本文出自

哈佛教你精通大數據

哈佛教你精通大數據

打造專家級決策

Keep Up with Your Quants
湯瑪斯.戴文波特 Thomas H. Davenport
瀏覽人數:6852
你不必是精通大數據分析的專家,但必須懂得如何找到能為公司所用的專家,更重要的是,要知道如何聰明運用他的專業,為公司做出資料導向的有效決策。若要避免成為大數據的門外漢,請參考本文解說的實用入門知識。

幾年前,美國某大銀行的資深計量分析師告訴我:「我不知道我們為何不把房貸從帳上移除。我有個模型清楚顯示,很多房貸都無法償還,我把那個模型傳給我們的房貸部負責人。」

我問房貸部負責人為何忽略那項建議,他回應:「如果分析師給我看模型,那並不是我能理解的方式,我甚至不知道他的部門在分析還款機率。」後來那家銀行因房貸壞帳,而慘賠了數十億美元。

我們活在大數據的時代。無論你從事的行業是金融、消費品、旅遊和交通運輸,或是工業用品業,分析已是組織必備的競爭要件。但正如前面的銀行例子所示,光有大數據,甚至有人熟悉數據的運算,是不夠的。經理人也需要和計量專家有效合作,才能確保他們的工作,可以產生更好的策略和戰術決策。

對熟悉分析的人, 這並不是問題, 例如有麻省理工學院博士學位的凱撒娛樂公司(Caesars Entertainment) 執行長蓋瑞. 拉夫曼(Gary Loveman)、普林斯頓大學主修電機與電腦科學的亞馬遜網站執行長傑夫.貝佐斯(Jeff Bezos)、從史丹福大學資訊科學博士班輟學的Google 創辦人賴瑞.佩吉(Larry Page)和謝爾蓋.布林(Sergey Brin)。但如果你是典型的高階主管,可能只在大學修過一、兩門數學和統計課程,也許你很擅長使用試算表,知道怎麼做長條圖或圓餅圖,但對於分析,往往感到計量知識不足。

那麼對你來說,這股「資料導向決策」的趨勢意味著什麼?你如何避免像那位房貸部負責人落入虧損的命運,領導公司走向分析改革,或是至少能夠嫻熟了解分析技巧? 本文是為非計量專家撰寫的入門文章,以高階主管的廣泛訪談內容為基礎,受訪者包括我擔任教職時的學生,以及我擔任顧問時的客戶。

你,當個專業用戶

一開始,先把自己想成分析資料的用戶,資料的生產者是計量專家。你做決策時,會結合他們的分析報告與模型,與你的業務經驗和直覺。這些計量專家當然很擅長收集現有的資料,並預測未來,但他們大多缺乏足夠的知識,難以找出假設和相關變數,也無法得知組織根本的變動。身為資料用戶,你的任務很重要,必須提出假設,並判斷在瞬息萬變的商業環境中,分析的結果和建議是否合理。也就是說,你必須承擔幾個關鍵責任,有些只需要改變態度和觀點,有些則需要一些研究。

責任1:學一點分析

如果你還記得大學統計課的內容,你可能就沒什麼問題。如果不記得了,你可以加強迴歸分析、統計推論、實驗設計的基本知識。你需要了解做分析決策的過程,包括何時該以用戶的立場介入,要求設計分析模型的計量專家,解釋每個模型的假設,加以答辯(見邊欄:「分析導向決策六大步驟」)。知名的統計學家喬治.波克斯(George Box)曾說:「所有模型都是錯的,但有些很實用。」換句話說,模型刻意簡化了我們複雜的世界。

為了更了解資料,你可以報名高階主管教育課程的統計課、上網修課,或是和公司內部的計量專家密切合作幾個專案,向他們學習。

信諾集團(Cigna)的臨床營運部副總裁珍妮弗.喬伊(Jennifer Joy)採用第三種方式,她擁有護理和企管碩士學位,但對自己的分析技巧不是那麼有信心。不過她知道,平日收到的電話客服中心長篇報告並未告知,他們打給患者的指導電話,是否真的能幫患者控管疾病,避免就醫。

所以,喬伊去找信諾的分析部門,尤其是實驗設計的專家,因為實驗設計是唯一可能顯示因果關係的分析方法。例如,她得知可以做測試性研究,以了解目標顧客當中的哪個群組,從電話客服中心的服務當中受惠最多或最少。具體的做法是,先使用分析資料來為患者「預先配對」,然後隨機從配對中挑出一人接受電話服務,另一人則接受其他服務,例如郵購或透過網路提供支援。每個測試性的研究只延續兩、三個月,並同時進行多項研究,所以,現在喬伊可持續獲得各種服務效果的資訊。

