本文出自

哈佛教你領導醫療變革

哈佛教你領導醫療變革

讓資訊不只是科技

Why IT Fumbles Analytics
喬.佩帕德 Joe Peppard , 多納德.馬赫尚 Donald A. Marchand
瀏覽人數:2541
大部分公司都用傳統方法設計、建置資訊科技系統,其實,資訊科技專案應少重視科技,多重視資訊。畢竟,了解人們如何製造和使用資訊才是重點。因此,專案小組要架構好問題,並發展假設和反覆實驗,才能善用巨量資料。

許多公司正大手筆投資在資訊科技工具上,並招聘資料科學家,以便探究內、外部目前可用的各種資料來源,深入了解那些龐大資料蘊含的意義。但大部分公司還是得不到划算的報酬。這是因為它們對待巨量資料和分析專案的方式,與對待所有的資訊科技專案相同,根本不了解兩者其實完全不一樣。

建置企業資源規畫系統(ERP),或是顧客關係管理系統(CRM)等資訊科技專案,傳統做法的重點在於準時建置和部署那些技術、按計畫內容執行,以及支出不超過預算。資訊需求和技術規格,在一開始的設計階段就設定好了,並且在這個階段進行流程再造。儘管我們聽過有關這類專案的許多可怕故事,但是,如果目標是改善商業流程,而且企業能有效地管理這些專案帶來的組織變革,那麼這套方法其實運作得還不錯。

不過,我們一再看到,即使這種專案能改善效率、降低成本、提高生產力,高階主管仍然不滿意。理由是:系統一啟用,就沒人花心思去思考,如何利用它產生的資訊,以做出更好的決策,或是對業務的關鍵層面,取得更深入、也許是始料未及的見解。

舉例來說,一家保險公司建置一套理賠自動化流程系統後,也許可以大幅提高效率,但也能產生一些資訊,用在沒有人講過或想過的用途上。這家公司可以利用新的資料來建立模型,以估計詐領保險金的可能性。還有一些資料來自裝在車上的感應器,透過感應器即時收集駕駛人的開車速度、轉彎、煞車和加速等資料,根據這些資料來區分負責任和較不負責的駕駛人、評估發生意外的可能性,並據此調整保險費。不過,光是建立系統,並不會自動幫公司得到這些知識。

我們研究各行各業中的五十餘個國際組織,找到企業處理巨量資料和分析專案的另一種方法,能不斷以新方式利用資料。這套方法的重點不在於建置資訊技術,而是強調資訊的探索。此外,這種做法把資訊當成某種透過人們運用而產生價值的東西,而不是把資訊視為存在資料庫中的資源;後者若是用在設計和執行傳統資訊科技系統,可以運作得很好。

因此,了解人們如何製造和使用資訊,是十分重要的。這表示專案團隊需要精通認知科學和行為科學的成員,不只是要有懂工程、電腦科學和數學的專家。這也表示,專案的規畫設計無法很精確、很有條理。部署分析性的資訊科技工具相當簡單,但了解可以用它們來做什麼,卻不是那麼清楚明白。一開始的時候,並沒有人知道這些工具會用來支援哪些決策、協助回答哪些問題。

因此,我們不能把巨量資料或分析專案,看成像傳統的大型資訊科技專案那樣,一開始就訂好明確的結果、需要執行的任務,以及執行這些任務的詳細計畫。巨量資料或分析專案比較可能是規模小得多、期間較短的行動方案。這種專案是在某個人察覺到有困難或機會時執行的,方法是把那些困難或機會轉化為一些問題,然後針對那些問題,探究公司手邊的資料是否能提供答案,並據此制定一些假設,然後反覆實驗,以取得相關的知識,更深入了解相關情況。我們提出五條指導準則,來進行這趟發現之旅。

準則1:人是行動方案的核心

資訊科技工具和巨量資料行動方案的許多投資,背後的想法是:以更快的速度,提供品質更高的資訊給經理人,如此就能改善他們的決策,協助他們解決問題,並取得寶貴的見解。這是個謬論,忽略了以下的事實:不管資訊有多好,經理人都可能會棄之不用;經理人持有各種偏見;經理人可能不具備有效運用資訊的認知能力。

實際的情況是,包括經理人在內的許多人,一想到要運用資料來工作,就如坐針氈。任何以資訊為基礎的行動方案,都必須承認這一點,並且把使用者,也就是從資訊中創造意義的人,放在核心地位。它應該質疑他們如何使用、或是不使用資料,來達成結論和做出決策,敦促他們依賴正式的分析,而不是靠直覺行事。它也應該質疑他們對顧客、供應商、市場和產品所持的假設。

