領導人與數據科學家的共識三步驟

Are Your Company's Leaders and Data Scientists on the Same Page?
喬爾.夏皮洛 Joel Shapiro
瀏覽人數:1197
如果說一段完美的合作關係是穩定的矩形,企業領導人與數據科學家之間,最常見的關係,恐怕是搖搖欲墜的倒三角形。寬大沉重的頂端,代表企業主的過分期待,窄小的底部是並非無所不能、仍待發展的數據科學團隊。如何讓雙方的互動趨於和諧而達到有效?透過本文的三個步驟,可以走向更緊密的伙伴關係,共創良性的發展格局。

追求數據驅動的決策,能讓企業領導人對數據科學眼睛一亮,相信人工智慧特別能立刻改造他們的企業。此時需要的,是針對運用數據以推動關鍵決策時有哪些可能且可行的做法,在數據科學家和企業領導人之間建立健康的緊張關係。

在理想的情境下,所有各方完全都是目標一致。這種情況可以看成是一個完美的矩形,位於上方的,是企業領導人的期望,受到下面基礎的完全支持,而這個基礎是由數據科學能力所構成,例如,數據科學和人工智慧能自動化地辨識並主動聯繫有流失風險的顧客,以達成主管想要降低留住顧客成本的目標。

以標靶百貨(Target)為例,2010年代中期它的店內銷售額持平,而數位活動呈現成長。這家零售商決定在零散的小型機會裡,深化數據科學和數據工程能力,這類機會包括改善現貨供應、降低存貨和改善營運效率等。結果,整個組織的獲利能力大增。

然而,這個令人嚮往的矩形卻很罕見。一個更切合實際的形狀是菱形,它近似那個難以實現的矩形,但是角度偏斜,反映的是期望與實現之間的拉鋸。

可惜更常見的情況是,組織高層的期望與數據科學實際上能提供的基礎,這兩者之間出現失調。最能描繪這種動態的圖像,是一個倒置的金字塔。寛大的頂部反映的,是長字輩高層對數據科學的成效有過大的期望。底部的那一個小尖點,代表數據科學團隊目前的能力,通常水準較普通,還需要時間發展。

比方說,過去幾年間有一家車廠投入數據科學,因為領導人盲目相信分析法能帶來駕駛人體驗革命。在許多嘗試與錯誤之後得到的成果,對駕駛人駕車時覺得有價值的事物,卻沒有增加什麼有意義的助益。

此外,倒置金字塔也反映出,大家多麼不了解「小幅改善可以帶來很大的影響」,例如,顧客人均獲利能力或轉換率的微幅成長之類的小改善。對於大手筆投資分析法的高階領導人,這些不起眼的效益或許看似平淡無奇。然而,這些小改善如果應用到龐大的顧客群,就可能產生重大的成果。此外,這些改善會在其他地方創造效益,例如,消除無成效的商業計畫。

當行銷代理商或顧問公司的銷售端,過度承諾了他們的數據團隊能提供給企業客戶的貢獻時,對數據科學能力的認知歧異會更嚴重。例如,目前許多顧問公司都有分析團隊,可協助客戶改善某些工作的成效,例如預測某個既有產品在新地理區市場的需求。然而,客戶團隊有銷售自家數據服務的壓力;因此,預測的專業能力反而被包裝成「運用人工智慧的力量,改造成長策略與產品上市規畫」,用這種方式向客戶推銷。

在一個組織裡, 領導人了解人工智慧有潛力可以達成大規模的組織轉型,因而可能會對內部的數據科學團隊抱持太大期望。有時候,領導人可能會施壓數據團隊擴展本身的能力。我密切研究的一家《財星》五百大企業,就成功運用這種思維,創設了數據科學卓越中心,同時也營造了健康的競爭氛圍,鼓勵數據科學家鞭策彼此,找出解決問題、執行解決方案的最佳工具、策略和技巧。

但更常見的是,認知歧異變成挫折的來源,而不是激勵啟發。這時候,就需要協調歧異以達成一致方向,並建立更具生產力的心態。以下是做到這一點的三個步驟:

1.讓雙方都認清現實。以一個擅長建構模型,改善顧客購物體驗的數據科學團隊為例。企業領導人可能會假設,自然而然的下一步,就是運用人工智慧來強化所有的顧客服務需求。但這裡需要的,顯然是要更加理解人工智慧能與不能做到的事。人工智慧和機器學習可以提供演算法的產出結果,但不見得能呈現商業解決方案,或是揭示進行的方式。在大部分情況下,人工智慧無法回答「為何」或「如何」,這必須由人類根據人工智慧產出結果來回答。這不只是要節制領導人的期望。數據科學家也必須理解企業領導人所提的要求背後的現實情況,了解領導人為什麼要鞭策他們走出舒適區,探索他們可以創造什麼成果,以便朝向更廣大的目標前進。

2.以過去的成功和成就做為基石。小數據專案是有價值的,包括建立能力、增進理解,以及協助培養數據驅動的文化。一流的企業,一開始會建立中等程度的期望。在執行一些分析專案之後,他們會對成功和失敗進行誠實得有些殘酷的事後檢討,並在投資分析法的同時,一再重新建立對商業的期望。這麼做,能避免落入以下思維的陷阱:以為數據科學是一蹴可及,任何數據問題或所有數據問題都能夠或應該一次解決掉。

3.讓數據科學家發言。在目前的能力所及範圍,合理而可以達成的事項為何,這一點必須由數據科學家溝通說明,而不是透過代理商第一線的行銷人員或事業單位領導人來說明。在任何合約或專案定案前,企業客戶應該與代理商及顧問公司的數據科學團隊接觸交流,以確認銷售團隊的承諾,與數據科學團隊真正能提供的效益一致。為了促進這種交流,數據科學家必須改善自身「談論業務」的能力,說明特定專案和能力可以如何解決商業問題。

隨著企業領導人和數據科學家更理解彼此的期望、目標和限制,就能建立相互理解的伙伴關係。更協調一致與更具生產力的心態,就有更多機會可運用數據來改善決策,並達到更優良的成果。

(周宜芳譯)



喬爾.夏皮洛 Joel Shapiro

美國西北大學凱洛格管理學院(Kellogg School of Management at Northwestern University)實務副教授,也是高階主管教育課程的學術主任。


本篇文章主題協作