
146
|
第十一章:別讓「完美」成為「好」的敵人:壞資料真的壞嗎?
在研究所時,我的所有統計課程都是同一個教授所開的。她很全面、傑出並且重視細
節。儘管在課程結束很久後很容易有這種記憶,但她教了我大量的經典統計。
這個教授用非常特定的方式在教導每個技巧。主要的時間都花在準備以及清理資料。這
是一個非常嚴密的流程,而步驟的內容則依據測試應用的不同而不同。為了要最大化每
個技巧的威力,每個測試都需要一組假設。在我們作每一個方法時,她要求我們詳細的
記錄每個方法的每個步驟(在這個狀況中,可能是 SPSS 的語法)。我們可能會交出很大
量的結果,她也不會疲累的給我們評論。每次我們選擇了錯誤的路線或是作了錯誤的決
定,她會傳回成堆的語法搭配解說,讓我們依照她推薦的方法作修改。
這是非常冗長且乏味的過程,因為最後每一個技巧可能會有多達 100 頁以上的內容。因
為爭論在斜率的微小變化之間是否是有意義的這件事實在沒什麼意義。所以,經過反覆
幾次,我會盡可能的讓它完美。難以理解且具創意的變幻函數變成我的新朋友而我作了
許多註記。它們仍然成堆的置放在我的家中,等待被歸檔。我很怕讓這些結果遺失。
儘管這個經典的訓練仍然是無價的,但真實世界的冰冷現實仍然在等待著你。
前往專業世界
我與資料的歷史遍及在我的事業之中。早期在 OpenTable 時,我們缺少對於資料價值的
全面性洞見;我們當時完全專注於建立一家新公司。在那些年間,決定與策略看起來
就像是每天都在改變。軟體開發全速進行而競爭整天追著我們跑。對於我們應該要搜
集什麼東西