yè)企業(yè)競(jìng)爭(zhēng)的工具。 

　　數(shù)據(jù)分析是機(jī)器智能的基礎(chǔ)。就目前的數(shù)據(jù)收集、加工水平來(lái)看，數(shù)據(jù)分析并不是萬(wàn)能的。業(yè)務(wù)數(shù)據(jù)還存在著質(zhì)量問(wèn)題，機(jī)器學(xué)習(xí)的算法對(duì)含噪聲數(shù)據(jù)的處理效果并不理想。另外，盡管數(shù)據(jù)量增加迅速，但與業(yè)務(wù)領(lǐng)域有關(guān)的全量數(shù)據(jù)收集還比較困難，數(shù)據(jù)孤島還廣泛存在。在企業(yè)界，最近幾年頗有影響的深度學(xué)習(xí)算法在圖像識(shí)別、語(yǔ)音處理、語(yǔ)義理解等領(lǐng)域取得了引人注目的成績(jī)，機(jī)器智能在某些領(lǐng)域的表現(xiàn)超過(guò)人類，為人類的思維提供了有價(jià)值的信息和知識(shí)，輔助人類更好地解決問(wèn)題。但必須看到，機(jī)器智能基本還限制在模擬人的智能的層次，應(yīng)用范圍還有一定的局限。人類對(duì)自身大腦的結(jié)構(gòu)和思維機(jī)理認(rèn)識(shí)還在探索中。在這種情況下，人的思維或心智，尤其是在常識(shí)推理、創(chuàng)新性設(shè)計(jì)、基于情感的價(jià)值判斷等領(lǐng)域，機(jī)器智能還望塵莫及。而機(jī)器在統(tǒng)計(jì)推理、大規(guī)模計(jì)算等方面遠(yuǎn)超過(guò)人類，可以幫助人們發(fā)現(xiàn)一些有用的信息和模式。人的心智和機(jī)器智能結(jié)合（后文稱為人機(jī)共生）將會(huì)大大提升業(yè)務(wù)決策的質(zhì)量。因此，如何結(jié)合機(jī)器智能與人的思維能力來(lái)改善企業(yè)各層人員的決策能力就成為一個(gè)重要的問(wèn)題。 

　　本書(shū)分為三個(gè)部分，分別闡述在結(jié)合人的心智和機(jī)器智能過(guò)程中如何避免數(shù)據(jù)分析的錯(cuò)誤認(rèn)識(shí)、實(shí)現(xiàn)人機(jī)共生的機(jī)會(huì)以及主要方法。 

　　首先針對(duì)人機(jī)共生（mind+machine）的問(wèn)題，總結(jié)了在業(yè)界流行的一些常見(jiàn)偏見(jiàn)，它們會(huì)阻礙人們充分利用數(shù)據(jù)分析。這些對(duì)數(shù)據(jù)分析的謬誤性認(rèn)識(shí)，存在于很多企業(yè)中。這些認(rèn)識(shí)包括對(duì)大數(shù)據(jù)分析的過(guò)度崇拜、數(shù)據(jù)量的大小對(duì)分析結(jié)果的影響、數(shù)據(jù)治理、數(shù)據(jù)分析團(tuán)隊(duì)、組織重組對(duì)數(shù)據(jù)分析的影響、知識(shí)管理對(duì)分析用例投資回報(bào)率的影響、機(jī)器智能的能力高估、數(shù)據(jù)分析項(xiàng)目的風(fēng)險(xiǎn)等方面。對(duì)于成功的數(shù)據(jù)分析項(xiàng)目，如何避免這些問(wèn)題、培養(yǎng)正確的數(shù)據(jù)思維和數(shù)據(jù)價(jià)值觀，作者都給出了詳細(xì)的討論。 

　　機(jī)器智能和人的心智各有所長(zhǎng)，互為補(bǔ)充，因此人機(jī)共生是未來(lái)數(shù)據(jù)分析的最好方式，這在很多行業(yè)的應(yīng)用中都得到了證明。第二部分討論了為人機(jī)共生帶來(lái)有利機(jī)會(huì)的13個(gè)趨勢(shì)，從云計(jì)算與移動(dòng)應(yīng)用、物聯(lián)網(wǎng)的應(yīng)用、知識(shí)環(huán)的監(jiān)管、多客戶端應(yīng)用、數(shù)據(jù)隱私保護(hù)、共享經(jīng)濟(jì)、知識(shí)管理、工作流與自動(dòng)化、人機(jī)交互、外包合作等方面討論了促進(jìn)人機(jī)共生的手段。對(duì)于需要開(kāi)展數(shù)據(jù)分析的企業(yè)而言，這些手段對(duì)充分利用上述這些前所未有的機(jī)會(huì)，提升數(shù)據(jù)分析項(xiàng)目的成功率，實(shí)現(xiàn)數(shù)據(jù)的變現(xiàn)價(jià)值，都具有重要的參考價(jià)值。 

