主页 > E慢生活 >你也许没办法AIFirst,但可以DataFirst! >

你也许没办法AIFirst,但可以DataFirst!

2020-06-17 来源:E慢生活   |   浏览(448)
你也许没办法AIFirst,但可以DataFirst!
Computer Files

AIFirst 是在今年 Google I/O 上由 CEO -- Sundar Pichai 提出的全球方向 ,而 AI 的话题在近期也不断地发酵,姑且不论欧美各巨头的论战,即使在台湾的各产业也兴起了一波波的 AI 热潮,一堆没人说得清楚但又好像很厉害的名词不断的出现,连科技部也跳下来準备投入 5 年 50 亿的经费发展 AI 产业 ,AI 霎那间成为神级如钢铁人从天而降般的角色,亲眼看到的人不断的阐述这个意象,更厉害的是从没看到的人口中所听到的描述,你会发现他们不但跟钢铁人是从小到大的朋友,而且比他的爸妈还了解他。

但其实钢铁人的的 AI 是 Jarvis

不过今天要讨论的并不是 AI,而是 Data。Data 可以说是 AI 的养分,没有 Data 的滋养,AI 是无法以任何方式产生的。藉由现在 Cloud Services的成熟,让我们就算没办法像 Google 投入数百亿美金在 AI 的发展上,不过从 Data First 出发是绝对可行的!

事实上 Data 一直以来都存在企业中,有的被系统化纪录像是 ERP / CRM / EIP / CMS / DMP / BPM / HR 等等,而偏向知识,know-how 类型的 Data 则记录在每一个员工的大脑里,又有部分完全没被记录或记录在他人的系统里,例如网站上的行为存放在 GA,社群的资料存放在 Facebook 或 LINE,所以请放心,要打造属于自己的 Jarvis 是绝对有机会的。

这是一个 go big or die 的问题,你如果同意 Data 是重要的,你的企业该如何在未来三到五年内,成为一个以 Data 为核心的企业,并让 Data 成为你在商场上迈向下一步的竞争关键呢?

  1. 让 Data 成为企业文化的一部份

不论公司的大小,如果你仔细的把工作流程或决策流程拨开来看,一定会发现有所谓「凭感觉」或是「从以前就这样」或是「这是老闆说的」这类不尽合理但又相安无事的处理方式,而许多管理阶层会把这样的方式视为合理甚至是个人的能力表现,製造自己无法替代的假象,但其实反而让公司无法正规的成长。如果公司有上述的状况,那代表在这些状态下,公司没有收集足够的资讯进行决策上的归纳与策略制定,

要打造 Data First 为核心的企业从管理阶层在 mind set 上的改变是必要的,首先就要抛弃经验法则,用 Data 挑战或证实自己的想法,问自己:真的是这样吗?在这过程中,你会惊讶的发现人在 0.01 秒之内可以处理的事情需要多少的 Data,而这些 Data 通常不存在任何的系统里。

对我来说,Data First 并不是要产生新的生意、换掉哪个职位或是多增加多少% 的净利,而是让每个部门,每个职位都有垂手可得的资料用于分析、讨论、规划等等。换句话说,你不需要去「要」Data,而是 Data 自动送到你的面前,进而让所有的人产生对 Data 的想法和好奇心。这必须是一种文化,一种思维,一种呼吸的时候都感觉得到的气味才能办得到。

  1. 聚集以 Behavior 为主体的 Data,并且让它产生关联

刚刚提过了,企业本来就存在各种的 Data。依照不同的部门和目标,就会使用一个或多个系统或服务,而这些系统或服务所产生的资料大都是分散的,举例行销部门可能有媒体或广告资料,业务或客服部门可能有 CRM 资料,技术部门有主机网路或服务的 Log 资料,管理部门也有帐务与员工的资料,这些分散的资料就如同分散的资源,连全貌都看不清楚,更别说综效了。

看到这里,如果你的想法是:啊!这不可能啦!那请自行登出,因为以下内容太过惊悚,不适合小朋友继续观赏。

但如果你的想法是:这就是我要做的!那恭喜你已经跨出第一步了。

首先,在资料收集上,你可以利用资料仓储来整合所有的资料,方法和工具大同小异,重点在能够自动的收集 、监控 、管理不同的资料来源和流程,不需要为了技术而技术,找寻适合你的方法即可。

而行为资料 ,常常在企业中被忽略,例如想知道三个月前某一天的销售大增的原因,大概有 8 成的行销人员是用猜的,他们会说:应该是某一个活动或是某个产品大卖,但实际上的关联和记录往往没有被规律的收集下来,所以你又会常听到:上次这个活动蛮有效果的,但这次好像没那幺好?当然很多事情是很难用单一变数来重複验证,不过将 Data 收集下来做长期观察是有必要的。

接下来先记住一件事:GIGO ,意思是说如果你收集的是垃圾,那最后产生的除了垃圾之外还会有其他的吗?Data 的汇集当然不会是把所有资料丢到一个地方就没事了,包括资料的採集、清理、对应、标籤. 等等,有许多的事情必须要做,这需要企业整体的共识,降低企业的投资风险,所以绝非单纯属于技术部门的责任。

