幾乎所有公司，分析都是企業戰略的核心。 但是，當涉及到公司內部相互矛盾的目標或關於如何實現特定目標的意見分歧時，進行分析可能會變得很複雜。
儘管每個企業內的共同目標很少互相反對，但是它們之間仍然可能存在一些分歧。換句話說，它們可能會稍微錯位。 Analytics（分析）可以確保個人真正瞭解目標（即支撐指標的意圖）並且不會採取簡單的看法。一個典型的例子可能是，科技公司中的增長團隊希望更多的人積極使用他們的服務，這可能與完整性團隊的目標背道而馳，因為他們希望阻止惡意參與者濫用其服務（例如：使用偽造的個人資料）在社交網絡平臺上）。這是錯誤的二分法。社交網站贏得勝利的方法之一就是成為互聯網上最明亮的乾淨空間。因此，從長遠來看，只有實現良好的社區誠信，成長團隊才能成功。同樣，誠信團隊也不會希望用戶的帳戶遭到破壞，並失去與朋友和家人的所有照片和歷史記錄。因此，兩個團隊都不會選擇向註冊的任何人開放產品或關閉整個平臺。
在這種情況下，分析可以發揮的作用將圍繞嚴謹的思維和準確性而演變，具體方法如下：探索目標和假定的錯位：
1.將問題分解為大塊
2.確定一個實體是否可以衡量這些塊中發生的事情以及保真度
3.清晰地溝通一個實體可以測量錯位的地方，程度和不可以測量的地方
4.分享關於實體錯位程度的度量
在成長和誠信團隊之間發生衝突的情況下，這實際上歸結為誤報和誤報以及這兩種情況下造成的傷害。 阻止某人使用特定平臺而不是讓一個壞演員參與其中所帶來的危害的相對分量是無法直接衡量的，因此必須基於觀點。 因此，整個分歧可以歸結為必須使用意見的地方。
在這種信息的基礎上，人們可以測量下架和關於測量這些能力的建設性對話中的誤報率，其中一個實體失敗了，以及如何在不久的將來迭代地改進整個過程。
真正出色的分析團隊在將他們的觀點與工作分離開來並忠於數據並將問題歸納為目標，指標和反指標的意義上完全不感興趣。 這並不是說這樣的團隊也沒有意見，但是他們能夠分開意見，並且在分享意見或客觀事實時非常清楚。 最重要的是，儘管這樣的團隊知道他們必須直言不諱，如果這會傷害我們的信念，但有時他們不得不為了整個團隊的利益而放棄自己的意見。 這是在目標不一致的情況下發生衝突的關鍵方面：客觀和嚴格地解決問題，並適當地應用度量標準來衡量偏差並最大程度地減少偏差。
另一方面，關於如何實現目標的意見通常會有所不同。 由於存在一些現有的認知偏見，例如確認偏見（記住與您同意的內容，而忽略/不尋找與您不同意的內容，或者真正懷疑它是否有意義），可能會故意進行某種程度的虐待。 如果個人想成為真理的仲裁者，那麼在這種情況下數據的作用將尤其困難。 他們必須是可信的，而且他們必須掩蓋自己的意見，並要切實努力避免自己出現認知偏差。 他們需要確保他人能夠理解他們擁有的數據可以說或不能說的內容。 他們還需要幫助其他人瞭解他們怎麼知道。 這將要求每個人花時間只是為了確保在許多情況下推送帶有可能反對個人意見的數據的案例，以正確理解手頭的數據。
到達上面的地方很難。 這需要很多信任。 與分析和研究團隊進行艱苦的對話是需要的。 為了在任何情況下唯一準確地表示事實並理解這些事實，團隊需要清楚他們是在談論事實還是僅陳述自己的觀點。 企業只能用不構成故事的數據說實話。 對事實的共同理解是當今大數據時代企業合作的良好基礎。
最後但並非最不重要的一點，無論是在技術領域還是其他領域，在處理困境時，請牢記以下原則：
"神不會給任何人負擔更多的負擔" –古蘭經（2：286）
(本文翻譯自The AI LAB的文章《The Science of Analytics for Big Data》，參考：https://medium.com/@ailab/the-science-of-analytics-for-big-data-9f616ffa5696)
