先見之明vs.數(shù)據(jù)挖掘：從橄欖球比賽看決策制定

【編者按】作者Jesse Anderson是Cloudera的課程設(shè)計師和講師，他利用NFL的“Play-by-Play”數(shù)據(jù)集，分析自己對橄欖球的一些錯誤認(rèn)識，提醒我們“見解”并不等于現(xiàn)實，數(shù)據(jù)分析是決策的必要環(huán)節(jié)。數(shù)據(jù)分析幫助我們打破主觀假設(shè)和先入之見，讓決策從“藝術(shù)”變成了一門“科學(xué)”。以數(shù)據(jù)驅(qū)動的業(yè)務(wù)決策確保了決策的可靠性，數(shù)據(jù)分析才是決策的最終解決方案。

---

CSDN推薦：歡迎免費訂閱《Hadoop與大數(shù)據(jù)周刊》獲取更多Hadoop技術(shù)文獻(xiàn)、大數(shù)據(jù)技術(shù)分析、企業(yè)實戰(zhàn)經(jīng)驗，生態(tài)圈發(fā)展趨勢。

---

以下是譯文：

那些圍繞著大數(shù)據(jù)亂七八糟的討論是不是讓你感到心煩？對理解信息驅(qū)動業(yè)務(wù)的重要性是不是也有些力不從心？數(shù)據(jù)的意義很大程度上在于對主觀假設(shè)和先入為主觀念的挑戰(zhàn)，確保業(yè)務(wù)決策的正確性。

最近，我分析了 NFL的“Play-by-Play”數(shù)據(jù)集，測試一下我對橄欖球一些先入為主的見解。我看橄欖球已經(jīng)很多年了，而且像很多人一樣，我對比賽、團(tuán)隊統(tǒng)計、天氣和體育場條件等有著長期先入為主的觀念。

我對圍繞高海拔地區(qū)的橄欖球比賽有著長期的偏見，比如在Denver的Mike High Stadium的那些比賽，Denver的 Mike High Stadium坐落在海拔 5130 英尺的地方（NFL體育場館的平均海拔是526英尺）。海拔較高意味著氧氣稀薄，影響到運動員在比賽中的表現(xiàn)。

在今年 Broncos vs. Ravens的常規(guī)賽中，可以看到球員通過吸入純氧來防止高原反應(yīng)。這引起了我的一些思考：海拔的高低真的會影響比賽表現(xiàn)嗎？可以用數(shù)據(jù)證明嗎？

挑戰(zhàn)先入之見

當(dāng)我開始處理NFL數(shù)據(jù)集時，我假設(shè)在某處的比賽如果換在別的地方進(jìn)行，實際上會出現(xiàn)不同的結(jié)果。我查過在Denver和其他地區(qū)比賽的平均得分以及比賽的各種數(shù)據(jù)（傳球、跑動等等）。我沒有發(fā)現(xiàn)明顯的差別，除了在Denver的比賽中傳球成功率提高了1%。數(shù)據(jù)證實我對海拔高度影響橄欖球比賽的偏見是錯誤的。

我還以為橄欖球在最后一次進(jìn)攻時，教練會選擇棄踢（punt）。在最后一次進(jìn)攻時，如果球隊仍然決定冒險試一試，評論員們就可以對比賽大作文章了，因為這和主流的想法不一致。不過，數(shù)據(jù)表示，冒險試一試的情況更經(jīng)常發(fā)生：只有15%的教練在最后一次進(jìn)攻時選擇棄踢。

更大的球場意味著會有更多的粉絲，主場球隊理所當(dāng)然的應(yīng)取得更好的成績，不是嗎？數(shù)據(jù)又一次駁斥了這種觀念。數(shù)據(jù)表明，在小型體育場比賽其實會比在大型體育場平均取得更高的分?jǐn)?shù)：20.55：17.9。

這些例子表明，利用數(shù)據(jù)分析可以確保運作依據(jù)現(xiàn)實，而不是假設(shè)。對于沒有數(shù)據(jù)支持的業(yè)務(wù)，你可能會有一些先入之見。不管是比賽還是業(yè)務(wù)，是否有精確數(shù)據(jù)的支持可能意味著成功或失敗。數(shù)據(jù)是做出明智決策的關(guān)鍵。

看到結(jié)果

比賽有趣就是因為比賽結(jié)果不能被預(yù)先決定。無論在哪個比賽日，每個隊都會有獲勝的可能。一場橄欖球比賽可以被分為很多次進(jìn)攻，進(jìn)攻組試圖攻到前場得分，防守組則阻止他們得分。

