東吳大學巨量資料管理學院副教授胡筱薇日前曾在「跨國在地經營菁英班」與學員分享「數據管理與數據治理」，深入淺出地剖析在數位經濟時代下，企業在經營數據與透過數位工具發展業務時，必先釐清的概念與關鍵思維。

本文整合胡老師在東吳大學資料科學系課堂上的授課內容，從論述的層面一一剖析資料科學與數據治理的基本概念，最後並帶出在實務現場的常見問題，帶大家突破思維框架與執行的盲區，讓資料科學與數據治理真正落地。

科技發展日新月異，加上大環境變動劇烈；如今，我們時刻處於充滿未知的環境中，時刻都需要與不確定性共處，於是「資料科學」成了這個時代的顯學，提供思維的引導方針，幫助個體在各種複雜的環境下，找出值得參考的洞見（insight），降低不確定性，進而提高選擇的勝率。

用戶驅動是數位轉型的核心，而數據管理與治理是其基礎，重點在於「數據」而非「技術」。

「釐清目的」為行動的第一步

資料科學是「跨領域」的學科，「資料」在不同的領域有各自的應用方式，因此展開資料分析的第一步是確認「目的」。要確認目的，首先是釐清需求，許多企業常常會誤以為自己很清楚需求，但往往最後，才發現完成品不一定能真正回應原初的需求。

資料科學講求「領域」，在團隊協作的環節中，每一個面向與功能的角色皆分屬不同專業，因此掌握目的與需求很重要。畢竟，掌握操作的程序不等於掌握對需求的認知，資料分析者必須很清楚「要解決什麼問題」，而不是「要使用什麼方法」。

如同資料分析，許多企業開始要進行數據治理時，常常會遇到許多問題，例如目的不明確、不知道該從何開始，或是面對海量的數據，卻不知道自己的需求。

無論是定戰略用的「大數據」（包含企業內外部與線上線下的四種數據）；擬定策略的「小數據」（例如用戶的行為數據、消費數據、地理位置數據、金融數據和社交數據等）；還是建置行動方案的「活數據」（讓用戶驅動成為營運的起點，透過持續與用戶的互動，逐步深化對用戶的理解），企業都要先釐清需求，才知道要從哪一個面向著手。

什麼是「數據治理」？

透過「法規、組織與技術」來管理數據資產，就是「數據治理」。

一般來說，多數人都認為現金比數據有價值，這是因為數據容易被無償交換或轉移，仍欠缺資產特性。為此，GDPR（General Data Protection Regulation, 歐盟一般資料保護規範）將數據的所有者、管理者與使用者清楚的標示出來，希望能明確界定出資料的價值。

數據的管理、治理以及智慧驅動非常重要，除了法律的保障，數據更需要技術的支持與保護，否則法律也僅只是一紙空文。

「數據治理」透過統一的數據管理規則去確保數據的品質，讓企業數據處理流程的每個環節都有一致的標準，並建立數據管理體系，自動採集業務數據，打破相對獨立的數據庫。同時，企業也必須梳理出「數據脈絡」，建構出內部不同層級與不同職能者在溝通時的基本邏輯。

要特別注意的是，數據治理主要責任在業務單位，而非IT部門。每個數據都需要有對應的業務部門承擔管理責任，而且必須有唯一的數據管理者（owner），此人要明確掌握數據品質、關注數據服務、滿足企業的數據需求，並在數據出現爭議時負責裁決。

簡單來說，「數據治理」是一個體系而非單一項目，要衡量一個企業數據治理水準如何，可注意三個關鍵：一是有沒有公司級的數據治理政策，二是這個政策有沒有組織的保障，三是這個保障流程運行的品質如何。

數據智能引擎流程：從大數據到活數據

任何技術的發展都一定要有應用場景，唯有「技術」加上「場景」才能使各種可能的應用擴散開來。比如現在有5G，但是場景尚未完備；而6G的技術也在發展中，同樣還沒有合適的「場景」讓技術能有落地應用的發展空間。

此時，數據科學的知識發展正持續更新迭代，當所有的新知識與新技術時時刻刻都在發展與演化中。同樣的，人的行為與需求也是持續變動的，因此在數位經濟時代下，企業的必須時刻掌握客戶需求，透由他們的反饋即時調整服務，擁抱「體驗經濟」時代的到來。

