棒球行业数据处理方式给企业哪些启示？

电影《点球成金》（Moneyball）将统计人员变成了超级英雄。总部位于波士顿的Blue Hill Research 的总裁兼首席研究官Hyoun Park认为，在大多数情况下，棒球产业里仍然运用很粗糙的分析方法。

上周在波士顿举行的预测分析世界大会上，作为主讲人的Park说：“在棒球比赛中，从根本上讲，最大的问题是尽管您在分析上做了很多投入，而您得到的却是没有情景的数据处理结果。”

球探报告，是棒球行业所使用的三种关键类型数据之一。专家们试图采用球探报告来预测一位16岁球员在15年后的表现。他们使用简单的指标估计这位球员的技能（以及潜在的数百万美元的投资）——Park认为，他们有时甚至这些技能进行排序。

他说：“不仅没有足够的指标去了解到底发生了什么，而且您没有足够的信息来制造一个好的预测模型。”

另一个棒球数据源是比赛记录，基于对比赛本身分析的日志或记录。Park说，棒球可以归结为两种实际的行为：计分或出局。对于上场的球队来说，他们的目标是在获得三次出局之前得到尽可能多的分数。基于已经进行的比赛情况，分析比赛记录的数据可以对即将发生的情况提供洞察——而且，在某些情况下，这意味着揭示旧的思维。

Park说：“在棒球比赛中最流行的策略之一就是放弃，比如，如果您在一垒有人，您可以将球向前移动，以一次出局为代价，将这个人移到二垒。”

但数据处理表明了不同的情况。以一次出局让跑垒员从一垒移动到二垒，看起来他返回本（原）垒的机会似乎增加了，而实际上减少了他得分的机会。Park说：“这是一个非常有趣的例子。在考虑预测分析时，我们经常没有同时对正反两个方面进行关联分析。”

另一个度量工具是球员得分记录表，它是棒球界一直在用的工具。

处理得分记录表的数据是一件艰难的事情吗？对于正在发生的情况，得分记录表提供了一种很好的理解，但基于这个视角进行预测太狭隘了。例如，它没有考虑外部因素（如天气）可能会影响一个团队或变化性如何影响数据。

Park说：“您会发现，很多球队尝试基于用于某个单一比赛的预测来构建数据模型，进而去做出决定，这样的预测效果并不好，因为……一个小的采样规模会导致预测失败”

为什么它对于您的业务很重要

棒球的数据处理方式对企业有很多启示。Park认为，许多公司用于评估员工的度量指标类似于球探报告。但这种不太有意义的业务指标并没有局限于员工评估——Park说，在其他业务领域可以发现简单的排名系统。简单的排名系统用来衡量客户的满意度，甚至衡量产品开发。为真正给企业带来价值，他建议使用丰富的、细粒度的数据（重新）建立预测模型，。

销售部门提供了另外一个例子。销售部门盛行的心态是推进，有时并没有研究数据并观察当前的事件可能如何影响在未来会发生的事情。这意味着销售团队可能落入这样的陷阱——将任何进展都视为好的进展，而忽略了其他风险因素，这很有可能损害业务。

最后，小的样本规模可能会导致在真空中分析数据。没有考虑具体情景的支撑，数据处理的结果也非常不乐观。