　　針對(duì)上述問(wèn)題，第三部分采用用例的方法，列舉了實(shí)現(xiàn)人機(jī)共生的15種典型的方法，涉及人機(jī)共生的分析用例方法、知識(shí)環(huán)的規(guī)劃、基于問(wèn)題樹(shù)的數(shù)據(jù)選擇、工作流的正確使用、終端用戶的服務(wù)、用戶體驗(yàn)的指導(dǎo)原則、成功的知識(shí)管理規(guī)則、心智的相容、知識(shí)產(chǎn)權(quán)與知識(shí)對(duì)象、用例組合的治理、用例的交易與共享等方法，這些方法為企業(yè)如何利用機(jī)器智能、提升人的決策能力，給出了比較實(shí)用的啟發(fā)。 

　　本書(shū)不是一本關(guān)于數(shù)據(jù)分析的技術(shù)書(shū)籍，沒(méi)有復(fù)雜枯燥的算法、工具和系統(tǒng)介紹，但對(duì)于企業(yè)管理人員深入認(rèn)識(shí)數(shù)據(jù)分析在企業(yè)決策中的作用、避免一些導(dǎo)致數(shù)據(jù)分析項(xiàng)目失效的錯(cuò)誤認(rèn)識(shí)、提升業(yè)務(wù)決策中利用機(jī)器智能的效果，提供了數(shù)據(jù)思維以及方法論的指導(dǎo)。本書(shū)是作者多年實(shí)踐的領(lǐng)悟以及經(jīng)驗(yàn)總結(jié)，比較適合關(guān)注、領(lǐng)導(dǎo)數(shù)據(jù)分析項(xiàng)目的管理人員，或者對(duì)數(shù)據(jù)分析有興趣的人士閱讀參考。 

　　本書(shū)翻譯過(guò)程中王景韜、齊梓熙、趙洪博、朱榮斌、于召鑫、黃黎明、胡遠(yuǎn)文等同學(xué)幫助校對(duì)了部分書(shū)稿，在此表示感謝。由于譯者水平有限，原書(shū)語(yǔ)言也有一定難度，難免存在不妥之處，請(qǐng)讀者不吝指出。 

　　趙衛(wèi)東 

　　2017年10月 

　　復(fù)旦大學(xué) 

　　前言 

　　感謝你購(gòu)買(mǎi)這本書(shū)。 

　　2015年，在研究和分析領(lǐng)域工作15年之后，我們決定創(chuàng)立采用人機(jī)共生概念的Evalueserve公司。我相信，人類大腦的感知力與自動(dòng)化的結(jié)合是至關(guān)重要的，因?yàn)闊o(wú)論是人的心智還是機(jī)器，在未來(lái)都沒(méi)有獨(dú)立處理復(fù)雜的分析任務(wù)的能力。 

　　JohnWiley&Sons的編輯小組在2015年11月與我聯(lián)系，詢問(wèn)我是否愿意寫(xiě)一本關(guān)于人機(jī)共生方法如何幫助管理信息密集流程的書(shū)籍——這是一個(gè)全世界公司都越來(lái)越感興趣的話題。我從客戶、朋友和同事那里獲得了非常積極的反饋意見(jiàn)，并決定開(kāi)始實(shí)施。 

　　本書(shū)面向銷售、營(yíng)銷、采購(gòu)、研發(fā)、供應(yīng)鏈等主流業(yè)務(wù)的中高層管理人員，尤其是B2B和B2C行業(yè)的管理人員，即讀者對(duì)象是數(shù)據(jù)分析的潛在受益者和終端用戶，以及可能需要在現(xiàn)在或?qū)��?lái)根據(jù)分析結(jié)果做出決策的人。這本書(shū)并不是針對(duì)數(shù)據(jù)科學(xué)家的技術(shù)文檔——盡管如此，我堅(jiān)信，即使是那些專家也可以從分析中理解獲得投資回報(bào)的主要問(wèn)題。 

　　本書(shū)不會(huì)研究特別高級(jí)且罕見(jiàn)的分析用例，針對(duì)這些用例已經(jīng)有專門(mén)的教科書(shū)。相反，本書(shū)正在尋找有效的方式，為管理和改善決策以及獲得積極的投資回報(bào)提供實(shí)際的幫助。 

