今年似乎充满了不可预知性。以此为背景，KPMG的一项研究显示，CEO希望能够提升大数据和分析技术的可信度。

大数据分析因为其预测功能，于几年前开始逐渐兴起，几乎与此同时，统计学家Nate Silver曾成功预测了美国大选。但接下来，似乎很多事件变得不可预测。

就像在他之前的许多预言家一样，Silver在预测上已经碰了好几个钉子，主要因为他低估了候选人Donald Trump。但对于Trump的预测，Silver并不是唯一的预测失败者。与此同时，似乎2016充满了惊喜，简直是预测的噩梦。

一个政治门外汉的崛起，英国的脱欧，赛季后期金州勇士队的一落千丈，这些事件凑在一起，给2016贴上了“不可预测性”的标签。

这些预测失误给大数据的预测前途蒙上了一层阴影。这是为什么呢？如果Silver此前一连串的成功预测让CEO们对大数据和分析充满信心的话，那接下来这一连串的失败就可能会让他们心生踌躇。大数据发展的路上并非一帆风顺，谁能保证这些坎坷不会影响CEO们对大数据分析预测的信任呢？

高管们不信任数据么？

虽然一些数据显示，数据分析是被信任的，但这很片面。尽管数据管理员这些年一直致力于提高企业的数据质量，但企业管理层依然对数据分析存有疑虑。KPMG的一项调查显示，在美国，400位受访首席执行官中，77%的CEO对于他们做企业决策时所参照的数据，有着一定程度的不信任。剩下33%的CEO则对数据和分析工作的准确性深信不疑。

“我们并不怀疑你有能力完成世界上最棒的数据科学，但如果高管并不信任你分析出的结果，你的工作就毫无意义，”Wilds Ross，KMPG 数据分析主管如是说。

Ross将这种差距称为“信任赤字”。“可能数据质量和数据分析工作都相当不错，但这些结果却没有被业务决策所采用，”他说。

Ross表示，如果想充分发挥预测分析的作用，需要提高预测分析对企业高管的友好性。

数据技术专家和首席执行官所担忧的问题可能天差地别。问题主要在沟通不足，他说道。

“有时候数据在‘黑盒’展示，”他说。分析专家的口头禅是：“相信我，这没问题。”另一方面，高管们会觉得困惑，我们怎么知道数据是正确的？编码确实没有问题么？

Ross表示，我们可以想办法弥补这些思维方式间的差距，首先，数据本身必须进行管理；其次，负责分析的数据专家可以向高管演示分析的整个流程，提升他对分析的认同感，如果分析专家什么也不做，总觉得这些事情是理所应当明白的话，事情只会更糟而已。

分析主要用于企业决策。“它不是凭一己之力就能做到的，”Ross说道，“这不是一个人的聪明才智能够办到的，它需要团队合作。”

以决策为导向

James Taylor是加州Decision Management Solutions公司的CEO兼首席顾问，他对于分析和决策制定之间关系有着自己的看法。

多年来，他在企业决策制定上积累了丰富的经验，他看到过很多例子，技术人员和业务人员专注于最新的技术，而忽略公司业务决策的方式。他认为如今大数据和预测分析技术正在走老路。

Taylor说，他经常看到，分析结果对决策者毫无用处。他的建议是“以决策为导向”——Steven Covey建议的“以目标为导向”的一种变体。他表示，如果没有这一导向性，科学家从数据中得到的信息可能是毫无用处的。

“分析数据和展示数据的人并不真正的了解业务，这种现象太常见了”，Taylor 说道，“分析团队的成员很少跟决策者讨论有关决策是怎么制定这类的问题——这是脱节的。”

Taylor说，为了保证大数据和分析发挥其应有的作用，公司必须充分了解决策的过程，他采用了决策模型来解决这个问题。不仅仅是CEO决策建模中获益，建立一个决策中心，来进行决策分析，将会促进整个商业的良性发展。

也许这是可预测的，可预测性也会想潮水一样有波峰波谷。但我们的任务是保持其一贯的稳定性。如果负责数据和分析方面的人员能够在数据展示和数据讲述领域更加令人信服，那他们将会做的更好。这是与高管和其他决策相关人员建立信任的必经之路。