606
gooseeker集搜客
大數據的問題05：點球成金——數據流PK球探，誰更重要？
上個故事《蓋洛普抽樣的成功——大小之爭》 展示了大數據和小數據的PK，誤差和偏差再次刺痛了我們大數據工作者的心。看今天的故事也許可以溫暖一下我們受傷的心，數據及數據分析和分析師PK，讓你找到勇士的感覺：數據分析隻是我手中的劍而已。
點球成金——數據流PK球探，誰更重要？
《點球成金》(Moneyball)又是一例數據分析的經典故事：
長期以來，美國職業棒球隊的教練們依賴慣例規則是，依據球員的“擊球率（Batting Average, AVG)”（其值等於安打數／打數），來挑選心儀的球員。而奧克蘭“運動家球隊”的總經理比利·比恩（Billy Beane）卻另辟新徑，采用上壘率指標(On-Base Percentage, OBP)來挑選球員，OBP代表一個球員能夠上壘而不是出局的能力。采用上壘率來選拔人才，並非毫無根據。通過精細的數學模型分析，比利·比恩 發現，高“上壘率”與比賽的勝負存在某種關聯（correlation），據此他提出了自己的獨到見解，即一個球員怎樣上壘並不重要，不管他是地滾球還是三跑壘，隻要結果是上壘就夠了。在廣泛的批評和質疑聲中，比恩通過自己的數據分析，創立了“賽伯計量學”（Saber metrics）。
據此理論，比恩依據“高上壘率”選取了自己所需的球員，這些球員的身價遠不如其他知名球員，但比利·比恩卻能帶領這些球員在2002年的美國聯盟西部賽事中奪得冠軍，並取得了20場連勝的戰績。
這個故事講得是數量化分析和預測對棒球運動的貢獻，吳甘沙先生認為，它在大數據背景下出現了傳播的誤區：
第一，它頻繁出現在諸如舍恩伯格《大數據時代》之類的圖書中，其實這個案例並非大數據案例，而是早已存在的數據思維和方法。在“點球成金”案例中的數據，套用大數據的4V特征，基本上，無一符合。
第二，《點球成金》無論是小說，還是拍出來的同名電影，都刻意或無意忽略了球探的作用。從讀者/觀眾的角度來看，奧克蘭“運動家球隊”的總經理比利·比恩完全運用了數據量化分析取代了球探。而事實上，在運用這些數據量化工具的同時，比恩也增加了球探的費用，“軍功章裏”有數據分析的一半，也有球探的一半。
目前的大數據時代，就有這麼兩個流派，一派是技術主導派，他們提出“萬物皆數”，要麼數字化，要麼死亡（孫正義在對日本企業界的演講上所言），他們認為技術在決策中占有舉足輕重地作用。另一派是技術為輔派，他們認為，技術僅僅是為人服務的，屬於為人所用的眾多工具的一種，不可誇大其作用。
針對《點球成金》這個案例，比利·比恩的擁躉者就屬於“數據流黨”，而更強調球探作用的則歸屬於“球探黨”。
球探黨Bill Shanks在其所著的《球探的榮耀：論打造王者之師的最勇敢之路》（Scout’s Honor: The Bravest Way To Build A Winning Ball-team）中，對數據流黨的分析做出了強有力地回應。他認為，球探對運動員定性指標(如競爭性、抗壓力、意誌力，勤奮程度等)的衡量，是少數結構化數據（如上壘率等）指標無法量化刻畫的。
和《點球成金》觀點針鋒相對的是，Bill Shanks更認可球探的作用，他把球探的作用命名為“勇士”哲學。對於勇士來說，數據分析隻是眾多“刀槍棍棒”兵刃中的一種，無需奉之如圭臬，真正能“攻城略地”的還是需要勇士。比如說，運動家棒球隊雖然在數據分析的指導下，獲得了震驚業界的好成績，然而他們並沒有取得季後賽的勝利，也沒有奪取世界冠軍，這說明，數據分析雖重要，但人的作用更重要！
從第01故事的分析中，我們知道，大數據分析的第一層作用就是，麵向過去，發現潛藏在數據表麵之下的曆史規律或模式，也就是說達到描述性分析。而為了讓讀者相信數據分析的能力，灌輸一些“心靈雞湯（或稱洗腦）”，是少不了的，哪怕它是假的！
下個故事：大數據預測得準嗎？全文：深度|十個段子反思大數據
最後更新：2017-01-09 14:08:07