歐洲一家大型化學產品製造商,希望員工能改變成前述那種心態。我們姑且稱這家公司為「化學公司」。該公司透過收購而成長得很快,新上任的執行長希望全公司上下對顧客發展出一致的觀點,也希望所有層級的經理人和員工利用資料,來增進對業務的了解,並且更有效地做出決策。

他和高階主管團隊努力推動一個觀念:根據資料行事和創造有用的資訊,應該成為「日常業務運作」的一部分。他們相信,立即建立一個大型的CRM系統,會傳達錯誤的訊息,會讓員工誤以為,新的系統會改變經理人使用和分享客戶資訊的方式。他們也擔心行動方案會被視為只是一項資訊科技專案。一位資深經理人說:「我們必須清楚地表明,希望所有層級的經理人,以更重視證據的方式運作,他們應該用這種方式來做好自己份內的工作。」

化學公司的第一步是找來全公司現有的資料分析師,組成資訊支援小組。他們指派每個小組負責一個或兩個事業單位,深入了解它們的決策與資訊需求,然後協助員工改善評估和使用資料的方式。起初,小組成員陪同員工拜訪客戶和供應商,以了解面對客戶的工作需要用到哪些資訊、如何使用那些資訊、什麼地方缺乏資訊,以及資訊可在哪些方面協助或阻礙員工達成任務,例如銷售磋商之類的任務。每個小組接著和面對顧客的員工召開討論會,說明小組的觀察成果、提出一些構想以改善資訊的供應,並聽取反應意見。

根據討論會的結論,資訊支援小組發展出各種資訊報告的原型,並和事業單位合作試用。由於大腦比較容易處理以圖像方式呈現的資訊,資訊支援小組便在原型中納入圖表和螢幕版面配置。從這些實驗,可以看出員工是否吸收資訊、他們展現的行為,以及最後是否贏得業務。直到這個階段,也就是在公司深入了解員工如何使用資訊之後,才在全組織上下建置CRM系統。

化學公司CRM系統客製化的程度,與其他公司一般的做法差不多。但它比大部分公司更清楚了解,應該要收集和維護什麼資訊,以及如何運用那些資訊。而且,業務人員從一開始就參與,所以他們強烈認同在工作時應該要以證據為基礎。

銷售和服務部門的員工開始更有效地運用新資訊之後,經理人進一步考慮修改客戶的資料庫,以支援他們。執行長後來鼓勵各事業單位,提高銷售和資訊使用的實務做法標準化的程度,並做好準備,設法讓全公司對客戶都有共同的看法和了解。他經常掛在嘴上的一句話是:「我們認為這是真的,還是確知這是真的?」各事業單位找出哪些有關客戶和銷售實務的事情是他們不知道的,而那些事情會造成公司和客戶互動不良,並失去生意機會。在公司改善與客戶的互動之後,營業收入成長;這使得業務人員更希望得到品質更高的顧客與銷售資訊,以提升本身的績效,於是形成良性循環。

準則2:強調運用資訊,好讓資訊科技創造價值

設計行動方案,從現有的系統或新的資料來源擷取資訊時,必須承認這個過程會很亂、很複雜。人無法憑空思考,而必須根據本身的知識、心理模型和經驗,去理解眼前的狀況。人們也會根據不同的情境,以不同的方式運用資訊。舉例來說,組織文化會形塑人們如何做決策、協同工作和分享知識。此外,人是以動態且來回反覆的方式運用資訊。察覺潛在的問題或機會、決定需要什麼資訊,然後收集、整理和解讀資訊,這些步驟不斷循環進行。

發展資訊科技的傳統做法,忽視了上述那些情況。大部分資訊科技系統的設計,考慮的是已確認為重要、而且能控制的資料。以這種方式將現實世界化繁為簡,並制定合乎邏輯的正式規則,以處理資料,如此就可簡化系統的設計,並提供定義清楚、能交付的成果。對於高度結構化的活動,以及處理客戶訂單之類可精確描述的任務,這樣的方法不錯。這是很理想的做法,可以把資訊從人的領域,移到技術的領域,好讓組織善用電腦驚人的處理能力,盡可能消除人的參與。