最後,喬伊和合作的計量專家發現,指導電話對某些疾病的患者有效,對其他患者無效,因此她調動了一些客服員工。現在,喬伊的部門每年做二十到三十個這類測試,以了解哪些服務真的對病患有效。她可能不了解所有方法的細節,但信諾的美國研究與分析部副總裁麥可.卡森斯(Michael Cousins)證實,喬伊變得「非常分析導向」。

責任2:搭配合適的計量專家

卡爾. 肯普夫(Karl Kempf) 是英特爾(Intel)決策工程部的領導人之一,在公司裡以「超級計量專家」或「首席數學家」著稱。他常說,有效的計量決策「重點不在數學,而是關係」。他的意思是說,如果計量專家和資料用戶培養互信的深厚關係,可自在地交流資訊與想法時,就能得到更好的結果。

當然,擅長分析的人不見得擅長社交,所以要培養這種關係可能很難。某位幽默人士半開玩笑地建議:「去找跟你說話時盯著你鞋子看,而不是盯著自己鞋子的計量專家。」不過,還是有可能找到溝通良好、又喜歡解決商業問題而非數學問題的人,而且你跟他建立關係之後,就能鼓勵彼此坦白交流,願意根據資料提出異議。

美國銀行(Bank of America)的凱蒂.諾克斯(Katy Knox),學會如何與產生分析資料的人搭配。她是消費金融處的零售策略與配銷部負責人,監督5,400 多家分行,服務五千多萬名消費者和中小企業。多年來,她一再敦促直屬部屬使用分析做更好的決策,例如,決定要開設或關閉哪家分行、如何縮短顧客的等候時間,什麼誘因可促成多通路的互動,以及為什麼有些業務員的績效特別好。

美國銀行有數百位計量分析師,但他們大多集中在某個部門,經理人不容易接觸到他們。諾克斯堅持她的部門要有自己的分析團隊,她常透過開會和專案報告會議,與計量分析師密切共事。她和兩位分析團隊的領導人賈斯汀.艾迪斯(Justin Addis)、麥可.希濟(Michael Hyzy)合作最密切,他們兩位都有消費金融及六標準差的經驗,所以了解該部門的商業問題,能和他們旗下的計量專家充分溝通問題所在。諾克斯開了先例以後,美國銀行在消費金融處,為分析師設立矩陣式的組織架構,現在,這些分析師大多同時對事業部門及集中化的分析團隊負責。

責任3:把焦點放在開頭和結尾

對大數據的用戶來說,構思問題是分析流程中最重要的階段,構思問題包括找出問題,並了解過去其他人怎麼解決這個問題。這是最需要業務經驗和直覺的部分。假設畢竟只是對世界運作方式的預感,分析式思維的不同之處,在於運用嚴謹的方法來驗證假設。

例如,全視線光學(Transitions Optical)兩家母公司裡的高階主管覺得,這家變色鏡片公司在行銷方面的投資不盡理想,但沒有實證數據可以證實或駁斥這個想法。當時領導行銷部門的格雷迪.藍斯基(Grady Lenski),決定聘請分析顧問來衡量不同銷售活動的效果: 把簡單的是非題「成本是否太高」,擴大闡述成有建設性的問題。

如果你不是計量專家,也應該把焦點放在流程的最後一步: 向其他高階主管說明與溝通分析的結果,因為那是許多計量專家低估或忽視的環節。分析大致上就是「說明數據資料」,你偏好用什麼方式說明?會採用哪種用語和調性?應以敘事的方式說明,還是用視覺圖象表達? 你喜歡哪一類的圖象? 無論計量專家的分析有多複雜,都應該鼓勵他們以簡單明瞭的方式說明分析結果,好讓大家都能了解,或者,你應該幫他們說明。大家通常很難接受統計方法式的講解,例如「我們先做卡方檢定,接著把類別資料轉為順序資料,然後跑邏輯迴歸,之後再把經濟數據往後挪一年。」

許多企業人士是以投資報酬率(ROI)來說明:新的決策模型如何提高轉換率、營收或獲利? 例如,默克藥廠(Merck)一位負責全球事業單位的高階主管,和公司內的商業分析團隊密切合作多年,以解決多種問題,包括直接對消費者做促銷的ROI是多少。在ROI 分析之前,他先和團隊討論,若發現促銷非常有效、有點效果,或是沒有效果時,會採取什麼行動,以釐清那些分析不只是學術研究而已。分析完後,這位高階主管會請分析師和他的管理團隊一起開會,簡報與討論結果。

責任4:在過程中提許多問題

美國前財政部長賴瑞.桑默斯(Larry Summers)曾擔任某個計量避險基金的顧問。他告訴我,他擔任那個職務的主要責任是監督,也就是對那些聰明計量專家的模型和假設,提出一樣聰明的問題。很多計量專家過去從未受過那樣的質問,他們需要聰明的資料用戶,幫他們透徹地思考與改善本身的分析工作。

無論你多麼信任計量專家,都不要停止詢問他們困難的問題。以下的問題,幾乎一定都能促成更嚴謹、更穩健的分析。如果你聽不懂他們的答覆,請他們用更簡單的用語再說一次。

1. 你的數據資料從哪裡取得?

