作者: Anne Fisher
时间: 2013年07月01日 来源:
财富中文网大数据的爆炸性增长是不是让你难以跟上公司里那些擅长数学的同事？没关系，现在出了一本新书可以帮助你。
比方说，你需要做出一项重要的战略决策，而分析师团队已精心建立了一个复杂的数学模型，它应该会告诉你往哪个方向走。问题是，即使数据科学家按照他们认为简单明了的表达方式阐述了他们统计算法的详细情况，你还是一窍不通。
不要惊慌。在一本题为《跟上量化分析师：了解与使用数据分析的指南》（Keeping Up with the Quants: Your Guide to Understanding + Using Analytics）的新书中，托马斯?达文波特与合著者金振浩（音译）试图就如何明智使用大数据向企业管理人员提供了建议，其中包括提出哪些问题，如何判断量化分析师是否真正理解他们旨在解决的业务问题。
麻省理工学院电子商务中心（the MIT Center for Digital Business）研究员、哈佛商学院（Harvard Business School）客座教授达文波特此前还曾出版过两本有关量化分析的著作。他在这本新书中引用了英国著名统计学家乔治?伯克斯下面这句名言：“所有的（数学）模型都是错误的,但其中有些模型是有用的。”更有用的是富有经验的管理者的直觉。 达文波特写道：“很少有企业管理人员在分析和直觉两方面都擅长。因此，我们的目标就是做出善于分析的决策，同时让管理人员的直觉发挥作用。”
举例而言，卡尔?肯普夫就认同这种看法。肯普夫是一位资深科学家，负责领导英特尔（Intel）的一个决策工程部门，他在公司的绰号是超级量化分析师（UberQuant）和首席数学家。即便如此，肯普夫依然认为，良好的量化决策“并不取决于数学。而是取决于决策人员与分析人员之间的合作关系。”达文波特指出：“如果被称为首席数学家的某个人声明这并不取决于数学，那么我们应该引起注意。”
《跟上量化分析师》引人入胜地详细叙述了英特尔及其他成功的公司——包括威瑞森移动公司（Verizon Wireless）、多伦多道明银行集团（TD Bank Group）及默克制药公司（Merck）——如何帮助管理人员和数据科学家加深彼此了解，从而实现有效合作。就英特尔而言，肯普夫把负责解决某个问题而资历较浅的“数学分析人员”与不擅长数学的人员一起派遣到海外，让他们聆听、学习及获得一些一般商业知识。
达文波特写道：“至多，正如新员工那样，分析人员经过培训后可以参与业务流程。肯普夫认为，衡量这方面培训成功的最低标准是数学分析人员自己认为自己理解了业务问题，而最高标准则是企业管理人员认为数学分析人员理解了业务问题。”
对于企业管理人员而言，他们可能需要复习代数学。达文波特写道：“比如，企业管理人员不必明白双曲型偏微分方程。（大家可以松口气了。）但复习课堂的白板上至少必须有一幅图表，下面列出这样的问题：‘由于A和X呈正相关关系，如果A上升，那么X的变化方向是什么？’” 他补充说：“与任何其他类型的模型一样，几个具体的例子（无论是历史、还是预想的例子）非常有用。”诸如饼分图和条形统计图等视觉辅助工具也是如此，在默克公司担任商业分析部门主管的帕特里克?摩尔最喜欢这类工具。
这本书最实用的特色之一，就是详细列出了一系列清单，明确了管理人员和量化分析师彼此应该预期从对方那里获得什么。 一个范例提示：“作为一个企业决策人员，如果你不明白某件事情的话，你应该礼貌地把这件事情退回原处，要求相关人员做出不同的或者更好的解释。”这或许似乎是显而易见的，但许多不擅长数学的人员怯于敦促相关人员做出澄清。
达文波特指出：“我们看到，在一些机构里，量化分析人员似乎喜欢让‘普通’企业管理人员觉得自己很愚蠢。他们会说类似如下这样的话 ‘你想必知道什么是回归分析吧？’或‘对不起，对我来说，卡方检验简直是太基本的常识了，实在是没有必要加以解释。”
达文波特主张，如果你听到这样的废话，那么很可能是你自己的过错。他写道，大多数数据分析人员都是“非常容易共事的人，然而在那些聘请了量化分析师、但在面临重要决策时又忽略他们的机构里，数据分析人员有时会出现态度问题，量化分析师和大多数人一样，当自己得到尊重时，就会尊重他人。” （财富中文网）
译者：iDo98
相关稿件
同事之间议论工资好不好按时上班，尊重同事和雇主职场防身术：搞定恶棍同事怎样做到休假还不招同事恨
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
