本文出自

隨處都是我的辦公室

隨處都是我的辦公室

2020年11月號

數據啟動風險防護罩

To Recognize Risks Earlier, Invest in Analytics
凱西.柯茲科夫 Cassie Kozyrkov
瀏覽人數:1303
  • "數據啟動風險防護罩"

  • 字放大
  • 授課文章購買
    購買〈數據啟動風險防護罩〉文章
  • 個人收藏購買
    購買〈數據啟動風險防護罩〉PDF檔
    下載點數 10
數據分析能培養組織掌握事情發展,以及靈活應變的能力,在異常狀況發生時提出警告,讓領導人掌握先機迅速行動,但大多數人對於數據分析,卻有兩層迷思必須打破……

你大概聽過企業領導人如何合理化他們在危機期間的反應遲緩笨拙,並宣稱每個組織在面對高度不確定性時,都是盲目行動。但其實,有些領導人很清楚自己行動的方向。他們了解需要什麼,才能在市場動盪情勢中規畫路徑,並且在很清楚知道所處情勢的情況下,打造組織。

數據分析能發現問題

若要培養掌握事情發展情況,並靈活因應變動環境的能力,最重要的就是數據分析。可惜的是,數據分析(也稱為數據探戡或商業情資),近年來已成為數據科學中不受關愛的一個領域,被機器學習及統計搶了風采。這兩個學門,將數學精密性建構在人類直覺的基礎之上,創造出一個客觀且可靈活操控的誘人假象。諷刺的是,這三者當中,數據分析是有助於度過危機的最基本能力。

以人工智慧及機器學習為基礎的解決方案,在穩定時期可以順利運作,但是在災難情況發生的時候,就會失去效用。這些科技由數據中萃取一些模式,把這些模式轉化為指令,藉以自動化執行工作任務。當系統的輸入資料改變,這類模式很快就變得過時。相反的,遊戲規則在改變時,數據分析會提醒你注意。如果沒有這種示警,自動化的解決方案很快就會出錯,讓你承受外部衝擊。

在危機時期,統計也有類似的缺點。統計學家協助決策者取得嚴謹的答案。但是,如果他們問的問題不對呢?雖然需要統計技能才可以測試假設,但分析師有能力在一開始就提出正確的假設。如果運用統計卻不做數據分析,你就需要對自己的假設很有信心,而在危機讓你陷入困境時,這種類型的信心會顯得草率魯莽。

在模糊不清的情況下,分析師能表現得很好。他們的才幹是探索,這讓他們特別善於預見並因應危機。分析師從內部及外部數據來尋求關鍵資訊,隨時掌握情況的發展。他們審視整體情勢以尋找趨勢,並制定問題以探詢那些趨勢背後的因素。他們的職責,是提出能激發思考但合理的一些可能性,以啟發高階主管。一旦領導人選出其中幾項最優先的假設,就是統計人員登場的時候,讓他們針對那些假設進行壓力測試,然後去蕪存菁。

情勢良好時,領先其他企業的組織會建立分析能力,以強化創新的能力。分析師有能力找到一些事情的線索,像是消費者喜好有變化之類的事情,這種能力可協助公司搶在其他數據分析較差的競爭對手之前,善用各種機會。但情況變差的時候,原本看來是「有也不錯,沒有也無妨」的創新促進因素,就會變成必備的安全網。當然,有些事件是無法預見的,也就是真正的「黑天鵝事件」,但若要處理這類事件造成的後果,就必須仔細觀察情況。

一項長期投資

可惜,很難在短時間內迅速組建一個成熟的分析部門。讓分析師以閃電般快速大量吸收數據的技術能力,只是讓他們面對更龐大待處理的資訊量。要在當中挖到寶,還需要其他能力。

分析師若要發揮作用,必須具備:領域知識、敏銳的商業判斷、能判定新發現的實務價值的強烈直覺,以及有效地把這些新發現傳達給決策者的溝通技能。分析師要花時間學習,才能分辨什麼是有趣且重要的。你不能指望他們立即提出解決方案,規畫一條路徑讓組織度過最新的危機。相反的,你應該把他們視為一項投資,好讓你未來能靈活應變。

