|
数据分析面临的最大挑战之一，是如何以一种明了的方法向非专业人士解释数据结果。 举个例子，麻省理工斯隆管理学院商业分析硕士学生Souhail Halaby用一个模型向大家指出，通过超级碗(Super Bowl)冠军能够预测明年的股市情况。 他说：“你需要用直觉来判断这种相关性是否重要，这很有趣，但它并不比蝴蝶效应复杂。” Halaby和其他十几个参加新硕士项目的学生，在2016年10月的斯隆创新期五天课程中学习了如何使数学模型变得“人性化”。
组织研究教授雷·里根斯负责讲授这一课程。这门课从2017年秋季开始增加至半学期，以面向更多的学生。 学生们在课程的首次开课中学到了什么呢？ 让利益相关者相信你的数据课堂上，学生们使用R统计计算软件环境和Julia动态编程语言使肾移植数据可视化。 因为要移植的肾脏在质量、血型和位置等方面各不相同，等待移植的患者必须考虑这些问题然后做出选择——是现在就接受一个健康状况一般的捐赠者的肾脏，还是花更长的时间去等待一个健康的捐赠者的肾脏? 除了患者会对数据模型感兴趣，给病人治病的医生和想要提高移植成功率的医院管理者都会对该模型很感兴趣。
此时，患者、家属、医生和医院管理人员这些利益相关者聚在一起讨论，每个人都带着自己不同的观点，而每个人也都想从模型中得到自己想要的信息。 但是，他们也同样带来了数据科学家们不具备的专业知识，并且他们习惯于运用这些专业知识而不是数据模型来做出判断。 商业分析专业的学生Afshine Amidi表示，秋季课程的一个重要收获是，它让我们认识到，你在向没有数据分析背景的人展示模型时，模型的易懂性是多么重要。
“你是用什么数据得到这个结果的？你要让利益相关者了解你的模型是干什么的，这很重要。”Amidi还补充说：“有一个方法非常有效，就是讲故事，因为讲故事能让观众对模型如何解决问题产生兴趣。无论如何，你都必须要说服他们相信你的数据。” 找到可以充分解释数据模型的理由
教授这门课程的五位教授之一——Reagans表示，要实现这一目标，你需要知道采用以及应用哪种模型。 他说：“学生们需要了解利益相关者们是如何思考他们正在解决的问题，然后再为他们的模型找到能说服利益相关者的理由。” 因为典型的利益相关者可能不习惯从数据和算法的角度考虑问题，那么我们的课程就是想给如何克服改变行为的阻力这个问题提供一点灵感。 Reagans教授为此提供了两种战略： 战略一是在利益相关者中建立非正式的人际关系，以提高赞同新方案的可能性。战略二是预测利益相关者的认知偏见，如下意识的反应或竖井效应，并尝试通过提出正确的问题和建立决策框架来克服这些偏差。 分析与人是密切相关的学生Halaby指出，虽然数学模型不是什么新鲜玩意儿，但是基于机器学习的预测模型这几年才刚刚出现。而分析正好处在数学模型和预测模型这两者的交叉点。
Halaby还说：“虽然像谷歌DeepMind和IBM Watson这样的机器学习平台使创建强大而准确的模型成为可能，但是计算代码一层又一层的，连程序员都看不懂，更别提普通人了。” 而分析模型最强大的功能在于可以用一个简单的模型处理广泛的、深层次的、实时更新的数据集。 “分析更多的是与人相关的。”Halaby补充道：“在现实世界中，有不同的参与者和利益相关者，这意味着你要思考如何呈现数据，如何运用数学原理得到你想要的结果。” 文章来源于原创作者：夕多，公众号：藤之声，微信号: gh_3d797a7216e8 |
|
|
