大数据研究就是纯学术方面的东西，对吗?错了!事实上，如果您企业雇用的大数据科学专家所持有的大数据项目理念与您打算在企业业务方面采用的战略哲学不协调的话，您会让自己陷入真正的麻烦。这可能听起来多少有些夸张，然而，仅仅只有很少的企业的高管们在关注数据科学家们未来的研究方向，因为他们不认为在这方面还有什么要考虑的。
相反，当您的企业在选择数据科学专家来负责您企业的相关大数据创新战略时，您必须确保您自己先要了解这些数据科学专家们是如何看待大数据项目的研究的。
最为经典的大数据研究方法被称为定量研究。那些持定量研究理念的数据科学专家们被称为管理科学界的实证主义者，他们坚持用统计数据来讲述一个问题。他们往往从一个假设的命题开始，并逐步通过演绎推理来证明自己的假设。
换句话说，他们会从提出一个理念开始，然后逐步用数值分析的方法来验证这一理念。例如，您可能有一种强烈的预感，您企业的产品将在爱好帆船运动项目的年轻男子市场有很好的市场前景。如果您将您的这一预感告诉一个实证主义者，他们会很乐意的采纳这一假说，并试图通过数据分析的方法来证明您的预测。
当您有一个明确的问题需要解决，并针对可能发生的状况有足够的理论支撑时，定量研究的确是一套很有效的方法。一旦定义了问题，需要针对问题的假设进行探索，数据科学专家将遵循这一众所周知的定量研究的科学方法，用一系列的数据来支撑您的想法。
如果一切顺利，您的预感将变成不只是一种预感，因为您有很好的统计数据作为支撑，以保证您的想法成为现实。这能够帮助您建立良好的信心，不会选择错误的战略路径。
另一方面是定性研究，有时将其称为解释学。持有这一研究理念的研究人员在开始研究问题时没有预制的假设，而是使用归纳推理的方法，从部分到整体的进行观察描述。而不象那些定量研究人员那样通过控制实验进行分析，而是通过问题存在的环境观察和解释现象。
您会在很多生物的研究看到这种定性研究的广泛应用，研究人员通过营造接近物种栖息地的环境，试图提取更深的见解，并力图不打扰现有点生态系统。
当您对于您企业收集的相关数据信息所能够揭示出什么有价值的东西没有任何想法时，定性数据科学专家就能派上用场了。例如，您可能已经收集了企业业务部门在过去五年的事务日志，但您不知道这些信息里面能否提炼出任何有价值的东西，进而转换成信息产品。如果您将您的这一问题告诉一个解释学主义者，他们会试图探讨您的数据，这样您就可以更好地理解这些数据了。
他们不是要在您的数据信息中寻找什么特别的东西，也肯定不是想证明什么。他们只是想办法帮助您更好地了解您的数据是什么。
我认为对于定性分析必须采取非常谨慎的态度，因为其经常在企业战略制定时被滥用。毋庸置疑，在您企业制定大数据发展策略时，定性分析有可能是非常重要的，您只需要了解如何正确使用它，而不至于白白投资了大量资金。
现在，有一种混合型的分析方案，将定性和定量研究方法结合起来。这有可能在您制定的大数据战略时非常有帮助的。但是，也有人认为这并不是灵丹妙药，大多数企业第一次尝试这一方案是也发现其不是万能的。
混合研究方法是新兴的、同时也是复杂的，您不会希望因为采用了混合研究方法而让您企业的大数据发展策略充斥着风险吧。此外，这种研究方法还没有形成自己的研究体系，其只是两种研究类型方式的结合。例如，针对一个问题，您可以从定性研究开始然后又转向定量研究。
或者，你可以从定量研究的问题开始，并利用定性研究详细说明结果。另外，你可以通过在横向和纵向分别同时运用两个方法。当然这种组合是相当复杂，耗费脑力的事情。
企业高管们所面临的最大挑战是企业的发展问题。当在研究企业发展战略时遭遇到定性和定量研究之间的哲学差异，不管他们是否意识到这些差异，两个阵营之间的文化差异是根深蒂固的。
实证主义者认为，数据具有客观意义上的因果关系，将普遍适用于一个影响领域的应用。而解释学主义者则认为数据有主观意义，不适用。他们会向您进行描述解释，但他们在发现的大多数的创新有关的应用程序方法存在问题。
把这两个阵营混合在一起就像把健怡可乐和曼妥思薄荷糖混合一样，如果您不能很好的控制企业内部的动态，激烈的辩论会使您的企业浪费大量的时间和精力。
三种类型的研究方法，两种类型的数据科学专家，以及一种制定您企业大数据的发展战略。当您有一种强烈的预感，并有相关的数据线索支撑您的预感时，定量研究人员使您最佳的选择;而但您没有线索时，定性研究者则是比较好的选择。而将这两种研究人员结合在一起则会带来无休止的争论。混合研究方法似乎是一个合乎逻辑的妥协，但它实际上对于您想要解决研究的问题来说，是弊大于利的。
这就是为什么我建议您在选择让相关的数据科学专家和花哨的软件介入到您企业的大数据战略之前务必要三思，并充分把控您企业的业务战略的原因了。今天就花一些时间来重新考虑您企业的大数据战略资源计划吧。当坏的方案一旦上马，想要临时撤销可不是件容易事儿。
设为首页
