【HBR導師講座】大數據的基本管理原則

黃正魁
瀏覽人數:4776
大數據已蔚為風氣,各大企業、組織視為神兵利器,紛紛導入,希望能改善內部效能、提升服務品質、創造新產品,以及強化企業的競爭力。對於企業管理者而言,大數據是一種深奧難懂的資訊科技,似乎應當交由工程師或資訊人員主導推動與執行,然而,如果這麼做將會效果不彰、耗費高額成本,而且得不到預期的效益。因此,管理者必須改變心態,學習大數據的基本管理工作。大數據不只是技術問題,更是管理課題,先做好功課,了解如何有效運用大數據,方能展現驚人威力。

大數據對企業的重要性可用資源基礎理論解釋:早期,企業資源規劃 (ERP)系統的建置成本昂貴,僅有少數大型企業能夠導入此競爭優勢,然而,現今大多數的企業皆已模仿(採購)取得這個優勢,因此,昔日ERP系統獨特、差異的策略價值已不再。然而ERP系統產生的數據是無法被模仿、轉移而取得的。如同《哈佛商業評論全球繁體中文版》文章〈考量四項關鍵要素,準確評估風險!預知大數據專案成敗〉所提,企業自己的數據是有價值且稀有的,也是其他企業眼中的寶,是企業的競爭優勢,即便可用高額金錢購買例如Google、Amazon、全聯、阿里巴巴的產業相關資料,但也只是過期或加工過的資料。

深思七個重要的資料競爭力問題

《哈佛商業評論全球繁體中文版》〈網路效應,跟你想的不一樣!資料競爭力七大驗證〉一文指出,藉由網路,企業收集、分析愈多消費者資料,了解消費者行為,提供符合消費者喜好的產品,愈能吸引消費者購買,產生愈多的消費大數據;此生生不息的「養數據」循環可幫助以大數據分析為策略手段的企業,產生重要的競爭優勢與數據價值。然而,有七個重要的資料競爭力問題值得企業深思及驗證:這些資料創造出的附加價值與邊際效益大小、資料的貶值速度快慢、資料的專屬性、競爭者即使沒有相同資料,是否也可取得相同優勢、資料的效用與影響力、及資料分析後融入產品的速度等。

面對問題時,依賴Rule of thumb 還是相信數據分析結果?

《哈佛商業評論全球繁體中文版》文章〈企業決策:靠直覺?靠分析?〉談論到高階主管做決策時,適合依賴直覺或數據分析的情況。企業中高階主管未導入大數據前,經常靠經驗法則(Rule of thumb)做決策,但一旦導入大數據專案。高層主管收到大數據分析報告後,是否仍因過去的成功經驗以經驗法則做決策,無法跳脫慣性思考?當管理者面臨決策時(尤其是處理複雜且非結構化的問題),除了使用康納曼(Daniel Kahneman) 於《快思慢想》中提到的系統一反射性經驗直覺思考,也應善用大數據分析所產生的結果,以系統二的理性邏輯慢想,協助管理彌補系統一的快思盲點。

先制訂企業的策略方向與目標,設計合適的KPI,再來談大數據

當新兵上靶場時,長官經常會先協助做歸零射擊,並且提醒先看好射擊靶位,再開保險射擊。《哈佛商業評論全球繁體中文版》的〈提供具體化、科學化的指標 大數據讓管理如虎添翼〉與〈本土企業如何擁抱資料競爭力?樹立五大觀念,挖掘大數據金礦〉兩篇文章強調,尋求大數據的助力時,應以終為始,先設定明確的策略目標,再搜尋數據,避免為了追求數據而數據;要先問公司的策略定位為何?是服務導向還是以生產品質為主?或是兩者並重。企業需要先設定策略方向與目標,規劃合宜的可量化KPI指標之後,再導入大數據,收集變數、欄位資料,並針對KPI分析資料;而發現某些KPI有問題時,可以根據大數據分析尋找問題的原因及解決之道。傳統上,企業各部門是以使用者的想法設計變數與欄位收集資料,或是接受資訊系統供應商基於最佳實務開發的一體適用的資料庫,大數據卻能因應企業對大數據的收集及解決問題的策略不同,解決各家企業不同的問題。

在導入大數據初期,企業管理者都會說:「我們公司已經收集了十幾年的資料,開始來大數據吧!」這個想法是不正確的,陳年的資料並不一定能解決現在的問題;應當思考目前的策略方向問題為何再來談大數據。問對問題成功不遠矣,大科學家愛因斯坦曾說過:「如果只給我一個小時去拯救世界,我將會花費55分鐘定義問題,然後再用僅有的5分鐘尋找答案。」