2. 樣本資料的全體代表性如何?

3. 你的資料分布中包含離群值(outlier)嗎? 它們對結果有何影響?

4. 你的分析背後有什麼假設? 某些條件可能讓你的假設與模型失效嗎?

5. 你為什麼決定用那種分析方法? 曾考慮過哪些不同的分析方法?

6. 獨立變數導致相依變數改變的可能性有多高?其他的分析方法,可以更清楚確定因果關係嗎?

法蘭克. 弗里德曼(Frank Friedman) 是德勤(Deloitte)美國事業的財務長,向來很積極發問。他找來一些資料科學家和計量分析師組成團隊,幫他做了好幾個計畫,包括找出最適服務定價、設計能預測員工績效的模型、找出影響應收帳款的因素。「和我共事的人都知道,我很愛問問題,什麼都問。」弗里德曼說:「被我問過以後,他們都知道必須回去重做一些分析。」他也認為,不懂時坦白承認很重要,「我知道自己不是會議中最聰明的人。我總是要求大家講清楚一點,因為我若是無法清楚表達那些資料,就無法對別人答辯。」

責任5:培養探究而非倡議的文化

我們都知道:「數字會騙人,騙子會玩弄數字。」分析資料的用戶不該對計量專家施壓,講出類似下面的話:「你能不能從資料中找些證據,來支持我的想法。」明確目標應是找出真相,就像默克藥廠商業分析部的負責人說的:「管理團隊希望我們像瑞士一樣中立,我們只為股東工作。」

其實,有些高階主管會要求分析師刻意站在反方提出質疑,如此可為企業文化適當定調,有助於改善模型。「所有的組織都想討好領導人,」凱撒娛樂公司的拉夫曼指出,「所以很重要的是,要培養只評估觀點的企業文化,不管那個觀點是誰提出的,並堅持觀點必須有嚴謹的證據支持。」

拉夫曼鼓勵部屬提出資料和分析,而不是意見,並坦白指出自己的錯誤假設、結論和決定,他稱那些為「考慮欠周的差勁觀點」。這麼一來,經理人和計量專家都了解,他有時也會有的差勁觀點,就跟其他人一樣,需要接受客觀、公正的測試。例如,他常說,他剛擔任執行長時的最大錯誤,就是沒開除不願跟他一樣重視分析的那些物業經理,他以為他們的經驗就夠了。拉夫曼舉這個例子來說明他也可能犯錯,以及他堅持使用分析資料。

分析提升決策力

巴菲特曾說:「小心老是談公式的電腦怪才。」但在這個資料導向的世界裡,你無法不注意他們。你需要結合分析科學和直覺藝術。身為經理人,你應該了解那些電腦怪才,了解他們的公式,協助改善他們的分析流程,有效地向其他人詮釋與傳達分析的結果,最後還要能做出更好的決策。

我們來比較本文一開始提到的那家銀行,和多倫多道明銀行(Toronto-Dominion Bank)。多倫多道明銀行的執行長艾德.克拉克(Ed Clark)擁有經濟學博士學位,很熟悉計量科學,他也堅持,旗下的經理人必須了解公司所有金融商品背後的數學原理。所以,他們避開了風險最高的商品;2008 到2009 年的金融危機期間,他們在尚未出現重大虧損以前,出脫了其他高風險商品。

多倫多道明銀行對數據資料和分析的重視,也影響了事業的其他領域,例如,薪酬和績效管理的指標密切相連。他們各分行的營業時間,也比其他銀行長,因為消費金融處的前負責人賀麒添(Tim Hockey),堅持系統化測試延長營業時間的效果(與對照組作比較),結果發現,延長營業時間可以吸引更多存款。如果有人在主管會議上建議新方向,高層會要求他提出數據資料和分析來佐證。克拉克坦言多倫多道明銀行並不完美,但「從來沒有人指責我們不研究數字」。

你的公司可能不像多倫多道明銀行那樣注重分析,你公司的執行長可能跟克拉克不一樣,但你自己還是可以成為優秀的分析資料用戶,成為公司其他人的模範。

( 洪慧芳譯自“Keep Up with Your Quants,” HBR, July-August 2013)



湯瑪斯.戴文波特 Thomas H. Davenport

貝伯森學院(Babson College)資訊科技與管理學傑出教授、麻省理工學院數位商務中心(MIT Center for Digital Business)研究員、德勤分析(Deloitte Analytics)資深顧問,也是國際分析研究所(International Institute for Analytics)共同創辦人。他與人合著的書包括《跟上量化專家的腳步》(Keeping Up with the Quants ,HBR Press, 2013)和《大數據實務》(Big Data at Work , HBR Press)。


本篇文章主題決策