確保取得分析師需要的數據來源,也需要時間。在理想情況下,企業領導人不會等到出現重大破壞,才開始和數據供應商、產業合作伙伴及數據蒐集專家建立關係。請記住,面對劇烈震盪的情況時,你過去的數據來源可能會變得過時。如果你對過去的了解,無法讓你預見未來(或許是因為一場疫情大流行改變了一切),你過去的資訊有多好,都已不再重要。這時你需要新的資訊。例如,2008年的金融崩盤之後,全球各地的銀行發現,一個有用的做法是去分析有關信用良好與否的非傳統訊號(像是超市會員卡的數據),但不是每家銀行都同樣能取得這些數據。

面對劇烈震盪的情況時,你過去的數據來源可能會變得過時。在這種情況下,你過去的資訊有多好,都已不再重要。你需要新的資訊。

此外,你公司內部的數據庫,可能也需要經過特殊處理,才能供分析師進行數據探戡,因此值得考慮聘雇數據工程師來支援。如果數據分析這項學門是要讓數據變得有用,那麼數據工程這個學門,就是要讓數據可以使用,它提供幕後基礎架構,讓機器運作日誌及龐大的數據庫,與數據分析工具相容。

當我開始在大型會議上談到數據分析的重要性,我發現說服聽眾相信它的價值並不難。但當我解釋其中隱含的一個問題,也就是「數據分析是一個長時間的投資」,氣氛就變了。你不可能在每一次使用數據集時,都能得到有用的資訊。若要成功進行探索,你的組織就必須建立一種數據分析不受限的文化。你身為領導人,負責設定分析範圍(應該檢視哪些數據來源),制定時間範圍(「你有兩週時間可探索這個數據集」)。然後你得保證,分析師若是沒有帶給你任何發現,也不會受罰。

培養鼓勵數據分析的環境

一旦企業領導人接受,數據分析的投資可能無法立即產生效益,我就會提到下一個問題:以為數據分析只有像字母公司(Alphabet)這類技術高深的大型公司,才負擔得起。這純屬無稽之談。根據我的經驗,數據分析在新創公司成功的機會,比根基穩固的大公司來得高。

新創公司設法在新市場中開疆拓土時,很自然會投資於數據分析,由多位通才共同分擔探索性質的工作。接下來,隨著新公司成長,組織文化也會改變;員工的工作範圍縮減,並被要求負起更多責任,要讓他們的工作創造效益,而過度重視這一點的管理階層,扼殺了數據分析成功的機會。受雇加入這種組織文化的分析師,很難享受他們工作裡最有趣的部分,那就是探索,反而要擔任人類搜尋引擎和儀表板操作員的角色。他們因為自己的潛力被糟蹋而感到沮喪,於是許多人掛冠求去。

建立能讓數據分析蓬勃發展的文化,需要深思熟慮的領導人。隨著組織成長,逐漸建立市場上的地位,只有最有遠見的領導人,才有勇氣去培養一個真正的分析部門,並確保領導階層能取得並參考那些分析結果。曾在過去的危機中受害的產業(金融業就是個好例子),特別可能會投資於數據分析,並應用在危機管理上。

若要成為數據分析的領導人,你必須信任你的分析師,給予他們空間去執行工作。畢竟,他們的職責,是指出你未曾想過你應該要注意的威脅。這類工作無法透過碼表和查核表來管理。

像傳染病大流行之類的危機,沒有人知道該如何因應,而且不確定性很高,這種危機提醒我們提出正確問題的重要性。數據分析讓公司在學習及調整因應上取得優勢。當世界突然天翻地覆,學習速度最快的組織,具有最好的成功條件。明智的公司會在今日投資於數據分析,而在明日無論發生什麼情況時,都能取得因應的先機。

(潘東傑譯自“To Recognize Risks Earlier, Invest in Analytics,” HBR, November-December 2020)



凱西.柯茲科夫 Cassie Kozyrkov

Google首席決策科學家。


本篇文章主題風險管理