問題在於,許多組織誤用這個設計哲學,竟將資料移出技術的領域,改到人的領域,好讓資料能化為可用的資訊;但這樣的做法往往以失敗收場。以經理人來說,失敗的原因在於他們的職務往往相當複雜,而且不太有結構。即使組織試著確定他們的資訊需求,也只能有個概括的了解而已,絕對無法反映他們工作上的混亂情形。某一刻,經理人需要資料,協助他們做出範疇明確的決策;另一個時刻,他尋找的是一些模式,那些模式能顯示新業務機會,或是突顯問題。他必須兼具這兩方面的知識。

傳統方法不只無法滿足經理人的需求,也無法滿足許多知識工作者的需要。舉例來說,航空引擎製造公司會產生有關引擎性能的大量資料,在運用這些資料時可能產生問題,工程師不能期望光靠診斷性軟體來決定這些問題的成因。工程師必須擁有深厚的專業和知識,才有辦法確認資料中的各種關係,並提出有關那些資料的問題,而這往往需要透過驗證各項假設才能做到。而且,在解讀任何分析結果時,工程師必須根據自己的經驗,去除容易產生誤導或錯誤的解釋。一位工程師告訴我們,他擁有長達三十年的震動分析經驗,但仍在學習如何過濾和解讀資料。

分析專案能成功,必須質疑和改善人們使用資訊、尋找問題的答案和做成決策的方式。以下是做到這些事情的幾種方法:

方法1:問二階問題

與其著手建立一套系統,幫銷售專業人員輕易回答這個問題:「今天貨架上應該鋪什麼貨?」

行動方案可能應該要問:「是不是有更好的方式來決定如何補貨?」專案如能問二階問題,也就是針對問題提出問題,等於假設做決定的人有能力改善運作方式。

方法2:發現你擁有和沒有哪些資料避免受限於容易取得的資料和系統,它們是根據特定的假設和邏輯,來判斷業務應如何經營。這些系統以往可能是對的,但很可能趕不上不斷演變的業務和競爭環境。而且研發、工程、銷售和服務等部門,很可能各自坐擁龐大的資料,卻沒有善加利用。例如,在許多金融機構中,龐雜的業務線沒有共享資料,因此公司無法對個別顧客建立一致的觀點,也無法了解在市場趨勢下各個顧客群的動向。

方法3:允許資訊科技專案小組重新設計業務問題英國和以色列等國家的中央銀行敞開心胸,願意從新的觀點來看問題,所以能發現廣大的經濟趨勢,以及消費者利用Google搜尋洗衣機、有氧運動班、汽車和其他奢侈品之間,有強大的關聯性。

他們會想要尋找兩者之間的關係,是因為Google總部一位經濟學家的直覺,他探討搜尋引擎上出現的某些關鍵字,是否可能領先傳統經濟報告的發現。他根據研究結果寫成的論文,在中央銀行的經濟學家之間流傳,引發他們的興趣。

我們觀察到資訊科技專案,通常不鼓勵人員尋找新方式,來解決舊問題。缺乏創意的原因,往往是因為組織對資料,和它們對企業的價值,抱持短視的觀點。為了反擊這種態度,有些組織採用腦力激盪,以及假設浮現與測試(assumption surfacing and testing)等技術。我們見到愈來愈多企業設立線上探索論壇,邀請各單位員工提供想法,探討公司應服務哪些市場、新顧客趨勢,以及善用這些知識的新方法。

準則3:延攬認知和行為科學家進入專案團隊

大部分資訊科技專業人員,擁有工程、電腦科學和數學方面的背景。難怪他們的想法通常很有條理,也是非常出色的流程思考者,而且在資訊科技方面,他們多半輕「資訊」而重「科技」。對處理金融交易、零售交易之類的任務來說,上述那些技能很適合。但如果目標是支援知識的發現,那些技能反而成了障礙。

為了解決這個問題,許多公司在資訊科技專案團隊裡,加進擁有深厚商業知識的人員,讓資訊科技專業人員接觸複雜的商業議題,並招募更多資料科學家。但這些行動還不夠。運用巨量資料集時,你可能發現選定的任何變數之間,呈現統計上有意義的關係。商業方面的知識會將你拉回現實。但你也可能會陷入兩難,因為這種知識也可能會限制你的思考範疇。

由於這個理由,巨量資料和其他的分析專案,必須要有精通認知和行為科學的成員。他們了解人怎麼看問題、運用資訊,以及如何分析資料,以提出解決方案、構想和知識。這樣的改變,反映了經濟學轉向行為經濟學的趨勢,行為經濟學運用社會心理學,以及認知和行為科學等領域的知識,對於人在市場和經濟中如何思考與行為,產生新的了解。

