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)