搜尋引擎的發展歷程都很相似，成品也很相似，都是從數據化、模型化一路到產品化。然而今日，發展到「產品化」之後，還需要加入「用戶」驅動的「反饋閉環」——從用戶的反應與回饋持續優化，因為因為用戶在使用產品的過程中，他的行為就反應了內心真實的想法。

對於企業來說，最關鍵的第一步就是「和客戶之間建立持續的互動關係」。（圖／胡筱薇老師提供）

用戶在搜索結果頁面的「點擊」行為，其實直接就告訴了搜索引擎：它提供的相關性排序結果是否符合需求。舉例來說，當淘寶推薦了許多商品，但用戶給推薦引擎反饋卻是「不滿意」，那麼淘寶就應該要知道如何改進。

「反饋閉環」的價值在於，它能持續掌握動態的資訊，因為每個人的喜好與行為都會隨著時空改變，唯有持續接觸、透過真實的連結與互動，才有優化模型、提升服務品質的基準。否則，當既有的機制離用戶愈來愈遠，就無法提供真正需要的服務。

數據化時代是「體驗經濟」的時代

在傳統的B2C模式中，企業跟客戶是單次的接觸，產品銷售結束了後企業跟客戶之間就不再有任何關係了；但是在新的智能時代，產品銷售結束之後才是服務的開始，也才是企業能真正創造商業價值的時候。

數據化時代是「體驗經濟」的時代，要打造體驗經濟，必須要有好的數據智能引擎。要特別注意的是，在體驗經濟的時代，若要做好客戶體驗，就必須創造可持續互動的「界面」，如果你沒有創造與用戶互動的界面，那麼「你就不存在」。

用戶不僅是驅動需求的來源，也是反饋閉環的基礎。換句話說，在推動數據轉型最關鍵的第一步，就是有沒有和用戶建立持續互動的關係。

數據治理關鍵Q&A

Q：我們應該如何鍛鍊數據分析能力，使其成為老闆或主管聽得懂的決策參考，避免讓自己陷入「專業的傲慢」？

A：首先，你要知道老闆或主管在乎的是什麼。當老闆提出需求，你的腦中可能出現了許多技術的細節，但這些細節在他聽來，可能就只是在告訴他「不行！」老闆做的都是大方向的決策，所以執行細節是不需要在第一時間提出來討論的。

我首先會回應「這是一個很好的想法」，先肯定他，建議對話的氛圍之後，先慢慢聽他說，釐清他在意的是什麼，先理解他說出來的和沒有說出來的需求，然後才知道如何解決問題。有時候，老闆沒有講出來的並不是沒問題，而是他不知道該怎麼表達。

比如說，有個老闆跟我說「粉絲數太少」，想知道要怎麼樣才能讓粉絲數量變多。我聽到的是，他沒有安全感，因為他對於網路太陌生了，不知道該怎麼辦。其實，老闆實際上在乎的不是粉絲人數，而是想知道同仁到底做得好不好。

要讓老闆有安全感，就是要讓他懂這件事情。老闆不懂，我們可以慢慢教他，但同時也要讓執行團隊選擇正確的指標去衡量效益，這個指標不是「粉絲人數」。所以我會讓老闆知道哪裏有效益，方向是否正確，需要留意的方向為何，但是去和執行長溝通如何調整作法，例如：重新修訂經營績效指標。

這是一種「對焦式」的對話，要解決同樣的事情，但必須和不同人討論不同的事情。

Q：許多公司的數位轉型都是數位整形，請問企業要做數據治理，要從哪個階段開始思考與執行？

A：要回答這個問題，首先要先釐清自己企業的位置，才會知道自己需要什麼。

我們可以把企業依照量體分成三個層級。比如可能剛要啟動的傳產，可算是第三個等級；中量體是第二個等級；如果你是大型企業，那一定會有數據治理。

大量體的企業一定要注意數據安全；中量體企業的數據治理通常迫在眉梢，常見的問題是——要先整理數據？還是先有架構之後再來治理？如果是小量體的傳產，從零開始做，反而有機會彎道超車。

Q：如何從數據分析鍛鍊自己產生關鍵insight？

A：沒有戰場就沒有精兵，所以一定要有場域。只要你不在戰場，就永遠不會有關鍵insight。

（文字整理／李妍潔）