曹永誠：數(shù)據(jù)是新能源但不是多多益善

數(shù)據(jù)至少得有三個(gè)條件才具備有效性，也才能產(chǎn)出效益

文：曹永誠

發(fā)布時(shí)間： 2019-05-09 18:59:00

『數(shù)據(jù)』的身價(jià)近年來不斷飆升，受人矚目的程度也達(dá)到顛峰，它被無限上綱的重視，甚至被比喻成新能源。社會(huì)大眾對(duì)數(shù)據(jù)的蒐集也產(chǎn)生無比的興趣，以為數(shù)據(jù)就像礦石一樣，可以煉出黃金，可以賺很多很多錢。

總覺得數(shù)據(jù)越多越好，好像這是一種財(cái)富，要盡可能蒐集與儲(chǔ)存，但其實(shí)這想法半對(duì)半錯(cuò)，固然『有效的』數(shù)據(jù)可以產(chǎn)出很高的價(jià)值。無奈的是，大部分的數(shù)據(jù)都不具備有效性。

?因?yàn)槲以鴰ьI(lǐng)團(tuán)隊(duì)做數(shù)據(jù)分析，著實(shí)做出不少有效的實(shí)際案例。

因此研討會(huì)後就常有工廠的人跑來問我，說他們公司的資料庫已經(jīng)累積了三年以上好多G的數(shù)據(jù)，有沒有機(jī)會(huì)可以幫他們做大數(shù)據(jù)分析，讓這些數(shù)據(jù)產(chǎn)出價(jià)值。因?yàn)檫@些數(shù)據(jù)每年都得花掉很多錢供養(yǎng)，包括買硬體、備份以及維護(hù)人員等，卻總是看不到價(jià)值產(chǎn)出。但若說要把數(shù)據(jù)殺掉，卻也不敢，所以就這樣繼續(xù)耗著。

?其實(shí)這種狀況我很常遇到，很可惜的是，我只能無奈的回覆: 『靠運(yùn)氣囉』。為何耗資供養(yǎng)的大量數(shù)據(jù)，竟然落到供養(yǎng)很貴卻又不敢殺掉的泥沼呢? 那是因?yàn)閿?shù)據(jù)要能符合有效性，至少必須先具備三個(gè)條件。

?首先是，想要運(yùn)用數(shù)據(jù)產(chǎn)出某價(jià)值，則影響它的必要因子都得齊備才行 (相關(guān)性因子也行)。

例如，想預(yù)測(cè)機(jī)臺(tái)烤箱的健康程度，假設(shè)影響因子有三個(gè): 溫度、電流、氣壓，那麼三者的數(shù)據(jù)就都得齊備才行。缺了任何一個(gè)，無論後續(xù)用什麼演算法或軟體，都無法建立數(shù)學(xué)模型來產(chǎn)出價(jià)值。這好比打麻將需要四個(gè)人，三缺一的話，根本沒辦法打，並不能打3/4 (75%)的麻將。也常有人問我，那該怎麼辦? 能不能把數(shù)據(jù)補(bǔ)回??

我大概都會(huì)笑笑的告訴他『是有機(jī)會(huì)，但得向哆啦A夢(mèng)借時(shí)光機(jī)回到過去才行』。其實(shí)，逝者已矣，來者可追，請(qǐng)別再為錯(cuò)過太陽而流淚，不然你也將錯(cuò)過群星，還是盡快改善數(shù)據(jù)蒐集的系統(tǒng)或安裝新感測(cè)器吧!

?當(dāng)然，工廠可以產(chǎn)出價(jià)值的項(xiàng)目很多。當(dāng)您的數(shù)值欄位很多，或許也可以用暴力法多方嘗試，說不定可以產(chǎn)出一些剛好因子齊備的成果。只不過這是亂槍打鳥，得靠運(yùn)氣。

但在最初期剛開始嘗試大數(shù)據(jù)時(shí)，由於缺乏經(jīng)驗(yàn)與專業(yè)，就有可能所蒐集到的數(shù)據(jù)因?yàn)檫\(yùn)氣很背，每一種數(shù)學(xué)模型都建構(gòu)不起來。遇到這種情況請(qǐng)別氣餒，在做大數(shù)據(jù)分析之前的數(shù)據(jù)蒐集，也是得花學(xué)費(fèi)持續(xù)回饋修正與改善，希望看到此文的老闆們也能夠理解這事實(shí)。