上述餅圖顯示球隊的平均攻防效率。棄踢也是比較常見的結(jié)局。當(dāng)團(tuán)隊決定棄踢時，防守組則開始行動阻止進(jìn)攻組得分。數(shù)據(jù)顯示這時進(jìn)攻如果是達(dá)陣（EXTRAPOINT）得分，成功率達(dá)到了18%，如果是任意球（FIELDGOAL）得分，成功率達(dá)到了15%。

看一下進(jìn)攻有多少次產(chǎn)生了“non-standard”結(jié)果也很有意思。這些導(dǎo)致進(jìn)攻的結(jié)局都是防守組不愿看到的，例如攔截（INTERCEPTION），這種情況成功的可能性為7%。

開始碼線嚴(yán)重影響進(jìn)攻的結(jié)果。上圖顯示基于進(jìn)攻開始碼線得分的百分比指數(shù)。在此圖中，從1碼線進(jìn)攻得分是最近的，從100 碼線進(jìn)攻得分是最遠(yuǎn)的。正如期望的那樣，通過碼線最多的進(jìn)攻，想要得分也最難。在紅區(qū)開始進(jìn)攻（20碼線和更接近碼線）有78%的成功率。相反，從80碼線或更遠(yuǎn)碼線開始的進(jìn)攻就只有21%的成功率。更遠(yuǎn)的進(jìn)攻被截取的可能性高了2.6倍――因為有更多碼，所以沿途出錯的機(jī)會也更多。

橄欖球進(jìn)攻的結(jié)果很像銷售的業(yè)務(wù)成果：如果沒有分析，你可能已經(jīng)在99碼線就開始推銷，銷售轉(zhuǎn)化率很低，同行競爭者也很有可能竊取你的銷售成果。通過分析數(shù)據(jù)，你可以將你的銷售更接近紅區(qū)――達(dá)陣得分。

用更多的數(shù)據(jù)擴(kuò)大數(shù)據(jù)集

原始的“Play-by-Play”數(shù)據(jù)集包含了有關(guān)特定的比賽的詳細(xì)信息，如碼線、日期和涉及的小組。使用此數(shù)據(jù)集，能回答一些有趣的問題――例如，有多少進(jìn)攻是以任意球接結(jié)束的――但想要回答其它問題就難了。

比賽的結(jié)果不僅取決于場上帶球奔跑的運動員。還有其他的許多影響因素，像天氣和草皮類型，這在最初的NFL數(shù)據(jù)集中使沒有的，所以我又在其中增加了天氣和體育館數(shù)據(jù)，然后進(jìn)行了一系列的查詢，以了解天氣對比賽的影響。

數(shù)據(jù)顯示，在惡劣天氣下，Baltimore Ravens平均在主場取得的分?jǐn)?shù)最高，平均21.7：14.2，然而Kansas City Chiefs的成績最差：23.8：28。沒有惡劣天氣時，Pittsburgh Steelers表現(xiàn)最好，以23.8：13.6獲勝。

將這個示例應(yīng)用到業(yè)務(wù)操作中：不限制你向數(shù)據(jù)集尋求問題的類型和深度。相反，還可以考慮增大你的數(shù)據(jù)集，使它能夠回答更加復(fù)雜的問題。根據(jù)一開始你想要問的問題的類型來決定加入實現(xiàn)哪些查詢的新數(shù)據(jù)集。

教練和CEO

那么業(yè)務(wù)經(jīng)理怎樣利用數(shù)據(jù)來提升一個團(tuán)隊的實力呢？首先，他們需要決定數(shù)據(jù)驅(qū)動的團(tuán)隊將是什么樣團(tuán)隊。決策不像算法那樣運行（做出確定型的決策，可以給定一組數(shù)據(jù))――應(yīng)該利用數(shù)據(jù)確定或推翻我們的先入之見來輔助決策。

我對橄欖球的先入之見有時候是對的，但常常是錯的。如果教練的決策是基于我這樣不正確的假設(shè)將會帶來巨大的損失。

幸運的是，我們有這樣強(qiáng)大的工具，只要動動手指就能幫我們更快更簡單地從數(shù)據(jù)中獲得信息。像Hadoop這樣技術(shù)開辟了一個新的時代，使數(shù)據(jù)驅(qū)動的業(yè)務(wù)決策可以被實現(xiàn)――不管你的問題有多大，其中存在多么大的數(shù)據(jù)集和挑戰(zhàn)，數(shù)據(jù)提供了大量機(jī)會挑戰(zhàn)或確認(rèn)我們對業(yè)務(wù)、社會（當(dāng)然還有橄欖球）的先入之見。成為數(shù)據(jù)驅(qū)動的組織不僅能幫助你將你的業(yè)務(wù)打包分開，還會讓你有能力表現(xiàn)得更好、獲得更大的成功。

原文鏈接： Insights from the NFL’s Play-by-Play Dataset: What business leaders can learn from football?（編譯/毛夢琪 審校/仲浩）