在我从事决策管理和人工智能领域的十年（或两年）里，我亲眼目睹了知识工程师和数据科学家之间激烈的战争。每个人都捍卫自己支持最终更好决策的方法。那么什么更有价值 平衡在我从事决策管理和人工智能领域的十年（或两年）里，我亲眼目睹了知识工程师和数据科学家之间激烈的战争。每个人都捍卫自己支持最终更好决策的方法。那么什么更有价值呢？从数据中洞察？还是专家的知识？ Mike Loukides 在 O’Reilly 雷达上写了一篇精彩的文章，名为“学科专家的不合理必要性” ，很好地说明了这一点，并清楚地说明了我们为什么以及如何想要两者。 数据知道专家不知道的事情 更多阅读 营销中的人工智能 人工智能改善营销策略的 4 种方式 数据挖掘真的有助于白标 SEO 吗？ IT 硬件初创公司利用数据分析进行市场研究 数字标牌中大数据和分析的力量 使用人工智能为消费者打造定制的电子商务体验 在我们周围充满不确定性的世界中，专家无法与我们多年来完善的复杂算法竞争。
它们的计算能力远远超出
了人脑的能力。算法可以在相对较短的时间内处理数据并发现未被怀疑的相关性。 除了迈克的众多例子之外，我还想到了典型的尿布购物用例。零售交易分析发现，夜间购买尿布的人很可能也会购买啤酒。理由是，当尿布在一天中最不方便的时间（不可避免地是晚上）用完时，丈夫会帮助新妈妈购物。新爸爸 伯利兹手机号码列表 晚上在杂货店闲逛，最终得到了“他的”自己的用品：啤酒。 迈克警告人们不要陷入数据准备的陷阱。隐藏的偏见可能会在数据样本中大量显现，无论是过分强调某些趋势还是清除不良行为的痕迹。如果您的数据不干净且不公正，那么数据洞察力的价值就值得怀疑。熟练的数据科学家努力从他们所处理的数据样本中尽可能消除偏见，从而发现有价值的相关性。 数据知道太多？ 当算法发现预期的相关性时，就像迈克举的孕妇对婴儿产品感兴趣的例子一样，分析可以验证直觉并确认我们所知道的事实。
当算法发现意想不到的相关性时
事情就变得有趣了！有了“不那么明显”的洞察力，您就有优势营销更有针对性的信息。营销活动比“在黑暗中射飞镖”能产生更好的效果。 迈克提出了一系列重要的问题：我们可以相信 DJ 美国 这种相关性吗？如何解释相关性？ 迈克的文章包含更多示例。在超级碗比赛期间，有大量的足球统计数据让我们微笑。 《商业内幕》发布了一些更令人难以置信的例子，例如： 不喜欢甘草的人更有可能理解 HTML 喜欢舀冰淇淋的人比喜欢软冰淇淋的人更有可能喜欢过山车 从未骑过摩托车的人不太可能会说多种语言 不看键盘就无法打字的人更有可能更喜欢薄皮披萨而不是深盘披萨 其中可能有一些有趣的见解可供您利用。但除非您“理解”相关性，否则您可能会被数据误导并做出一些不成熟的结论。 专家因理解而闪耀 迈克提出了一个令人信服的论点，即专家的作用是解释数据洞察并排除干扰。
