“數(shù)據(jù)、市場營銷、跨界、開腦洞”

《涅槃經(jīng)》講：“業(yè)有三報，一現(xiàn)報，現(xiàn)作善惡之報，現(xiàn)受苦樂之報；二生報，或前生作業(yè)今生報，或今生作業(yè)來生報；三速報，眼前作業(yè)，目下受報?！蔽覀兠靼琢藰I(yè)有三報的道理，不僅知道干壞事作惡之人，終有報應(yīng)，而且能真正做到多行善積德，不干壞事的而終得福報的結(jié)果。

做數(shù)據(jù)分析工作也類似，有些事情影響很快、很廣，所以我們很容易觀察到他們之間的因果關(guān)系；然而有些事情產(chǎn)生的原因或是相應(yīng)的結(jié)果是在不同的時空，那么要觀察他們之間的關(guān)系就相對不容易。因為不容易，所以研究人員就會傾向放棄。近年來很火的一本書《大數(shù)據(jù)時代》，里面不也提到：在大數(shù)據(jù)時代知道“是什么”就夠了，不需要知道“為什么”。這樣的提議，讓我這一個從事研究分析的的老兵感到不安。接下來，想從心理學(xué)和統(tǒng)計學(xué)的角度來簡單討論一下，為什么我還是希望大家多去研究因果，而不要只看相關(guān)。

找原因是人類高級智慧活動的重要表現(xiàn)。亞里士多德是古希臘自然哲學(xué)的集大成者，其著名的“四因說”就是在說明事物形成的原因。四因里面有一個“目的因”說的是：事物的存在總有它的目的，會不斷的向目的演化。如果說一件事物的存在是沒有目的，那是亞里士多德不能接受的。所以，當(dāng)我們做數(shù)據(jù)分析的時候，我們說這兩個數(shù)據(jù)存在統(tǒng)計學(xué)上的相關(guān)，但是沒有問為什么，沒有歸因分析，我想這也是多數(shù)人無法接受的。

以著名的“尿布與啤酒”為例，這是一個大數(shù)據(jù)分析的案例，按照只要相關(guān)不要因果的說法，商場只要跟著數(shù)據(jù)的結(jié)果做就行了，不要研究為什么。但是這畢竟違背常理，所以還是有人去研究為什么。主要是因為那段時間都是爸爸去買尿布，所以買了尿布就順手拿了啤酒。這個原因分析十分有價值，讓我們清楚知道：如果這個市場是媽媽去買尿布，那么肯定就不能把啤酒放在旁邊。要是沒有這個原因分析，貿(mào)然的建議客戶執(zhí)行這樣的擺放策略，可想而知，在美國以外的國家，其結(jié)果一定不如預(yù)期。

統(tǒng)計學(xué)上的“相關(guān)”會面臨兩個問題，第一個是虛假相關(guān)。數(shù)據(jù)的觀察上，我們會發(fā)現(xiàn)：冰淇淋融化、柏油路變軟、路上昏倒的人變多，這三個變量有高相關(guān)。還是按照只要相關(guān)不要因果的說法：要減少路上昏倒的人，我們要做的事就是生產(chǎn)不融化的冰淇淋，或是讓柏油路變得更硬。當(dāng)然，我們一眼就能看出這些舉措是沒有效果的。這三件事有個共同的原因，就是氣溫升高了。為了讓昏倒的人減少，我們應(yīng)該要提醒民眾注意避暑。

第二個問題是顯著性檢驗的問題。從數(shù)學(xué)上來看，當(dāng)你的數(shù)據(jù)量十分龐大的時候，你做任何的顯著性檢驗都會得到顯著的結(jié)果，也就是說，萬物皆有關(guān)系。依照目前多數(shù)企業(yè)數(shù)據(jù)收集的能力，數(shù)學(xué)上發(fā)現(xiàn)相關(guān)是一種常態(tài)。但是就像前面的例子，多數(shù)情況下，只看相關(guān)不能解決問題。

從顯著性檢驗衍生出來的還有模型過度擬合(overfitting)的問題。由于數(shù)據(jù)量的龐大，所以在建模時很容易找到相關(guān)的變量放入模型里，造成的結(jié)果就是模型看起來預(yù)測力很高，但是通常很快就不適用了。

著名的“谷歌流感趨勢（GFT）”就是過度擬合的例子。2014年, Lazer等學(xué)者在《科學(xué)》發(fā)文報告了GFT近年的表現(xiàn)。2009年，GFT沒有能預(yù)測到非季節(jié)性流感A-H1N1；在2011-2012季，GFT預(yù)測的發(fā)病率是實際值的1.5倍多；而到了2012-2013季，GFT流感發(fā)病率已經(jīng)是實際值的兩倍多了。