什麼!?資料科學家≠商業資料分析師?

Cortilia Lin
瀏覽人數:15333
優秀的商業資料分析師,具備業界資歷、諮詢顧問、以及數據模型能力三種條件,是下一個炙手可熱的領域。

成立了近20人的資料科學團隊,企業就能創造更多價值嗎?更常見的情形是,團隊中的資料科學家,與非資料科學背景的人員衝突不斷,數據分析也在商業應用上處處碰到瓶頸。

資料科學家 vs. 專案經理 ,是誰不專業?

專案經理:「今天的客戶會議,資料科學家又跟客戶起爭執。他認為客戶不夠專業,根本不清楚自己的需求,也無法辨別需要什麼分析類型。我嘗試居間溝通,但是發現自己也無辦法了解我們資料科學家的思維邏輯,所以覺得似乎該先回內部溝通一下。」

資料科學家則埋怨:「今天面對的客戶根本就不懂資料與數據。他們行銷部門要求做一個模型預估明年營收,但提供的資料不完整,又有一堆假設。

我根據這些選擇了三個模型,建模跑出來的結果,就是一個會成長,一個持平,另一個衰退,他們卻指責我的情境分析是做白工,沒有邏輯可言。但跟他們說明模型的數學公式,他們的表情一個比一個還空白。

我覺得有必要跟專案經理討論,真的有資料科學需求的專案,我們才接受。目前的專案經理不合格,無法溝通資料科學的價值,也無法提高顧客對我們產出的了解程度。」

像這樣互相指責,究竟是誰不專業?其實只是雙方缺乏共通語言,對「命題」的定義分歧,團隊才無法有效運作。無數所謂「大數據」分析專案,就像這樣胎死腹中,無法落實商業價值,最後淪為公司的數位化口號,直到下一個經營管理學的時髦詞彙出現。

資料科學與商業應用的命題,定義不同

實務上,資料科學家(Data Scientist)其實是擁有優異數理等量化技能的「技術專家」。他們最主要的能力,是根據資料、數據上的限制與環境需求,為客戶選擇一個最合適的「計算模型」,解答「數理」問題,讓客戶得以根據該解法,轉譯出背後的商業價值。

舉例來說,一個跨國的汽車工業龍頭,希望運用一年內約莫1,500筆大額win/loss交易資訊,分析對比什麼樣的交易情形容易失單,藉此達到兩個目標:一個是希望能夠預估未來潛在訂單的勝算,並編入財務預測,另一個是希望能夠讓業務團隊,針對不熟悉的交易內容與方式,加強協商技能與專業知識。

這是很常見的商業需求,但資料科學家會認為這並非資料科學的命題,因而無法解答。對於資料科學家來說,他們需要的是:

一、整理過去1,500筆交易紀錄,掌握這些資料記錄了什麼欄位、欄位中的資料是什麼型態,以及評估1,500筆資料的完整度

二、請客戶協助定義要將哪些資料欄位納入分析,以預估未來的交易勝算

三、定義預測的目標數值要以什麼型態呈現,換句話說,決定潛在訂單「勝算」的數學定義。

簡單來說,當資料科學家完成龐雜繁複的資料準備工作,接著選擇、建立合適的模型,再執行模型,預估出勝算後,往往就自認已經達成任務。至於第二個目標,也就是希望加強業務團隊的能力,會自動被資料科學家排除在模型分析之外,因為這不是能夠藉由數學定義、模型建構而產生的數值。

「商業資料分析師」扮演轉譯的重要角色

部分跨國企業,在運用資料科學打造商業服務時,從多年的經驗意識到了上述難題,也就是資料科學家與商業團隊的語言鴻溝,導致「大數據分析」的預估產值,往往低於潛在價值。這也造成數據分析服務無法針對商業應用,進行效益最大化與最低投資成本的規劃,因此,所謂「商業資料分析師(Business Data Analyst)」的角色,再度崛起並重新被定義。

商業資料分析師藉由多年的業界經驗,累積出所謂「商業產業洞察」的能力,在接觸一個模糊的商業命題時,能夠精準應對管理階層的需求。面對商業應用的問題探索與定義能力,他的角色更像所謂的「商業數據應用顧問」。

另一方面,商業資料分析師也必須具備與資料科學家溝通的能力,換句話說,他必須嫻熟計量語言,能夠把管理階層的商業應用命題,再轉化成數學命題,讓資料科學家有著力點,接手規劃、選擇計量工具。資料科學家完成模型建構、計量解法與模型後,商業資料分析師要再將產出預估結果的過程,轉譯為商業應用。

回到上述跨國汽車工業龍頭的例子,也就是說,商業資料分析師要再將模型產生的數值,轉譯為財務單位能夠納入財務預測模型的變量,滿足財務預測的需求;同時,當模型顯示,某些變量可用來預估訂單勝算,是良好的勝算預估值,商業分析師就要再將這些變量對預估值的影響,轉譯為加強業務單位技能的內容。

例如,模型跑出的結果顯示,該市場的預估GDP成長率與訂單勝率有關,(主要是透過評估顧客對市場預估GDP成長率的風險反應,得到個別客戶對於「風險偏好」的數值來呈現),並可預估出訂單勝算有43%,且模型的準確度高於85%。當商業分析師得知這個變量時,就能夠與行銷、業務部門共同研擬,針對每位客戶的風險偏好調整說帖,不論是風險偏好度高或是規避風險的客戶,都能客製合適的應對方法,以增加勝算。

現今的商業資料分析師,不再只是傳統認定的基礎資料分析人員,而是結合數據與商業顧問的角色。優秀的商業資料分析師,具備業界資歷、諮詢顧問、以及數據模型能力三種條件,是下一個炙手可熱的領域!


更多作者 Cortilia 數據分析系列文章:

●〈別再微觀了! 企業應培養的「宏觀數據力」
● 〈B2B企業如何成功推動Win/Loss Analysis數據分析?
● 〈讓數據激發「內部創業精神」



</>

Cortilia Lin

現為經濟學人智庫健康醫療管理顧問部門全球創新資料洞察解決方案總監,曾任飛利浦照明全球品牌策略總監,專精於數據分析、顧客體驗與品牌行銷。Facebook粉絲專頁: Coderia's Diary (https://www.facebook.com/coderiasdiary/)


本篇文章主題分析