葡式蛋撻與曼城隊：大數據改善商業決策的啟示

2011年夏天，曼城隊助理教練大衛·普拉特決定利用數據分析來解決球隊在表現方面遇到的一個棘手難題。普拉特發現，盡管球隊陣容中擁有多名高大強壯的球員，但他們的角球得分情況卻不盡如人意。

在征求了俱樂部內部數據分析師的意見后，該隊增加了對內旋角球（球轉向守門員方向）的使用。戰術轉變產生了驚人的效果。在整個賽季中，曼城隊依靠角球打入15個進球，成為英超角球得分效率最高的球隊，其中2/3的進球采用的是內旋角球。

這一實踐為數據驅動型決策提供了強有力的支撐。但是，還有一個附加因素需要考慮：主教練曼奇尼最初對數據的實際價值持懷疑態度。事實上，早在兩年前，曼奇尼曾就球隊角球的使用情況咨詢過俱樂部的數據分析師。分析師回應，他依靠直覺偏愛采用的戰術——外旋角球（球飛向遠離守門員的方向）從數據統計上看并不理想。

曼奇尼選擇相信自己的直覺而非數據分析的導向性建議。因為直覺告訴他，球旋向遠離門將的方向減小了門將觸球的概率，同時增加了進攻隊員沖頂時爭到頭球的概率。但當曼奇尼發現兩種變數存在某種聯系的時候，直覺卻模糊了他對兩者關聯程度的判斷能力。換句話說，外旋角球和進球數可能存在著某種關聯，但數據表明，內旋角球和進球數存在著更為直接的因果關系。

這一案例研究為我們改善商業決策帶來哪些啟示？一家美國零售商最近發現，兩種不同變數之間存在著某種有趣的聯系。當天氣變冷，肉桂葡式蛋撻的銷量上升500%——并非所有的葡式蛋撻，只是肉桂這一個品種。面對這種零星數據，零售商要做出抉擇。每當預測天氣即將轉冷時，應該儲備多少肉桂葡式蛋撻？還有一家零售商發現，羊奶干酪打折似乎能促進紅酒的銷售。希望減小紅酒庫存的時候，是不是應考慮羊奶干酪打折這種方法？

這兩個問題的答案取決于大數據分析的核心問題：弄清相關性與因果關系之間的區別。人類善于發現事物的相關性——這是進化的特征——但是卻在發掘直接相關事物的關系時顯得有些笨拙。將相關性誤解為因果關系所做出的決策是危險的，可能會遭受慘敗，因為你所期待看到的影響可能并不會發生。

最近的一項研究顯示，某國的巧克力銷量與諾貝爾獎的人均比例之間呈現明顯的相關性。各國是不是都該鼓勵公民增加巧克力的消費來提高獲得諾貝爾獎的人數呢？

為有效利用大數據，相關性分析應僅作為一個出發點去考慮。如果兩個變量存在關聯，我們該如何應對？當然，政府在推行“巧克力替代教育”的政策之前，應當首先考慮一下其他因素。比方說，看看那些獲得諾貝爾獎人數較多的國家相對教育水平和研究預算，與巧克力消費相比，這兩個變量與獲諾獎的因果關系顯然更大。

同樣，那些葡式蛋撻和羊奶干酪的零售商們在擁有十足把握以前，需要對他們的假設進行驗證。比如說，在確定因果關系存在以前，考察一些商店肉桂葡式蛋撻的“庫存積壓”情況；或者采取打折銷售羊奶干酪的方式，看看紅酒銷量是否真的增加。

事物之間可能存在著一些簡單的因果關系，但公司需要清楚每種因果關系都可能產生意想不到的結果。肉桂葡式蛋撻銷量的增加是否意味著其他產品銷量的減少？紅酒銷量的增加是否也意味著啤酒銷量的減少或者牛排銷量的增加？影響現代供應鏈的因素很多，而且還在不斷增加：天氣、社交媒體、特價商品、食品安全新聞等，都會影響消費者的行為，以及零售商應該購置多大規模的存貨。這基本上就是一個混沌系統，完全準確地預測將來要發生的事情是不可能的。但模型越完善，預測就越準確，預測越準確，行動結果就越理想。

數據分析就像一幅印象派油畫。當你退后觀察，并把各個部分視作一個整體時，這幅畫的意境才開始浮現，近距離觀察是無法理解其中內涵的。這可以幫助我們解釋為什么曼城隊的新角球戰術不太可能會長久取得良好的結果。實施從外旋角球到內旋角球的簡單戰術轉變：多開點內旋球，少開點外旋球，這一簡單的戰術轉變，亦會忽略了每場比賽中每次出現破門機會時的某些獨特變數。