难点三：大数据分析领域人才短缺。
企业对大数据的运用能力，受制于其人才储备状况。舍恩伯格说，“在大数据领域的研究和发展中，最重要的是人才。”
但因为大数据分析兴起的时间并不长，且分析团队往往规模不小，所以，即使是顶尖企业在组建大数据分析部门时也难言轻松。以Facebook公司为例，这家硅谷巨头花了将近四年时间，建立了一个超过30人的团队，才搭建起Facebook自己的数据处理平台。维持这个数据处理平台的常规运行，更是需要超过100名数据分析专家。又比如，LinkedIn公司建立起自己的大数据部门用了整整六年时间。
如果这些知名公司，都需要在大数据分析部门的建设上如此费心费力，那么，其他公司在完成此任务时，其难度无疑更甚。麦肯锡咨询公司发布的一份大数据报告就曾预测，到2018年，仅美国在数据科学家方面的人才缺口就会达到14万至19万人。人员构架的短板，则会导致大数据分析领域先进技术难以得到实施。从贝恩咨询公司的那份全球调研报告中可以发现，目前仅有38%的企业，能够使用如NoSQL、HPCC以及自动数据清洗算法等大数据领域的先进分析方法。这些都使得各企业在用大数据帮助企业决策时，其效果需要打上一个不小的问号。
缩小决策范围，才能放大大数据的作用
在运用大数据来辅助企业决策方面，舍恩伯格认为亚马逊是个典型案例。
对于用户在亚马逊网站上的页面停留时间、评论查看情况、各类关键词的搜索、各种商品的浏览量等大数据，亚马逊公司都会做出细致分析。这家在各个业务环节中都无不体现着“数据驱动”的公司，也在2016年《财富》全球500强排行榜中跻身前50强，排名达到第44位。诚如舍恩伯格所言，“那些能够理解大数据、并且懂得让大数据提供价值的公司，将能够有更多的成功可能性。”
大数据能让商业决策变得更盲目，还是更理性？舍恩伯格认为关键还是在于，企业是否对大数据的运用范围进行了缩小，为其树立一些边界。
即使是非常重视大数据力量的亚马逊公司，其在推出Prime等前瞻性业务时，主要依靠的也不是某些大数据，而是该公司创始人杰夫·贝佐斯（Jeff Bezos）的经营哲学与商业洞见。
舍恩伯格说：“大数据是一种资源和工具，它的目的应限定为告知，而不是解释。”把“告知”的任务交给大数据，而把“解释”的权利保留在人的手中，才是让大数据参与企业商业决策的良好方法。大数据的真正魅力，恰恰产生于其变“小”之后。
这样，大数据在释放用户信息、改进商业建模、优化决策精细程度等方面的优势，将得到保留。与此同时，管理者也能利用大数据提供的精准量化分析成果，使自己在战略远见与商业洞察方面的优势获得更强有力的支撑。
今年3月，谷歌公司旗下的AlphaGo以4:1的总比分战胜世界围棋冠军李世石，引起了巨大轰动。正如舍恩伯格所述，“现代的人工智能，其进行自我深度学习的根基就是大数据”，AlphaGo，正是人类对大数据决策能力的一次良好运用。
微缩于19X19格的围棋规则边界后，AlphaGo运用大数据完成了远比人类更高明的决策，给予世人以启示。
在舍恩伯格看来，“人类要知晓大数据的力量，同时也要看到大数据的局限”。在未来，一个个有边界限定的“棋盘”，或许才是大数据在商业决策时更好的用武之地。
（作者：刘怡君 蔡越）
