【51CTO.com快译】因为我们缺少比我们更好的坐标系进行对比，人类常犯的一个错误是我们觉得自己正在做一项完美的工作。
人类通常处理小规模数据并且生成带有错误的报告。而机器能够处理规模更大的数据并且能够生成更高级的报告，获得更准确的结果。
我们举例说明问题，我们发现有人去了某所学校，获得了某个学位，有了一项成功的事业，然后我们以为我们自己也能搞定这些。但实际情况是，因为许多原因我们的结论可能是错的。事实上，人类只能控制和处理有限的数据。我们并不总能处理复杂的分析和消除偏差。这通常导致我们获得有偏差的结果，或者不能区分相关性和因果性。
在人工智能变革的大背景下，员工通常没有改善工作流程的急迫需求，因为他们只能看见眼前的数据场景，而不是他们缺失的所有数据，或者更大的数据场景。
换言之，数据产生的指数级别的速率，和它宽广的自然范围，让我们的认知可能远远落后，我们甚至不知道我们缺少什么。
不良数据习惯的影响
分析师基于本能会迫使自己基于一般性准则过滤大量的数据，否则分析师无法处理大量的数据。尽管数据规模小的好处是分析师可以进行高质量的手动分析，但他通常会失去被排除的数据的大量信息。
但是损失远超于此。除了失去某个数据点的价值，分析师可能因为错误的假设而忽略整段的数据价值。这会导致下面的恶性循环：分析师因为基于过去的经验和假设持续的选择错误的数据子集进行分析。
这通常会造成一种对结果准确性的错误确定性直觉，因为没有很可靠的办法来对此进行把控。组织会对自己的数据产生一种过度自信的错觉，而这种自信的基础只是在组织面对小数据集范围内有效。
类似的，作为人类，分析师更倾向于创建有更高可能性产生价值的数据过滤系统，因为没有更好的办法可以替代以人为中心的任务。但是，当我们把机器带入到我们的工作流程中的时候，至关重要的一点是我们需要颠覆这一固有的偏差。从纯商业的角度讲，如果机器正在工作，数据产生价值的速度就不是那么重要。
总结一下，将以机器为中心的任务变得更加人性化，对我们达成目标来说是不可行的。
在大数据时代改变我们的思维模式
一个人类分析师可能以 100% 的准确率对数据进行分类，而一台机器在经过训练之后做同样的工作可能连 85% 的准确率都达不到。尽管我们作为人类经常忽略的一点是，机器能在比人类任务大100倍数据规模的情况下达到 85% 的准确率是更有价值的，或者事实上，更准确的。对此我们人类的第一反应是倾向于拒绝使用算法，认为只有精准的结果才有价值。
这是另外一个当机器加入工作流程的时候人类应该设法消除的偏差。很明显，分析的质量是重要的，但当我们决定如何创建工作流程的时候，我们需要提醒自己，数量事实上会创造更高的价值。
换言之，我们本能的关于准确性的定义是受到我们看到的小规模数据集的影响而有偏差的。
创建人机共生关系
尽管机器无所不能的时代离我们还很远，但人机搭配组队的日子已经来临。创建人机搭配关系的方法有很多，但在我的脑海里，影响成败的最主要因素是能否在工作区内创建人机互利互惠、相互协作的共生关系。
例如，当我们需要高质量的数据分类和分析的时候，光有机器通常会导致失败。但是，利用机器分割数据，同时让人工深入检验以作为质量把控手段可以解决这一问题，可以检验更多的数据，而且在很多情况下，比使用人类分析师性价比更高。另外，就算我们不信任机器做任何数据分析工作，我们能让机器帮助我们选择人工分类的数据子集。讽刺的是，在今日，我们的第一个和最危险的数据筛选系统是由人类创建的，而且通常都不是建立在决定性的证据的基础之上的。
这里的关键是使团队需要完成的每一个任务的各种元素能够物尽其用。
引领人机团队
作为经理和领导，我们需要训练自己去观察更大的数据场景，并且总是怀疑我们缺少点儿什么。在这种情况下，不能缺乏批判性思维。
这不是说人工分析没有用，而是说当人与机器的能力搭配的时候，人类的能力更有效。我们需要创建相互配合的人机分析团队，而不是让两者相互对立。
放眼未来，经理们必须有能力区分人类和机器的不同角色。做好这一点，将使人类和机器作为“人机团队”能够协同工作，实现 1+1 > 2 的效果。
如果说在过去，经理的一个关键职能是给每一个任务安排一个最合适的团队成员，那么今天，这一职能角色就扩展到包括评估每一项任务的哪些部分是以人类为中心，哪些部分是以机器为中心的。
那些有能力填平以人为中心的由人掌控各种技术的任务和以技术驱动的商业场景之间的鸿沟的人, 将更加胜任领导业务转型的任务。
我们必须总是准备好“了解未知世界”，即便是在我们数据的范围之内。达成这一目标的关键在于我们首先必须知道自己要有数据管状视野，我们才能实现人机和谐共生，最终完成业务转型。
译者介绍
汪昊，51CTO社区编辑，互联网老兵。在百度，新浪，网易等公司有超过 10 年的技术研发和管理经验。在国际学术会议发表论文 18 篇，3 次获得最佳论文奖/最佳论文报告奖。本科和硕士毕业于美国犹他大学。对外经贸大学在职 MBA。
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
