
Jorg Greuel/Getty Images
企業導入AI分析,著眼於讓更多人問更多問題,但答案變多不等於決策變好,還可能讓組織更快替既定立場找理由。領導人應從待改善的決策出發,釐清分析是在描述、預測還是評估行動效果,交代結論的前提與「若不採取行動會如何」,並管好指標定義、依風險驗證重大主張、獎勵求真而非說服。
多數企業建置AI分析時,關注的是如何擴大使用範圍:如何讓更多人針對更多數據,提出更多問題?但這其實是個錯誤的出發點。更值得問的是:如何幫助人們運用得到的答案,做出更好的決策?
我是經濟學家,30年來一直研究組織如何運用數據做決策。我在加州大學柏克萊校區(UC Berkeley)擔任教授,曾在eBay與亞馬遜(Amazon)擔任高階主管,也為各行各業的公司提供顧問服務。在這些工作中,我找到回答上述問題的一個重要切入點:區別自助式分析(self-service analytics)與服務決策的分析(decision-service analytics)。自助式分析從使用者的問題出發:你想知道什麼?服務決策的分析則是提前一步出發:你想改善哪一項決策?
這個差異很重要。經理人若問:「哪項行銷活動的轉換率最高?」AI很快就能回答。但如果實際要做的決策,是如何分配下一季的行銷預算,更好的問題可能是:「哪項行銷活動,從原本不會購買的顧客身上,創造了最多額外利潤?」這可能需要進行實驗、設置保留對照組,或採用截然不同的衡量設計。
在這種模式下,AI可以發揮極大的作用。AI能減少例行重複工作,協助經理人探索數據...
本篇文章主題

