人工智能時(shí)代 機器學(xué)習和AI算法將改變“二八定律”

　　哈佛商業(yè)評論網(wǎng)站發(fā)表麥克·施拉格(Michael Schrage)的文章，稱(chēng)機器學(xué)習和AI算法的進(jìn)展正在改變我們熟悉的80/20規則。

　　以下是編譯整理的文章概要：

　　意大利工程師和經(jīng)濟學(xué)家維爾弗雷多·帕累托

　　很多業(yè)績(jì)出色的公司，都對意大利工程師和經(jīng)濟學(xué)家維爾弗雷多·帕累托(Vilfredo Pareto)推崇備至，因為他提出的80/20規則產(chǎn)生了非常大的影響。

　　這個(gè)規則指出，80%的效果(銷(xiāo)售額、營(yíng)收等)都來(lái)自于20%的貢獻者(產(chǎn)品、員工等)。

　　現在，機器學(xué)習和AI算法創(chuàng )新正在改變帕累托分析的方式，我認為，下一代算法將為帕累托范式提供巨大的推動(dòng)力。

　　AI和機器學(xué)習將從以下三個(gè)重要方面來(lái)改變公司使用帕累托原則以提升利潤的方式。

　　智能帕累托

　　第一，更大的數據量、更高的數據多樣性可以保證算法獲得足夠多的訓練，讓它們變得更加智能。

　　例如在新型工作場(chǎng)所分析中，更多的公司可以更加容易地確定是哪20%的員工為產(chǎn)品、流程或用戶(hù)體驗貢獻了80%的價(jià)值。業(yè)務(wù)流程、平臺和客戶(hù)體驗的持續數字化也是如此：

　　哪20%的平臺升級帶來(lái)了80%的效果?

　　哪20%的客戶(hù)體驗喚起了80%的喜悅或厭惡?

　　公司高管希望可以用算法來(lái)解決這些和數據有關(guān)的問(wèn)題。

　　超級帕累托

　　第二，傳統的分布比例發(fā)生了顛覆性變化。大數據顯示，堅持80/20的比例可能會(huì )犯經(jīng)驗主義錯誤。一些公司日益注意到，帕累托比例有10/90、5/50、2/30和1/25的可能。換一個(gè)方法劃分、切割和定義數據，你可能就會(huì )看到1/50、5/75以及10/150的帕累托比例。帕累托所說(shuō)的“重要的少數”現在變成了“重要的極少數”。

　　這種極端的分布出現在很多行業(yè)中。例如，一半以上的酒類(lèi)都是被不到10%的飲酒者消費的。更極端的是，所有移動(dòng)游戲內購營(yíng)收的一半，來(lái)自于不到0.25%的游戲玩家。

　　然而，僅僅是清楚地識別并接受“超級帕累托”是不夠的;要想獲得市場(chǎng)份額，你就需要用這些描述性的統計數據來(lái)進(jìn)行預測。換句話(huà)說(shuō)，需要將這些數據集轉換為智能算法的“訓練集”。

　　公司需要確定自己的帕累托特征——也就是說(shuō)，從算法的角度而言，公司需要弄清楚怎樣哪些微小的調整，可以促進(jìn)較大的業(yè)務(wù)影響。管理者和數據科學(xué)團隊必須圍繞著(zhù)極端帕累托的潛力和可能性，而不僅僅圍繞著(zhù)更多更好的數據來(lái)開(kāi)展工作。

　　例如，一家工業(yè)設備公司擁有2000多個(gè)產(chǎn)品，規模達數十億歐元，不足4%的產(chǎn)品貢獻了銷(xiāo)售額的三分之一和大約一半的盈利能力。但把這種分析也運用到服務(wù)和維護上之后，發(fā)現大約100個(gè)產(chǎn)品貢獻了超過(guò)三分之二的盈利能力。這就促使了該公司對定價(jià)策略和捆綁策略進(jìn)行重新思考。

　　圍繞產(chǎn)品屬性和功能進(jìn)行的精細帕累托分析，而不僅僅是對產(chǎn)品本身進(jìn)行的分析，可以提供了更加令人興奮的洞見(jiàn)。這家公司的工程團隊圍繞著(zhù)用戶(hù)期望的功能和功能集，而不是產(chǎn)品本身，進(jìn)行了以數據為驅動(dòng)的重新設計，結果發(fā)現了一些更具價(jià)值的帕累托洞見(jiàn)。例如，一些目標功能被取消之后，不僅降低了產(chǎn)品成本，而且提供了更好的用戶(hù)體驗。

　　組合帕累托

　　第三，隨著(zhù)數據進(jìn)一步細化，以及算法使用更聰明的方式來(lái)處理復雜的模式，對帕累托的管理方式也在發(fā)生變化。在整個(gè)企業(yè)中，若干不同的帕累托分析可以組團到一起來(lái)使用。下面用KPI這個(gè)簡(jiǎn)稱(chēng)來(lái)代表“關(guān)鍵帕累托信息”(key Pareto information)。如果公司的KPI設計得含糊不清，你就看不到未來(lái)如何進(jìn)行優(yōu)化和創(chuàng )造價(jià)值的機會(huì )。

　　如果單個(gè)流程的責任人、產(chǎn)品經(jīng)理和銷(xiāo)售團隊之前很重視優(yōu)化自己的核心帕累托，他們現在就需要探索和研究別人的帕累托。他們不再只專(zhuān)注于自己的部分，而是會(huì )認識到，本部門(mén)的帕累托可以在整個(gè)企業(yè)中進(jìn)行交叉、重疊和重組。

　　要重新審視帕累托，最可靠的方法就是把它和另一個(gè)帕累托聯(lián)系起來(lái)。擁有豐富的數據和強烈的算法意識的公司，之前會(huì )分別管理十來(lái)個(gè)關(guān)鍵的帕累托指標，現在它們開(kāi)始監督數百個(gè)甚至數千個(gè)KPI，發(fā)現新的帕累托集群，這將最大程度地為創(chuàng )新捕捉機會(huì )。

　　因此，連接在一起帕累托網(wǎng)絡(luò )提供了一個(gè)非常強大的分析前景。 10%的KPI集群貢獻了90%的新客戶(hù)、增長(cháng)或利潤率嗎?要把這個(gè)方法用好，就需要進(jìn)行數據驅動(dòng)的跨職能協(xié)作，需要企業(yè)內部的管理者發(fā)揮創(chuàng )新精神，把那些“重要的少數”因素融合在一起。

　　一些公司在嘗試帕累托集群的過(guò)程中，已經(jīng)獲得了初步的成功。一個(gè)關(guān)鍵是：最佳結果不是來(lái)自于改善單個(gè)模型的表現，而是創(chuàng )造集群，讓最佳特征獲得共同放大。怎樣找到最有價(jià)值的集群呢?仍然可以用帕累托分析。

　　一個(gè)經(jīng)驗是，要想獲得增量結果(從而成為競爭中的贏(yíng)家)，有很多模型都很用，但實(shí)際上使用少數幾個(gè)精選出來(lái)的模型就可以構建出優(yōu)秀的系統。

　　更好地預測明天最“重要的少數”因素，在整個(gè)企業(yè)里找到關(guān)鍵帕累托組團的機會(huì )，這種能力不僅可以提高公司的效率，而且會(huì )是創(chuàng )造價(jià)值的決定性因素。

　　你的算法越是聰明，你的公司就越需進(jìn)行帕累托分析。