今天在某些組織中,巨量資料和分析專案已網羅擁有這些領域背景的人才。英國稅務及海關總署(Her Majesty's Revenue and Customs, HMRC)最近雇用組織心理學家,協助分析團隊改善解讀的能力,例如,教導他們留意自己是否有確認偏誤(confirmatory bias),也就是人們搜尋資訊或解讀資訊時,往往會選擇支持自己偏見的資訊或做法。其中一種偏誤,是認定某些欠稅催繳方法,適用於特定類型的納稅人。

英國稅務及海關總署的領導人體認到,資料科學家除了要了解業務如何運作,例如,什麼案子可以送上法庭、接下來要進行什麼流程,以及為何有些案件遭駁回,也要了解欠稅催繳員的心態,以及欠稅人的行為,例如,為什麼有些欠稅人會在案件送進法庭之前繳稅,有些卻不會。組織心理學家在這方面可以提供協助,也協助稅務稽查員,以及與納稅人磋商的稅務客服中心人員。

組織如果希望員工在思考和決策時更注重資料,就必須訓練他們懂得何時可仰賴資料,以及如何設計問題、擬定假設、進行實驗和解讀結果。大部分商學院現在沒有傳授這些知識,這情況應該改變。

準則4:著重在學習

巨量資料和其他的分析專案,比較像是科學研究和臨床試驗,反而比較不像是資訊科技計畫。它們一開始,通常是察覺到問題或潛在的機會,而這最初可能只是出於某個人的直覺。接下來,他們常會針對已存在的某個結果或效應,發展出理論、提出假設、找出相關的資料,並進行實驗。簡單的說,這類專案是發現和探索的好機會。

察覺、分析和發現的循環,可能重複許多次。因此,專案可能持續幾個小時到六個月以上,取決於業務問題的複雜性、外部和內部資料的可取得程度與品質、實驗的性質、運用的分析技巧與工具。但這些專案循序漸進、不斷循環的結構,以及進行期間相當短暫,都使得它們的成本,遠比傳統的資訊科技專案容易控制。

組織可以做幾件事情,讓學習成為巨量資料和分析專案的關鍵重點:

提倡和促進資訊分享的文化

組織中大部分的學習,是發生在團隊當中,以及同事互動的時候。因此,很重要的是營造透明、信任和分享的協同工作文化,以激勵經理人和資料科學家貢獻最好的構想與知識。在任何一個環境中,如果資訊不能自由分享,失敗和錯誤被隱藏起來,就無法實施可產生知識的行動方案了。

我們研究過的一家金融服務公司,設立了一座「資料實驗室」,找來不同職能的經理人和資料科學家,在不必承受日常工作壓力的發現與學習環境中,處理特定的問題。如此就能透過跨學門的坦誠對話,用新方式來解讀資料和業務構想。

揭露你的假設、偏見和盲點

願意重新塑造調整各項業務實務做法的「為什麼」、「什麼」和「如何」。制定和測試各種假設,以探索你知道和不知事情的範圍。

設法呈現因果關係

分析是為了發現資料中的關係,以及有意義的模式,例如,哪些因素似乎造成某種結果,或是和某種結果有關係。因此,絕對不能只是停留在表面症狀上,務必深入處理問題,像是「我們試著解決的問題是什麼?」「根本成因是什麼?」「哪些原因似乎造成特定的結果?」「我們可以用什麼不同的方法去做?」。

舉例來說,英國稅務及海關總署一年收到約三十萬件受贈遺產申報書,其中約二十萬件申報的金額低於繳納遺產稅的門檻。申報數量龐大,因此很難判斷哪些案件的應納稅額多於申報的金額。所以稅務總署設法發掘資料之間的關係,以找出這類低報的申報書。稅務總署的人員追溯過去認定申報不實的申報書,據此建立一些理論,找出有哪些因素可能造成申報稅額過低。它們根據這些理論來擬定假設,並利用歷史資料來測試那些假設。反覆進行上述工作之後,稅務總署發現,有一組資料可以有效找出哪些申報書可能不實;那些資料包括:從多種公共和民間來源得到的財產所有權和交易、公司所有權、貸款、銀行帳戶、雇用紀錄和稅務紀錄等。稅務總署利用這些資料建立了一個模型,並持續微調這個模型,以預測哪些遺產需要繳稅。申報免納稅的遺產,如果符合某些條件,現在必須接受進一步的審查。由於這項努力,稅收顯著增加。