　　閱讀本書(shū)后，你應(yīng)該已經(jīng)了解分析領(lǐng)域人機(jī)共生價(jià)值鏈的關(guān)鍵問(wèn)題，并能夠向數(shù)據(jù)科學(xué)家、IT專家和供應(yīng)商詢問(wèn)正確的問(wèn)題。在你為一個(gè)新提案花費(fèi)數(shù)百萬(wàn)美元之前，應(yīng)該了解可用的選擇和方法。你將會(huì)學(xué)到一些有用的東西來(lái)揭示分析世界。 

　　本書(shū)還提出了一種新穎的方法，即用例方法（UseCaseMethodology，UCM），以提供一套有形和經(jīng)過(guò)測(cè)試的工具，使你的生活更輕松。 

　　本書(shū)采用39個(gè)詳細(xì)的用例和大量的生活實(shí)例說(shuō)明人機(jī)共生的應(yīng)用。相信你會(huì)從中發(fā)現(xiàn)自己的一些經(jīng)驗(yàn)。你會(huì)發(fā)現(xiàn)，你絕非世上唯一在試圖理解和學(xué)習(xí)數(shù)據(jù)分析的人。 

　　正是以下這兩段對(duì)話，讓我想用這些點(diǎn)子來(lái)解決世界各地的分析問(wèn)題。 

　　一家B2B公司的高級(jí)生產(chǎn)經(jīng)理對(duì)我說(shuō)的第一句話就是： 

　　“Marc，這次會(huì)議是關(guān)于大數(shù)據(jù)的嗎？如果是的話，我這就走。供應(yīng)商說(shuō)我必須安裝一個(gè)數(shù)據(jù)湖，并且雇傭大量稀缺且昂貴的統(tǒng)計(jì)學(xué)家和數(shù)據(jù)科學(xué)家。董事會(huì)說(shuō)我必須在大數(shù)據(jù)方面做一些事情。但這實(shí)在是價(jià)格高且復(fù)雜，毫無(wú)道理。我只是想確保一線人員能及時(shí)獲得他們需要的東西。我不斷聽(tīng)到其他公司的反饋，在數(shù)據(jù)分析項(xiàng)目初步開(kāi)展以后，他們不能適應(yīng)這些分析項(xiàng)目，業(yè)務(wù)人員一直在抱怨工作進(jìn)度慢，首席財(cái)務(wù)官也在詢問(wèn)許多關(guān)于大數(shù)據(jù)方面財(cái)務(wù)支出的問(wèn)題�！� 

　　在一場(chǎng)與某家資產(chǎn)管理公司的首席運(yùn)營(yíng)官（COO）確定項(xiàng)目范圍的會(huì)議期間，這位COO說(shuō)： 

　　“我們每年都為養(yǎng)老基金和其他機(jī)構(gòu)投資者做數(shù)千個(gè)推銷活動(dòng)。我們擁有超過(guò)25種不同的數(shù)據(jù)來(lái)源，具有定量數(shù)據(jù)和定性信息以及許多區(qū)域性數(shù)據(jù)。但是，我們?nèi)匀辉谑謩?dòng)聚集所擁有的資產(chǎn)，并通過(guò)電子郵件完成法律部門(mén)的簽發(fā)程序。一定有比這更聰明的辦法�！� 

　　為什么數(shù)據(jù)分析的爭(zhēng)議頗多，挑戰(zhàn)很大？為什么管理者會(huì)因?yàn)檫^(guò)于夸張且陌生的新舉措和流程而感到厭煩，以及因?yàn)闆](méi)有更好的方式來(lái)完成工作而感到沮喪（盡管所有的變化都涉及更好、更大和更機(jī)智的分析）呢？ 

　　典型的直線經(jīng)理希望以正確的格式在合適的時(shí)間為合適的人提供正確的決策支持。個(gè)人和公司全力以赴地吸收信息的能力并沒(méi)有跟上分析用例和可用數(shù)據(jù)的迅速增長(zhǎng)。此外，現(xiàn)有的和新的合規(guī)性要求正在以驚人的速度累積，特別是在重點(diǎn)監(jiān)管行業(yè)，例如金融服務(wù)和醫(yī)療保健。 

　　分析本身并不是真正的問(wèn)題。在大多數(shù)情況下，組織內(nèi)部的業(yè)務(wù)運(yùn)籌才是問(wèn)題：對(duì)工作流進(jìn)行定義并有效地執(zhí)行，即對(duì)內(nèi)部調(diào)整、IT項(xiàng)目的操作復(fù)雜性以及其他阻礙進(jìn)展的組織性障礙的決策。這些復(fù)雜情況會(huì)拖慢進(jìn)程，或者使項(xiàng)目脫離最初的目標(biāo)，從而導(dǎo)致分析的實(shí)際受益人（例如大客戶經(jīng)理，或者實(shí)地采購(gòu)經(jīng)理）不能及時(shí)得到所需。 