找出能協助做出正確決策的關鍵數據(變數)最重要

大數據的導入,常被視為是資訊技術部門的事,因而著重培養資訊科技人才及能力,以訓練學習演算法、程式設計、工具為主。 然而,除了技術方面的知識,大數據管理者更重要的是必須具備大數據管理與創意的思維。《哈佛商業評論全球繁體中文版》〈你不需要大數據?〉一文指出,資料規模大小並非是最重要的因素,擁有正確的資料,才是重點;大多數公司花太多時間關注「大」數據,卻沒花足夠時間思考應當尋求哪些「正確」的資料。現在的企業可以透過互聯網及日新月異的資訊科技,收集大量數據,但是並不完全了解數據的正確性及關聯性。例如,企業過去討論新一年度的產品開發、銷售規劃、存貨管理與期貨採購時,大部分是參考公司內部的資料分析,或是邀請市場調查公司協助規劃。然而,收集的數據可能有謬誤:(1)消費者經常受社群媒體(Social Media) 的影響跟風,某項產品突然爆紅又退燒、(2)問卷調查是詢問消費者感知的主要工具,可是誤差率經常很高。而且,大數據的分析不僅應參考企業內部的變數與資料,也必須分析外在環境的動態及客觀資訊,例如:氣候溫度、濕度、空氣品質、人口資料、地理位置特性等,以及使用網路工具像Google Trends,了解自家與競爭者產品的熱搜程度。也要發揮創意,思考哪些數據是關鍵變數,可以幫助企業分析、解釋目前的問題,做出正確的決策。

大數據也有弱點,有時候小數據更重要!

《哈佛商業評論全球繁體中文版》〈有時候,「小數據」就夠用了〉一文,指出人工智慧的本質是規範性的,重點不在打造一個大的資料湖,如果能明確界定應用目標及情境脈絡,使用小範圍、高度精確的資料,即能解決實質問題,逐步累積小成功,發揮極大效益。我們也必須認知,大數據是過去的運營資料,正確地使用它,確實會帶來效益。然而,如果永遠都是在分析過去資料的思維中運行,將無法推出創新的產品或服務,因為過去本來沒有的東西不會在大數據資料庫裡被分析出來;要不是Apple 團隊積極體驗生活、觀察與收集小數據、跳出思維限制(Think out of the box ),智慧型手機恐怕不會出現。

當企業迷戀大數據(量化分析)時,也要記得跳脫框架,採集小數據(質化分析),發揮想像與創意,開發創新的產品或服務,當這些產品、服務上市後,會有機會收集大數據,永續經營一個「小數據 + 大數據」協作共好的商業分析系統。

期望本篇導讀的《哈佛商業評論》精彩文章,能協助讀者了解大數據的基本管理概念,建構一個導入大數據的整體思考框架,而不是為技術而技術。

本導讀所涵蓋的哈佛商業評論文章與個案

1.〈考量四項關鍵要素,準確評估風險!預知大數據專案成敗〉(Use This Framework to Predict the Success of Your Big Data Project),卡斯騰.隆德.彼得森 (Carsten Lund Pedersen)、湯瑪斯.李特 (Thomas Ritter),《哈佛商業評論全球繁體中文版》2020 年 6 月號(2020/5/19, HBR)

2.〈網路效應,跟你想的不一樣!資料競爭力七大驗證〉(When Data Creates Competitive Advantage...),安德烈.哈邱 (Andrei Hagiu)、朱利安.懷特 (Julian Wright),《哈佛商業評論全球繁體中文版》2020 年 1 月號( January-February 2019 ,HBR)

3.〈企業決策:靠直覺?靠分析?〉,李郁怡,《哈佛商業評論全球繁體中文版》2018 年 1 月號

4.〈提供具體化、科學化的指標 大數據讓管理如虎添翼〉,張彥文,《哈佛商業評論全球繁體中文版》2018 年 10 月號

5.〈本土企業如何擁抱資料競爭力?樹立五大觀念,挖掘大數據金礦〉,張彥文,《哈佛商業評論全球繁體中文版》2020 年 1 月號

6.〈你不需要大數據?〉(You Don't Need Big Data - You Need the Right Data),麥克斯威爾.威塞爾 (Maxwell Wessel),《哈佛商業評論全球繁體中文版》2017 年 9 月號( September-October 2017, HBR)

7.〈有時候,「小數據」就夠用了〉(Sometimes “Small Data” Is Enough to Create Smart Products),普拉福.薩克拉尼 (Praful Saklani),《哈佛商業評論全球繁體中文版》數位版文章,2017/8/21( 2017/7/19, HBR)

閱讀完本模組的文章/個案後,我們建議您思考下列問題

貴公司是否已經有或是規劃中以大數據為核心的策略目標?

貴公司目前所面對的決策、數據、資料問題為何?請先想最重要的三個問題!

貴公司未來半年內,要解決的問題為何?

貴公司在過去的一個月內在決策上,做對了什麼?做錯了什麼?

貴公司的主管,面對非結構的問題時,常是依據Rule of thumb,還是也信靠數據分析結果?

貴公司內部各部門的資料,是否有無法互相流通,或是被層層法規、內規綑綁,無法跨部門地立刻、即時地使用?



黃正魁

黃正魁

現職:國立中正大學企業管理學系教授、清江學習中心推廣教育組長、中華民國資訊管理學會秘書長、大林慈濟醫院院長室顧問、財政部雲端發票開獎監察人
經歷:台塑集團、臺灣中油、大林慈濟醫院、工研院與聯華電子教育訓練講師、多家企
業產學合作、美國Purdue University 與University of the Pacific 訪問學者
專長:大數據 / 資料探勘、資訊管理、IT 價值、電子商務、柔性計算


本篇文章主題HBR導師講座