摘要： 大数据分析已被证明是许多应用的一种绝佳工具，从评估组织的盈利能力到确定最佳投资策略。不幸的是，即使近年来数据相关技术取得的所有进展，客观数据分析所无法克服的一个主要障碍是管理人际关系。

   大数据分析已被证明是许多应用的一种绝佳工具，从评估组织的盈利能力到确定最佳投资策略。不幸的是，即使近年来数据相关技术取得的所有进展，客观数据分析所无法克服的一个主要障碍是管理人际关系。
　　
　　仅仅根据绩效数字来确定员工的意见很难。根据算法如何与企业相匹配（尽管很多企业家已经尝试过），也不可能告诉是否可以维护良好的关系。
　　
　　但是数据处理的革命很快就会发生，它更多地关注定性的人类特征，以及人类在几乎主观的层面上如何相互影响。
　　
　　需求
　　
　　人们看到对这种分析越来越重视的一个重要原因是需求量庞大。从业务角度来看，管理者需要知道如何更好地理解和协调员工，业主需要与租户保持良好的关系。
　　
　　从个人的角度来看，人们渴望改善他们的友谊和浪漫关系。鉴于来自各方的推动，数据科学家和工程师正在着手推进可以使用数据处理这些复杂情况的项目。
　　
　　数据如何改善关系
　　
　　数据如何解决历史上难以减少到客观数量的问题？
　　
　　•数据量。有时，数据量的增加足以更好地理解人类如何一起工作和相互评估。在收集了数百个维度的信息后，即使是基本的算法也应该能够精确定位预测人类行为的某些指标，或者至少规定关系的质量和形状。
　　
　　例如，重要的数据和研究可能会发现几百个增加离婚可能性的因素。然后，这些因素的存在或不存在可以用来评估关系的相对强度，即使在最早阶段也是如此。
　　
　　•预测性人工智能。预测性人工智能采用多种与数据相关的学科，包括数据挖掘、统计学、建模和机器学习，以获得有关复杂系统的预测。只有在这些技术突破的交叉点上，人们才能创建一个足够复杂的系统来预测一个人未来的行为。
　　
　　目前，大数据使人们能够对团队的平均表现做出全面的预测，但其发群体越小，变量变得越不可预测。
　　
　　•“主观”数据点。人们还会看到更多主观数据点的优先级。尽管大多数系统仍然需要某种方法来使主观特征成为可数的或可测量的，但如果人们想要预测人类行为并改善与他人的关系，则需要了解人格特质和情绪状态的复杂性。
　　
　　在许多方面，这是管理人际关系最复杂的领域。当谈到人类行为时，变量和结果之间并不总是直接的关系。
　　
　　另外，人们并不自然地在客观场景中评估主观因素，这对于预测分析算法来说很容易分析。
　　
　　•个人和组织的区别。偶尔，个人关系可能会破坏组织目标或者至少使组织目标复杂化。目前，目前很多分析技术适用于研究大量主题，无论是组织中的数百名员工还是某个领域的许多组织。
　　
　　将数据用于管理人际关系的过渡将要求人们“放大”个人因素，这将需要新的数据处理方式，而且需要采用更为密集的方式来收集数据。
　　
　　在这方面，人们面临着一些关键挑战，但数据分析的未来几乎肯定会关注个人人际关系的力量和管理。人们已经看到系统的开始足够强大，可以对以前不可预知的数据集进行预测。
　　
　　随着企业和消费者需求持续改善，人们不太可能看到这一势头放缓。在几年之内，人们可能会使用软件，使人们成为更好的经理、更好的业主、更好的谈判者，甚至更好的朋友。
　　
　　编辑：Harris