创新思维与回归原点

先给大家讲个故事：

施工队打桩遇到了麻烦。找到了陈专家：“打不动了，怎么办？”  陈专家回答：“打不动就不要打了！” 施工队长疑惑地问：“这怎么行啊？”  陈专家回答：“打桩的目的是获取足够的支撑力。打不动说明支撑力足够大了，不需要再往深里打了”。这个决策，让整个工程节省了数千万元。

研究一个创新案例时，我们常常发现：其思维方式是回到问题的本源。看看这个问题是怎么来的，能不能改变这个问题、回避这个问题、或进行适当的预处理。回归原点，常常让人的视野一下子扩张开来，进入创新的蓝海。

数据分析问题也是这样。

常听人说：传统的数据建模方法不能用了，所以要用神经元方法、要用机器学习方法.....但是，很少有人会问：传统方法为什么不能用了？能不能做些改变，让它变得可用。

事实上，传统数据建模方法，往往基于一些基本假设：大数定理成立、模型结构已知、自变量误差可以忽略、因果关系明确.....在现实中，最合适的方法可能是：通过对数据的组织和处理，找到大叔定理成立的条件、探求模型结构和因果关系、补偿自变量误差......

这样，传统的统计方法就可以回复生机，问题就回归到原点了。有人说：数据的预处理往往比数据分析过程更加重要；在我看来，数据的预处理才是最重要的数据分析。

数学系毕业后，我形成一种习惯：喜欢追求事物的真相。我认为：盲目地将构建学习算法，把结果的可靠性 交给上帝，常常是不负责任的做法。