確認合適的技術與工具

資料科學家和分析師有他們自己愛用的技術與資料來源。經理人在決定如何處理排山倒海而來的新資料時,必須了解前述那些技術和資料來源的優缺點。

製藥公司面對的挑戰,是要設法分析所有這些資訊,判斷哪些真正有用,哪些只是無用的干擾資訊。若要做到這一點,它們必須發展模型和展開模擬,以產生可靠、在科學上站得住腳、FDA會接受的藥效結果。

分析技術和對照實驗,是思考的工具。但真正思考和學習的是人,所以在產生業務見解的來回反覆過程中,經理人應親自參與。雖然可能會有一些靈光一閃的時刻,構想和見解迅速浮現,但更多時候,不只是資料專家和分析師,經理人也必須重新思考問題、質疑資料,並拋開原來的期望。

製藥業已採取行動面對這個挑戰,剛開始探討如何運用監控技術,以降低藥物測試的成本,並改善測試的品質。新開發的藥物要取得美國食品藥物管理局批准上市,可能得花上約十億美元,而且需要在數千或數百名病患身上試用。以前醫生監控試驗參與者的做法,是定期在診療室裡為他們檢查。但現在可以採用一些新技術,例如,可以將感應器放在參與者身上,全天候監控他們的情況,並收集即時資料,了解他們是否遵守醫囑,以及藥物產生的正面和負面效應。

準則5:花更多心思解決業務問題,少思考建置技術問題

傳統的資訊科技專案管理,總是設法規避風險。它幾乎完全專注在化解遭受的威脅,以免無法成功提交新系統。相反的,關心資訊使用和巨量資料的專案,應該少花心思在管理建置技術系統的風險上,多費心思在解決業務問題上;或者用另一種方式來說,這些專案應設法避開「無法取得成功商業結果」的風險。將重點放在業務上是合理的,因為就像我們說過的,分析專案不像建置ERP或CRM系統的規模那麼大,或是那麼花錢。

以我們研究過的一家歐洲電器產品零售商來說。這家公司想分發iPad,給所有分店的銷售助理,主要目標是提供銷售過程中用得到的產品資訊。這些平板電腦,也對店經理和銷售人員的行銷和資訊展示做法有幫助,而且可提供最新的促銷和行銷活動訊息。這項專案想要處理的關鍵業務問題之一是:店內銷售用語不見得都能收到好效果。

這家零售商有一些改善銷售人員與顧客之間互動的構想,於是進行對照實驗,來評估這些構想。實驗是由銷售人員使用不同的產品資訊展示方法與說明風格,和顧客溝通。起初,這項實驗延遲了在分店內部署使用iPad的進度,因此提高了這項專案可能無法如期完成、預算超支的風險;如果這家零售商是用傳統的資訊科技專案管理方法,或許就會因此縮小專案的範圍。但是,組織若能學習到哪些資訊展示是有效的,就有助於降低失去銷售機會的業務風險。我們在進行研究時,將人和事件之間的連結,視為資訊使用的主要動因。人使用資訊,以了解社會互動,例如,面對不同的顧客區隔,銷售對談會產生什麼效果;人使用資訊,也是為了要了解關係,例如,不同的顧客區隔,對某些產品展示形式會有什麼反應。了解這種交互連結關係,才可能提供相關的資訊。雖然在分店內適當部署平板電腦的確重要,但這個專案的首要重點,應該是改善銷售經理人和工作人員使用資訊的方式,以提升銷售額。

營造可善用資訊的環境

長久以來,組織都希望資訊科技將交易自動化、精簡資訊流程,以及儲存資料供日後使用,透過這些方式來控制資料。建置資訊科技的傳統做法,在這方面的成效相當好。矛盾的是,本該協助我們管理資料的技術,現在製造出龐大的資料。組織在設法利用內部和外部資料時,面對了一個風險:沿用傳統的做法,但其實現在必須採用根本不同的方法和思維。

要改善企業從資料當中取擷取價值的方式,需要的不只是分析工具,還必須營造一個環境,讓人員能善用公司的資料和他們自己的知識,以改善公司的營運和策略績效。在這個新模式中,經理人的優先要務,是發現對組織可能有益的事情,並找出可能置組織於險境的未知事物。

(羅耀宗譯自“Why IT Fumbles Analytics,”HBR, January-February 2013)



喬.佩帕德 Joe Peppard

英國克蘭斐德大學(Cranfield University)管理學院的資訊系統教授。


多納德.馬赫尚 Donald A. Marchand

瑞士洛桑國際管理學院(IMD)的策略執行與資訊管理教授。


本篇文章主題資訊科技