大数据技术的下一轮推进是否会彻底抹去人类直觉在关键性业务决策中的作用，从而让企业的运作完全依赖于由数据驱动的分析机制?
也许不会，但随着大数据趋势的兴起、众多企业将越来越多地仰仗分析机制来处理实时决策事务，BoldIQ公司CEO Roei Ganzarski预测道——这是一家位于西雅图的预测分析企业。不过这并不是说管理者需要彻底接受分析结论而完全舍弃主观判断。事实上，情况往往正好相反。企业高层管理者往往对于大数据分析概念嗤之以鼻，在他们看来单凭软件根本不可能超越现场打拼多年、拥有敏锐商业嗅觉的运营老手。
“我们每天都会遇到类似的疑问，”Ganzarski在接受电话采访时解释道。“我们的回答是，‘这并不意味着我们认为您当前的运营机制有何不妥。’”相反，他强调分析手段旨在提供“一套额外的工具，帮助大家处理那些仅靠人力无法实现的任务。我们的作用并非取代传统管理者，而是为了强化用户制定决策的能力。”
很明显，人类的大脑在无数实践工作中仍然拥有远超计算机的优异表现。不过软件在瞬间分析领域也同样具备无法取代的优势，说到这里，他提供了一个交通运输行业的实例作为佐证。“我们谈谈当日与次日交付业务模式。人们往往把这种效果视为分销与供应链的最高成就——只需发出订单，快递员就会在最短时间内带着货品敲开买家的大门。”而这种方式恰好带来一系列适合分析方案处理的大数据技术挑战。
“一旦订单被落实到位，快递公司该如何确保自己的装配车辆及司机已经准备就绪，并能在几毫秒之内反馈出哪辆货车与哪位司机应该负责此次递送、整个交付流程又是否以准时准点且符合成本要求的方式切实完成?”
人类算法
Barrett Thompson在Zilliant公司担任卓越定价解决方案总经理，这是一家专门帮助企业用户发挥内部数据优势、制定最佳销售与定价决策的优化服务企业。在今年一月接受采访时，Thompson讨论了算法与直觉这一话题并指出，算法型决策机制源自企业内部不同个体所积累起来的集体经验。
“举例来说，我正面对着过去一年来已经完成的大量销售交易事务资料，通过对保存在数据仓库中的信息进行汇总、我发现案例总数高达五百万之巨，”Thompson表示。“这些数据中蕴藏着一笔巨大的财富，也就是数百位销售人员在数万乃至数十万种不同销售情况下积累得出的通用性处理方式。要顺利将其归为己用，我必须找到一种解开重重枷锁、提取其核心实质的处理办法。”
他同时指出，预测算法并不能以无中生有的方式凭空创造出知识成果。恰恰相反，这其实是一种“加速机制”，旨在更快地整理出企业已经了解的信息。它由人类经验所驱动，衍生自“我们切实经历过的数据点。”
“我看不到其他499位销售人员都做了些什么，我甚至记不住自己去年五月都干了些什么。我每一天都需要作出大量决定，而这些决定最终消失在自己的脑海里，”Thompson解释称。“如果我拥有一套软件工具，那么由其提供的算法能帮助我回想起自己所学到的知识、告诉我其他人在实践工作中积累下哪些心得……我可以在算法的引导下了解一切，并通过学习从中提炼出来的经验让自己获得与当事人等同的宝贵收益。”
当然，需要提醒大家的是Thompson与Ganzarski都属于分析事务的从业人士，因此他们两者的意见并不能作为此次争议中的公正论据。
2013年12月，《哈佛商业评论》博客讨论了直觉因素在数据驱动型企业中所应扮演的角色，分析专家兼专栏作者Tom Davenport认为多数大数据项目通常都是由人类直觉判断所推动：
多数旨在创建新型产品及服务的大数据项目往往都是由直觉判断所推动的。举例来说，谷歌的自动驾驶汽车就被其领导者们形容为大数据项目。谷歌研究员兼斯坦福大学教授Sebastian Thrun负责领导该项目。他在获取必要的数据、地图以及基础设施等支持要素之前，就从直觉角度出发肯定了自动驾驶汽车的可行性。由于一位好友在车祸中去世，他愤而拉起队伍向这一难题发起冲击——他在接受采访时坦言，当时在斯坦福大学中着手研究时、他对于到底该做些什么还毫无头绪。
直觉这边又获得一票，他的实例也的确很有说服力。不过在企业环境下，分析机制将逐步参与到直觉决策当中、并发挥越来越重要的辅助作用。
