为了使公司更有效地使用数据分析，需要充分调动人类的好奇心来进行探索研究。

现实中存在着许多公司利用数据分析来帮助提高销售额和降低成本的例子。同样地，通过分析应用程序，医生们能够更准确地诊断疾病，运动员能够提高成绩。日趋强大的计算能力和专门的工具让这种用例成为了可能，我认为这一切的核心是人类的好奇心。最终，有效地利用数据分析需要充分考虑人为因素。

让我们来看下Ontario省Halton地区警察局的例子。该地区包含四个直辖市，警察部门开发了一个系统，该系统从建筑安全日志、官方活动记录、巡逻车GPS数据、电子邮件消息和911电话等渠道收集数据。通过对这些数据进行组织，警察可以预测哪些区域需要重点关注，且最有可能需要进行人员调度，以减少居民等待警力和警员的时间。很明显，软件是达成这个目标的关键。我估计这一行动得到了几位经验丰富的警察支持，这些警察在平时任务中形成了一些预见模式，他们与数据科学家合作，用他们的经验构造了一个系统模型。

来看另一个与业务相关的例子：繁忙的销售人员比空闲的销售人员完成的交易量更多吗？直观上来看，销售人员的繁忙通常代表其所售产品具有较大的需求量，这意味着市场更容易接受产品，成交率自然高。另一方面，空闲销售人员更加努力地珍惜每一个销售机会，以提高自己的收益。所以这并没有看起来那么直观，也没有一个明确的答案。可能因为行业、地理和个人销售风格等不同，会产生不同的结果。公司通过跟踪销售活动，使用分析工具来最大化销售人员的推销能力，不需要增加销售人员就可以提高成交量。

Elihu Feustel每年投入数百万美元进行体育博彩，他并不是靠直觉，而是凭借数年间建立起来的计算机算法，该算法持续收集球员在260000场比赛中的统计数据。Feustel声称使用他的方法，一年内投资收益可以翻倍。他说自己一周有60个小时在检查和改进模型，他并不是一个人在做这些，而是与一个计算机程序员以及一位体育博彩商人合作完成。之所以使用分析来进行博彩，是因为Feustel相信，之前的数据和未来结果之间存在着相关性，他指导程序员去分析这些相关数据。Feustel会在一个更强的球员身上下赌注，但他永远不会认为自己使用算法进行分析是一场赌博。

最后一个例子来自我的雇主Reliance Home Comfort。我们是加拿大排名第一的提供供暖、制冷和热水器解决方案的公司。每年，我们为超过350000的客户提供服务，解决他们的设备问题。我们的大部分工作是为当天早上打电话的客户进行服务支持，为下午打进电话的客户安排预约，所以计划不断变化。

我们使用专门用于路线优化的商业软件，该软件能够在预定的服务订单和可用的技术人员行进路线间进行平衡。我们面临的挑战是在每一次变化中确定未来的服务需求和适合提供服务的员工。许多因素会对需求产生影响，如天气、客户群增长、产品结构、技术人员旷工和交通拥堵——其中许多因素在三个星期外是不可预测的，当这些情况发生时，技术人员需要值班。

通过使用数据分析工具，我们创建了一个模型，将预测范围扩展到了三个月。该工具主要基于历史数据。模型并不是每次都正确，但它大大优于之前的手动过程，当新的相关内容和程序出现时，该模型可以被我们的数据分析人员进一步强化。这个模型让Reliance节约了成本，并为客户提供更好的体验，这一切都源于最开始有几个人认为我们应该使用现有的数据预测未来。

有人可能会说，人们在一开始没有必要建立相关性：一个成熟的分析工具，面对公司所有潜在的数据，应该能够找到其中的相关性。从理论上讲，的确是这样，但实际上，没有所谓的“所有潜在的数据”，你不知道你需要什么，直到你真正需要它的时候（或者怀疑你可能需要它的时候）。建立这些相关性所需要的信息可能存在于一些非常规的地方——例如Reliance的情况，天气预报是预测模型的关键，但它并不存在于任何公司的数据库中。

让与业务密切相关的员工参与其中，并找到潜在的模式或相关性，是高效使用分析能力的基本要求。工具是重要的，但也是次要的。如果你开始一个分析项目，首先一定要找到这些人，留住他们并让他们和新人一起工作，以扩充团队中有经验员工的规模。只有工具是独木难支的。

本文节选自《数据价值》十二月刊：一步一趋