　　許多其他問(wèn)題困擾著分析界：“數(shù)據(jù)湖”和“神經(jīng)網(wǎng)絡(luò)”這些非直觀術(shù)語(yǔ)的擴(kuò)散、數(shù)據(jù)分析心理的時(shí)常忽視，由此促使公司過(guò)度執(zhí)著于數(shù)據(jù)力量，并且將實(shí)際操作過(guò)于復(fù)雜化，以及過(guò)度的市場(chǎng)炒作導(dǎo)致技術(shù)無(wú)法實(shí)現(xiàn)承諾。 

　　基于與數(shù)百個(gè)Evalueserve公司的客戶以及前同事在戰(zhàn)略咨詢領(lǐng)域的交流，一般管理人員對(duì)于簡(jiǎn)化框架的需求越來(lái)越迫切，使得信息密集型的決策支持過(guò)程更加經(jīng)濟(jì)且有效。簡(jiǎn)單流程總是優(yōu)于復(fù)雜和不透明的流程——分析領(lǐng)域也不例外。 

　　我想揭示分析的真諦。據(jù)觀察，大數(shù)據(jù)和人工智能等術(shù)語(yǔ)在媒體中正受到高度關(guān)注，以至于最為基本的日常分析主題被忽視，例如，問(wèn)題定義、數(shù)據(jù)收集、數(shù)據(jù)清理、數(shù)據(jù)分析、可視化、傳播以及知識(shí)管理等主題，我將從這個(gè)觀察出發(fā)進(jìn)行論述。將大數(shù)據(jù)應(yīng)用于每個(gè)分析問(wèn)題就像采用一種高度精確的廚具，例如一種精細(xì)平衡的壽司刀，并嘗試將其應(yīng)用于每一項(xiàng)任務(wù)。雖然在好幾個(gè)領(lǐng)域出現(xiàn)了非常有用的大數(shù)據(jù)用例，但是它們?cè)跀?shù)十億的分析用例中僅占5%。 

　　其他95%的用例是什么？小數(shù)據(jù)。有這么多分析用例需要小數(shù)據(jù)來(lái)產(chǎn)生很大影響，這實(shí)在是不可思議。在所有表明這一問(wèn)題的用例中，我最喜歡的一個(gè)用例是，僅依靠800位數(shù)據(jù)信息就為一家投資銀行每年節(jié)省了一百萬(wàn)美元的重復(fù)投資。第一部分將詳細(xì)討論這個(gè)用例。 

　　的確，并不是每一個(gè)用例都是這樣，但是我想說(shuō)明一點(diǎn)，企業(yè)有很多機(jī)會(huì)利用非常簡(jiǎn)單的工具來(lái)分析現(xiàn)有的數(shù)據(jù)，并且投資回報(bào)率與數(shù)據(jù)集大小之間幾乎沒(méi)有相關(guān)性。 

　　本書(shū)專注于端對(duì)端的支持決策或產(chǎn)生基于信息的輸出的信息密集流程，例如推銷員的宣傳或者研究以及數(shù)據(jù)產(chǎn)品，無(wú)論是對(duì)內(nèi)部接受者，還是外部客戶。這包括所有類型的數(shù)據(jù)和信息：定性和定量；金融、商業(yè)和運(yùn)營(yíng)；靜態(tài)和動(dòng)態(tài)；大量和少量；結(jié)構(gòu)化和非結(jié)構(gòu)化。 

　　人機(jī)共生的概念通過(guò)人類思維與機(jī)器的結(jié)合改善了生產(chǎn)率、上市時(shí)間和質(zhì)量，或者創(chuàng)造了以前不存在的新功能。本書(shū)并不涉及物質(zhì)產(chǎn)品的生產(chǎn)，也不關(guān)注工業(yè)4.0模式中對(duì)實(shí)物機(jī)器或者機(jī)器人的使用。此外，本書(shū)將研究全面的端對(duì)端分析價(jià)值鏈，這遠(yuǎn)遠(yuǎn)超出了解決分析問(wèn)題或獲得某些數(shù)據(jù)的范圍。最后，會(huì)討論如何確保分析協(xié)助人們賺錢(qián)，并滿足客戶需求。 

