五大原則,了解數據分析

5 Essential Principles for Understanding Analytics
湯瑪斯.戴文波特 Thomas Davenport
瀏覽人數:12302

我深信,若要有效運用數據與分析,所有影響因素當中最欠缺的,就是經理人對什麼是「可能的」的認知。目前有太多數據、硬體和軟體可供運用,但這些東西能讓使用者實現哪些可能性,人們對此卻普遍不太理解。鑑於這個問題,我們很需要加強教育人們理解這項主題。但很可惜,對於想了解分析的非計量背景經理人而言,沒有很多其他的好選擇。大規模網路免費公開課程(MOOC)和傳統的學院課程,大多是聚焦於方法。而且,雖然有許多「給非財務經理人的會計、財務」高階主管課程,我卻沒有聽過任何關於「給非計量經理人的分析課」。

我在貝伯森學院(Babson College)、哈佛大學、麻省理工、波士頓大學和科克大學(University College Cork)設計或教導針對經理人的分析學程,所以對於這種課程該囊括什麼內容,我有些想法。如果你可能修習這類學程,就該確保報名的課程有下列內容。或者你也可以閱讀這些領域的書籍。

1.定義和建構分析性的問題:妥善的量化分析,一開始要先確認一個問題或決定,再著手解決它。在決策分析中,這個步驟稱為「建構問題(framing)」,這是一個好的決策過程中最關鍵的部分。導致這個第一步的契機各式各樣,包括純粹的好奇心(經理人的常識或對事件的觀察)、工作的經驗,或者面臨必須作決策或採取行動的情況。

在這個初步階段,分析尚未發揮作用。他們可能是憑預感或直覺,來決定使用某種分析繼續進行工作。在這個時候還不需要提出太多的證據。當然,量化分析的重點,就是最終要以數據來檢驗你的直覺。(這就是分析性思考者和其他人的關鍵不同處:他們用證據和分析來測試自己的直覺。)

在建構問題的階段,經理人需要專注完成的是,有系統地確認問題、評估問題,也已經考慮過建構問題的其他方式。和懂得如何運用其他建構問題方法的量化分析師討論,或許會有幫助。(如果你想知道更多關於如何建構分析性問題,我的著作《跟上計量分析家的腳步》(Keeping Up with the Quants)有一整章都在探討這個主題。)

2.和量化人員共事:關於計量分析師,與他們建立緊密的工作關係,對經理人來說相當重要。你懂得商業問題;而你的「計量分析師」懂得如何收集有關那個問題的數據並加以分析。為了讓這樣的合作關係順利運作,雙方都要互相援助。你基本上算是非計量的經理人,必須幫助你的計量分析師全面了解你的問題,一個做法也許是讓他們在相關領域工作幾天。你的計量分析師必須用一般的商業語言來和你溝通,處理你的問題,努力解決它直到你滿意為止。你的分析師或許不是非常擅長和經理人應對,而你可能對計量分析心懷畏懼。但你們總是得設法找到形成共識的基礎。

3.理解不同類型的數據和它們的涵義:最近,你會聽到許多關於大數據對你的事業多有價值的說法。但是大多數的經理人,並不真正了解數據大與小的差異,並濫用「大數據」這個詞彙。你用什麼名稱來說你的數據資料,並不是那麼重要,但是,知道不同類型數據的差別,卻相當重要。

小數據──儘管「小」,但很有用──指的是資料量是能被管理的規模大小(能夠置於單一伺服器內)、形式已經結構化(行與列)、變動相對較不頻繁的數據。小數據最有可能來自你組織的交易系統,例如財務系統、客戶關係管理(CRM),或是訂單管理系統。你們公司大概已經分析這種類型的資料很多年了。雖然最近小數據沒有得到媒體太多關注,但是它對理解你的客戶和公司的財務表現、調整你的供應鏈,都是必要的。

大數據則難以駕馭。資料量太大無法放進單一伺服器,相對比較不結構化,而且變動快速。大數據更有可能來自你組織外的業務交易──你的顧客和潛在顧客在社群媒體上談論的內容、他們向你的電話客服中心說了什麼、還有他們在你的商店裡的舉動。大數據帶來非常好的機會,但是將它轉化為易於分析的結構化形式,往往是個挑戰。如果你想成功運用它,與你合作的計量人員可能必須是數據科學家。

4.理解不同類型的分析和它們的涵義:許多年來,大多數的分析都是敘述性的──將過去發生的事情,總結在簡單的數字報告和數字圖表中。但那不是唯一的種類。預測分析運用統計模型,使用過去的資料預測未來。規範分析(prescriptive analytics)為人們如何在工作中做決策提出建議。大部分的經理人,需要別人催促才會採用這些不太熟悉的預測分析、規範分析,它們的價值通常遠遠高過敘述分析。幾年前,我製作了一支影片,解釋敘述、預測和規範分析的相異之處,需要多補充這方面知識的經理人,很適合看看那支影片。這些種類的分析仍然非常重要,但我日漸著重於一個新的種類:自動分析。這些分析性的決策不是由人類,而是由電腦所作。許多常見的分析性決策,完全是自動產生,例如銀行發行信用卡或是保險合約。這些現象預告了,我們在公司內組織與管理分析的方式會產生劇變,甚至可能對決策者的工作造成威脅。

5.探索分析的內部與外部運用:最後,經理人必須知道分析的內部、外部運用有何區別。過去以來,分析幾乎只用在支援內部決策。當然,這方面仍然有用,但是公司現在也使用數據與分析,來創造新產品和新服務。而且不只是你預料中的Google、LinkedIn那類數位公司會這麼做;主流企業像奇異(GE)、孟山都(Monsanto)和一些大型銀行,都推出這類「數據產品」。這是組織的新選項,而經理人需要理解、探索它。

掌握這些基本知識無法讓你成為分析專家,但會讓你更有效使用這項重要資源。而現代商業世界中,不懂得分析,會對你和你的公司榮景造成危險。(游樂融譯)

 



湯瑪斯.戴文波特

湯瑪斯.戴文波特 Thomas Davenport

哈佛商學院訪問教授、麻州貝伯森學院資訊科技與管理學特聘教授,以及MIT數位業務中心(MIT Center for Digital Business)研究員。與人合著新書《跟上量化分析家的腳步》(Keeping Up with the Quants)和暢銷書《決勝分析力》(Competing on Analytics)。


本篇文章主題分析