什么是决策科学？用数据驱动决策

CIO信息技术圈

译者：Mary Branscombe

编者按

重大决策自然科学是民营企业统计数据自然科学中最有意思的应用领域众所周知，但它须要正式成为组织机构所构筑的统计数据自然科学生态系的一小部分。

网络化结构调整的协力最终目标众所周知一般来说被叙述为“正式成为一间数据驱动力型子公司”。不论是数据挖掘、预估预测却是机器学习，采用主观统计数据而并非感性来驱动力重大决策都是民营企业愈来愈多谈及的热门话题。

考验许多。并并非大部份的小型组织机构都足够多灵巧地充分运用统计数据驱动力的重大决策，或是足够多熟练小规模搜集可信统计数据并明确提出恰当的难题。在本年度NewVantage Partners大统计数据科学研究中，绝大多数老总都期望透过统计数据作出更快的重大决策，但多于三分众所周知的老总指出她们的子公司保有统计数据驱动力的人文。

什么是决策科学？用数据驱动决策

统计数据并不能解决大部份难题。你的统计数据可能不会告诉你一个成功的产品可能会更快，因为统计数据会表明它已经成功了。

作出统计数据驱动力的重大决策就是明确提出恰当的难题，并保有恰当的统计数据来获得答案。下面你将全面了解所谓“重大决策自然科学”（或“重大决策智能”）。

甚么是重大决策自然科学？

Google重大决策智能负责人Cassie Kozyrkov将重大决策自然科学叙述为：将以前孤立的学科中的工具和观点结合起来，并将其应用于选项之间进行选择的各个方面，以减少基于事实，作出更高质量决策所需的行动。她写道：“它将应用统计数据自然科学、社会自然科学和管理自然科学的精华整合到一个统一的应用领域，来帮助人们采用统计数据改善生活、业务以及周围的世界。”

这与行为经济学（behavior economics）和计算机自然科学（computer science）与经济学（economics）的交叉应用领域EconCS有相似之处，前者是预估市场行为并采用激励机制来改变市场，后者是Microsoft用来设计Bing广告拍卖、Azure云定价和Xbox游戏营销的。

重大决策自然科学与统计数据自然科学

预估重大决策结果的这一方面是重大决策自然科学和统计数据自然科学之间的一个关键区别。

Microsoft高级首席科学研究员Greg Lewis解释说：“重大决策自然科学是将理论和统计数据结合起来，预估个人或组织机构作出改变环境的重大决策后会发生甚么。”它是帮助重大决策者找到恰当选择的水晶球。

Lewis说，另一方面，统计数据自然科学是预估如果你不采取任何措施来改变系统，接下来会发生甚么。“例如，统计数据自然科学可能被用来计算出，以目前的速度，一间商店的存货即将耗尽；但是重大决策自然科学将有助于决定是购买更多的存货并保持价格不变，却是提高价格以使目前的存货充足。”

尽管如此，LinkedIn统计数据自然科学总监Chi-Yi Kuan指出，重大决策自然科学仍然是统计数据自然科学的一小部分，直到最近他却是子公司的重大决策自然科学解决方案团队的负责人。他将其概括为“定量预测和用于指导和推动重大决策的技术”。

“在统计数据自然科学应用领域，我们做了许多工作来理解发生了甚么，历史是甚么——这就是叙述性预测。然后，诊断预测进行深入科学研究，以了解为甚么会发生这种情况。当我们变得更先进时，我们就可以做预估预测：未来会发生甚么？在流行术语中，我们称之为人工智能和机器学习的都是关于预估和预估的：规定性预测是关于甚么是最好的选择。

统计数据自然科学是要从原始统计数据转变为有意义的统计数据洞察；重大决策自然科学应用于为决策者提供的建议。“统计数据自然科学的工作是在生态系中作出更快的重大决策，帮助子公司成长。在重大决策自然科学中，重点只放在重大决策上，”他说。

什么是决策科学？用数据驱动决策

每个人的统计数据驱动力重大决策

重大决策自然科学的原则应该为管理人员所熟悉，因为它们已经被用于运营应用领域。但是从应用领域专家那里获得业务见解，这些专家根据她们的经验（和有限的统计数据量）提供建议，速度太慢，成本太高，无法用于每一个重大决策。Kuan表示，重大决策自然科学使利用实时统计数据的能力民主化。“我们想让它具有可扩展性。我们期望子公司的每个人都能作出统计数据驱动力的重大决策：这不仅仅是老总的事，而且是一个巨大的改变。”

这意味着不仅仅是保有一个统计数据自然科学团队。这意味着赋予人们采用统计数据进行重大决策的权力。Kuan说：“许多子公司都有称之为统计数据自然科学团队的队伍，但没有赋予她们权力，也不信任她们明确提出建议。”