　　第一部分將研究分析領(lǐng)域的當(dāng)前狀況，澄清那些混淆正確看法的12個(gè)謬誤。令人驚訝的是，這些謬誤在媒體甚至高級(jí)管理層都已經(jīng)根深蒂固。希望第一部分能為你提供工具，用以應(yīng)對(duì)營(yíng)銷炒作、達(dá)到高級(jí)管理層的期望，以及理解該領(lǐng)域的術(shù)語(yǔ)。第一部分還包含前面提過(guò)的800位數(shù)據(jù)的用例。相信你已經(jīng)迫不及待地想要閱讀細(xì)節(jié)了。 

　　第二部分將研究影響分析和推動(dòng)積極變化的主要趨勢(shì)。這些趨勢(shì)對(duì)于該領(lǐng)域的大多數(shù)用戶和決策者來(lái)說(shuō)基本上是一個(gè)好消息。它大幅簡(jiǎn)化了流程，由此降低了IT支出，縮短了開(kāi)發(fā)周期，并增強(qiáng)了用戶界面，為可盈利的新用例建立了基礎(chǔ)。這一部分主要研究以下重要問(wèn)題： 

　　物聯(lián)網(wǎng)、云技術(shù)和移動(dòng)技術(shù)發(fā)生了什么？ 

　　這將如何推動(dòng)新的數(shù)據(jù)、新的用例和新的交付模式？ 

　　數(shù)據(jù)資產(chǎn)、替代數(shù)據(jù)和智能數(shù)據(jù)的增長(zhǎng)速度有多快？ 

　　終端用戶快速變化的期望到底是什么？ 

　　人機(jī)應(yīng)該如何相互支持？ 

　　現(xiàn)代工作流管理和自動(dòng)化讓事情加快了嗎？ 

　　現(xiàn)代用戶體驗(yàn)設(shè)計(jì)如何改善影響？ 

　　類似“現(xiàn)收現(xiàn)付”這樣的商業(yè)模型與分析如何相關(guān)？ 

　　監(jiān)管環(huán)境如何影響分析計(jì)劃？ 

　　第三部分將介紹人機(jī)共生中的最佳實(shí)踐。這一部分將通過(guò)用例方法（UCM）來(lái)分析端對(duì)端的價(jià)值鏈，重點(diǎn)關(guān)注如何完成任務(wù)。你將發(fā)現(xiàn)如何設(shè)計(jì)和管理個(gè)人用例的實(shí)用建議，以及如何管理用例的組合。 

　　本書(shū)還會(huì)解決一些關(guān)鍵問(wèn)題： 

　　什么是分析用例？ 

　　我們應(yīng)該如何考慮客戶的利益？ 

　　用例的正確分析方法是什么？ 

　　我們需要哪種程度的自動(dòng)化？ 

　　我們?nèi)绾卧诤线m的時(shí)間以合適的形式滿足終端用戶？ 

　　我們?nèi)绾螠?zhǔn)備應(yīng)對(duì)合規(guī)性的必然檢查？ 

　　我們從哪里可以獲得外部幫助，什么是實(shí)際成本和時(shí)限期望？ 

　　我們?nèi)绾沃赜糜美�，以縮短開(kāi)發(fā)周期并提高投資回報(bào)率？ 

　　然而，僅僅關(guān)注個(gè)別用例是不夠的，還應(yīng)該放眼整體用例組合的管理。因此，這一部分還將回答以下問(wèn)題： 

　　我們?nèi)绾螌ふ矣美�，并�?duì)其劃分優(yōu)先順序？ 

　　需要什么層次的監(jiān)管以及如何設(shè)置？ 

　　在用例組合中，我們?nèi)绾伟l(fā)現(xiàn)用例之間的協(xié)同效應(yīng)，并重用它們？ 

　　我們?nèi)绾未_定它們實(shí)際上提供了預(yù)期的價(jià)值和投資回報(bào)率？ 

　　我們?nèi)绾喂芾聿⒅卫碛美�組合？ 

　　在第三部分的最后，你應(yīng)該能夠解決人機(jī)共生的主要問(wèn)題，這涉及單個(gè)用例，也包括用例組合。 

　　本書(shū)使用了大量通俗用語(yǔ)來(lái)解釋問(wèn)題，避免過(guò)多的專業(yè)用語(yǔ)。其中一些表達(dá)可能有些唐突，但是我希望這些表達(dá)使閱讀變得有趣，讓對(duì)邏輯要求很高的分析主題輕松化。如果在閱讀本書(shū)的過(guò)程中讀者能被逗笑幾次，那么我的目的就達(dá)到了。 

　　我很開(kāi)心能和讀者一起暢游人機(jī)共生的世界，感謝大家選擇我作為向?qū)�。讓我們開(kāi)始吧！