這是當今商業世界（甚至可能是整個世界）中危害最大的謬見。正如我從前寫過，人類相信直覺有道理，但也確實常常出錯。在決定囚犯能否獲得行動自由方面，由人組成的假釋委員會遠遠比不上簡單明了的方程式；訓練有素的病理學家診斷乳腺癌的能力，比不過圖像分析軟件；采購專家挑選供應商的能力不如直接的計算規則；預測最高法院某一年案件投票結果時，美國頂尖法律學者敗給了一套靠數據作判斷的決策規則。

這樣的例子不勝枚舉。心理學家保羅·米爾（Paul Meehl）對人類專家和算法進行比較研究已有近60年，他的一句話可以總結這些無處不在的例子。他在職業生涯終點總結道：“社會科學展現出如此大體量的多樣的量化研究，得出的觀點空前地一致。當你縱覽上百項預測調查，從足球比賽到肝病診斷無所不包；當你已經幾乎想不出幾個能證明人類醫師具有微弱優勢的研究結果時，是時候作出一個面對現實的結論了。”

所謂“面對現實的結論”，就是我們應當把許多瑣碎且間接的決定、預測、診斷和判斷交給算法。對于這樣做是否會帶來更好的結果，答案已經無可爭辯。

面對這些證據，當代專家的典型回應是“我知道數據和分析的重要性，所以我作決策的時候參考了它們。”聽上去很對，但實際上錯得一塌糊涂。再強調一次，研究結果很清晰：當專家將自己的判斷用于數據驅動的算法或數學模型（換句話說，當他們再猜一次時），結果會比單用算法決策糟糕得多。社會學家克里斯·斯尼德斯（Chris Snijders）說：“你通常會以為，專家有了數據和分析作輔助，這種情況介于算法模型和專家個人判斷之間，應該能取兩者之長。但其實這樣還是遠不如單獨用數據模型做出的判斷。”

如果我們將輔助關系翻轉，讓專家輔助數據模型，而不是讓數據模型服務于專家決策，情況就會大為改觀。如果我們把專家的主觀看法量化、輸入數據模型，判斷質量通常會有所提升。因此，病理學家估計，癌癥發展階段的信息可以被輸入圖像分析軟件，法律學者對于最高法院會如何判決下個案子的預測將會提升模型的預測能力。如伊恩·艾瑞斯（Ian Ayres）在他的著作《超級咀嚼者》（Supercrunchers）中所言：“不是讓數據服務于專家的選擇，而是讓專家服務于數據機器。”

毫無疑問，對多數組織來說這將是一項艱難的轉變。如今大多做決策的人都認為自己非常善于決策，至少肯定比冷冰冰、一根筋的算法做得好。他們還認為，將大部分決策權轉交給機器，將削弱自己的權威和價值。第一條看法很明顯是錯誤的，第二條錯誤的程度大幅度降低。

那么，如果進行改變，專家和算法之間的大反轉真的會實現嗎？我們的機構、經濟和社會能從中獲益嗎？這需要透明、時間以及我們需要承擔后果。透明能夠讓人們看清“專家”的判斷有多差；時間讓這一新鮮事物傳播、沉淀；承擔后果讓我們極度小心，避免決策失誤，度過痛苦但又必不可少的轉變期。

商業世界中的競爭，尤其是與用數據武裝自己的對手的競爭，會讓較差的管理者品嘗決策失當的苦果。我不知道這一天會在什么時候到來，但我非常確定，由數據主導的企業，將從依舊仰賴人類專家的企業手中贏得市場份額、顧客和利潤。

轉載自

關于更多大數據相關資訊>>>

慧都年終盛典火爆開啟，一年僅一次的最強促銷，破冰鉅惠不容錯過！！優惠詳情點擊查看>>