他指出，除非你将统计数据转化为重大决策，否则统计数据是无用的。这意味着要授权给那些保有须要评估的统计数据和须要解决的业务难题的人们采用统计数据来帮助她们作出重大决策。

重大决策自然科学实例

Kuan提供了一长串适用于重大决策自然科学的示例：产品的A/B测试、营销活动绩效评估、销售客户生命周期智能，以及改善客户体验的客户服务机会。

结果可能并非一个单一的选择，而是一系列的选择：“在数字世界中，我们可以做大量的A/B测试，并对结果作出决定，”他说。LinkedIn的几乎每一个产品重大决策都会作为一个实验交付给一小部分用户，产品团队可以看到这些变化如何影响KPI和其他指标。

LinkedIn广泛应用重大决策自然科学，从寻找合适的电子邮件细分成员到客户支持，再到采用文本预测来了解成员反馈，再到新闻提要，它选择确保日常成员获得更多的曝光率，因为评论和喜欢对于她们与平台的接触，比她们对像Bill Gates和 Richard Branson这样的名人更重要。

员工会进行大量临时预测（ad-hoc analyse），看看是甚么推动特定业务指标发生变化；这些都可以透过预测门户网站获得，这样统计数据自然科学团队就可以花更多的时间进行由难题和假设驱动力的预测，这有助于业务团队作出重大决策。

重大决策自然科学是一个旅程

Kuan指出，作出决定后，统计数据自然科学还没有完成。他说：“作出重大决策后，统计数据自然科学之旅将继续衡量我们所从事的工作所产生的影响，以及我们从所作出的重大决策中学到的东西，并透过实验不断加以改进。”

这是与重大决策自然科学的另一大区别：“按照过去的方式，当你做决定时，它基本上已经完成了；你没有任何机会（在未来）改进，”Kuan说。“跟踪这些统计数据驱动力型重大决策的影响，使子公司有机会从失败中吸取教训并成长。”

但重大决策自然科学不仅适用于像LinkedIn这样的数字子公司。Lewis解释说，重大决策自然科学带给你的是一个更快的重大决策过程。

他说：“实践中重大决策自然科学的一个最好的例子是A/B实验的兴起，在这种实验中，组织机构系统地尝试两种不同的方法，看看哪种方法对客户的效果更快。”“这里的许多附加价值是，运行A/B实验会迫使团队澄清甚么是成功，甚么可能是她们现在所做工作的一个好的替代方案，并建立一个持续更新策略的流程。”

这样一来，您就不会陷入困境，即使您无法交付两种版本的产品，您仍然可以做到。Lewis说：“那时，基于现有客户统计数据的经济学，博弈论和因果机器学习将向前发展，以提供其他方式来预估如果选择了新的方向可能发生的事情。”

进入重大决策自然科学

重大决策自然科学并非你要做的，统计数据自然科学才是；它是你如何采用统计数据自然科学来指导组织机构重大决策的方式，它须要统计数据自然科学家和理解重大决策的人。

OnePath的CTOPatrick Kinsella说：“重大决策自然科学是统计数据自然科学成果的应用，并与利益相关者行为和难题的业务环境相结合。”实施重大决策自然科学须要的不仅仅是采用统计数据自然科学工具，这些工具可以从统计数据中创建模型、得出结论和预测结果。“组织机构必须确定能够评估重大决策行为影响的个人团队。这些人一般来说在透过组织机构结构调整、并购整合或重新定义核心价值观进行变革管理方面经验丰富。”

Kuan强调招聘不仅仅是为了统计数据自然科学方面的专业知识。LinkedIn的统计数据自然科学家须要统计专业知识，这样她们就可以设计实验，知道如何衡量她们是否成功。她们须要知道足够多多的机器学习，以便将业务难题形式化为机器学习难题，而不将相关性误指出因果关系。她们须要充分了解统计数据的业务背景，以便能够对其进行解释、清理并将其转换为可用的内容。她们须要能够展示她们的发现并解释它们是如何被创建的。

“我们的最终目标是从预测中获得洞察力，并有效地影响关键重大决策，从而推动业务影响，”Kuan解释道。

Lewis推荐了一个由经济学家、统计学家和统计数据自然科学家组成的团队模式。“经济学家找出须要衡量的东西，以便更快地了解下一步会发生甚么；统计学家弄清楚如何衡量的方法；统计数据自然科学家建立基础设施和工具，以便进行小规模、定期和可信的衡量。”

SADA的CTOMiles Ward说，也不要忘记基本要素。“如没得到验证，不可访问，也不容易查询，那么作出重大决策将是偶然的。所以，如果你还没到，就从这开始。”