第二章　反直覺：隨機化與最優解

1925年，現代統計學之父羅納德·費希爾（Ronald Fisher）正式提出，我們可以通過隨機分配檢驗特定醫療干預是否具有事先預測的效果。首次人類隨機試驗（對抗結核病的早期抗生素）直到20世紀40年代末才得以實現。如今，在食品和藥物管理局的鼓勵下，隨機檢驗成了證明某種醫學療法是否有效的黃金標準。

本章介紹企業是如何相互趕超的。聰明的企業知道，回歸方程可以幫助他們做出更好的預測。不過，我們還會首次看到，一些企業將回歸預測與基于自身隨機試驗的預測相結合。企業正躍躍欲試，通過拋硬幣創建自己的數據。我們將會看到，隨機檢驗正在成為數據驅動型決策的重要工具。和新的回歸研究類似，我們還是需要通過超級數據分析回答哪些因素有效這一基本問題。將這兩個超級數據分析核心工具相結合的典型案例是一家以“你的錢包里有什么”這一問題聞名的公司。

“第一資本公司”是美國最大的信用卡發行公司，位于超級數據分析革命的最前沿。超過250萬人每月都會給第一資本打電話。該公司為此做好了準備。

當你呼叫第一資本時，語音提示會立即要求你輸入卡號。在客服代表的電話響起之前，計算機算法就會介入，對你的賬戶和賬戶持有者的幾十項特性進行分析。在超級數據分析的幫助下，他們有時甚至可以在你提出問題之前回答你的問題。

第一資本發現，一些顧客之所以每月撥打電話，是為了查詢他們的余額，或者查看他們的付款是否成功。計算機會跟蹤撥打電話的人，將其轉到自動系統，以如下方式告知顧客：“您的賬戶目前欠款164.27美元。如果您有賬單問題，請按1……”或者“我們已于2月9日收到您的上次付款。如果您需要咨詢客服代表，請按1……”查爾斯·菲什曼（Charles Fishman）在《快公司》上撰文指出：“過去需要花費二三十秒甚至一分鐘的通話現在只需要十秒。每個人都是贏家。”

超級數據分析還將客戶服務轉變成了一個銷售機遇。顧客特性數據分析可以生成這種消費者最愿意購買的產品和服務清單，客服代表在接通電話時可以立即看到這份清單。這與亞馬遜那種“喜歡該商品的顧客還喜歡……”的功能非常類似，但它是通過客服代表傳達的。目前，第一資本每年可以通過客服營銷實現一百多萬銷售額——他們的數據挖掘式預測是其中的主要原因。還是那句話，每個人都是贏家。

不過，大家獲得的利益可能并不均等。第一資本會盡量為自己提供最大份額的收益。例如，每當顧客試圖取消賬戶時，經過統計驗證的算法就會自動介入。如果顧客價值不大，他就會被轉到自動服務，通過幾次按鍵注銷賬戶。如果顧客之前曾經（或者之后預計會）為公司帶來盈利，計算機就會將他轉到“維系專員”，并且生成一份可以提供給他的優惠清單。

例如，來自北卡羅來納的南茜（Nancy）打來電話，想要關閉賬戶，因為她感覺16.9%的利率太高了。第一資本把她的電話轉到維系專員蒂姆·戈爾曼（Tim Gorman）。第一資本的計算機自動向蒂姆展示了三個較低的利率——最低的是9.9%，最高的是12.9%。他可以向南茜提供這些利率，以便留住她的業務。

當南茜在電話里宣稱自己剛剛拿到其他信用卡機構利率為9.9%的信用卡時，蒂姆回復說：“好吧，夫人，我可以把您的利率降至12.9%。”通過超級數據分析，第一資本知道，許多人對于這種降幅感到滿意（盡管他們聲稱自己獲得了另一張利率較低的信用卡）。當南茜接受蒂姆的條件時，蒂姆立即獲得了獎金。每個人都是贏家。不過，第一資本通過數據挖掘獲得了更多利益。