假设你已经建立了一个资料仓储,接下来就是把资料之间的关联性建立起来,资料之间存在可能是强关联也可能是弱关联,而决定关联的方式应由各部门提出,你要做的就是把所有的资料来源摊开让他们做选择,再由技术部门处理当中的逻辑即可。为什幺是各部门提出呢?原因很简单,使用资料的部门绝对比技术部门更了解资料所代表的意义,你若作为部门主管,也应该会比员工更具有资料的敏感度,所提出的需求才能贴近实际的状况。

  1. 让员工升级,每个人都可以是资料科学家

许多台湾的企业,把员工作为生产线的一部分,用各类型的系统来对流程进行管理或是对产品进行良率提升,长期下来,你还没把机器人训练成人,到是先把人训练成机器人了。另外近期有许多的企业开始注意 Big Data 的发展,纷纷的开启资料科学家的职缺,希望藉由资料分析找出 Data 的价值,但是整个流程耗时费工,成本又高,效益极难评估,很多公司只是拿来当作说嘴或对外包装的题材,而不是认真想做,这在大企业中最容易发生

你该了解的是,跟资料靠近的第一线人员其实才是对资料最有 Sense的人,例如行销人对行销或媒体资料、业务对客户或业绩资料、产线对生产相关资料. 等,资料科学家再厉害,也要花很长的时间去了解资料的特质,也常发生分析出的报表被给予“这不用你分析我也知道”的评语。所以不如让第一线人员可以使用一些工具,像是 Google Data Studio、Tableau 或是 M$ Excel,做适当的教育训练,让他们对资料产生想法或好奇心,鼓励员工提出数据的观察,说不定效果更好呢!

另外,通常员工在日常工作中的判断是来自经验的累积,但人的记忆是选择性的,如果能将判断标準的来源数据化,作为判断的参考,好处是公司可以降低错误决策的发生机率,员工也可以更客观的态度来处理相关庶务,甚至提供建议,让资料的收集可以更完整,一鱼多吃啊!

呵呵. 好像越说越难了!没错,搞定人绝对比搞定系统困难多多多多多了!想将企业打造成 Data First 的环境,就要让员工也知道你是玩真的,懂吗!

  1. 用数据做管理,抛弃数字管理

数字管理在台湾各产业都已经运行多年,在数字至上的企业里,有着数不清的假 KPI 和无意义的数字作为管理绩效的方式,以下举两个例子:

「例一」

目标:会员数增加

作法:举办加入会员抽 iPhone 的活动,会员三个月增加 130%

这类的活动一定会吸引到大量的会员,但大部分的会员可能根本不是你的潜在顾客,他们过三个月之后甚至不记得自己在哪些地方加入会员,而你说不定还办了庆功宴庆祝会员破 xx 万呢!

「例二」

目标:银行冲信用卡申请数

作法:办卡礼 + 强迫员工每月要有 x 张申办数,信用卡申请增加 xx 万张

你可以简单算一下你有几张人情信用卡完全没用过甚至没开卡,但银行端在办卡礼、製卡、申办流程、帐单和管理,这些都是成本。银行说不定还会办激励大会,发奖金犒赏优秀员工,银行界的朋友啊!我相信你们懂,只是不想改变吧!

而数据管理的方式会如何进行呢?

第一:做长期的数据观察-企业同时会执行有许多的活动 ,以上面两个例子来说,持续追蹤经由这些活动对企业的影响是什幺,从客户期间价值 、产品或服务的销售、活动相关成本应做适当的摊提到每个细项做长期的评估。

第二:依数据设立目标并彻底执行-许多的企业分析是一回事,执行又是一回事,原因很简单,都是因为管理阶层还是做数字管理,员工在多做多错的企业氛围下,不敢挑战新的方式,让企业呈现殭化的状态。再以上面两个例子来说,如果目标改成:增加 30% 的会员年度贡献度和提升 20% 的持卡人满意度,整体的思维和进行方式就会完全不同,而有数据作为依据,企业的成长动能来源也可以更透明。

  1. 重心放在创新,而不是管控

企业创新是所有的经理人都在追求的,过去製造业的思维主要是管控,标準作业流程几乎每天都挂在管理阶层的嘴⋯⋯对,你没看错,是嘴里,在只有数字没有数据的企业中,充其量只是把现有工作流程化或自动化,这和创新的定义有很大的不同,简单来说旧思维是无法创造新方法的。

我们不希望变成一个僵化的企业,但在现在变化如此快速的环境中,如果一个 SOP 执行了 2 年都没人能提出改善方式,在某种程度上可能存在很大的问题,又如果改善都是由管理阶层提出,代表企业存在更大的问题,代表企业内部存在者被动改变而非主动创新的文化认同问题。

要成为一个 Data First 的企业,你就要学习管理数据,这里说的并不是 data warehouse、database、dataflow 之类的相关技能,而是依照不同部门和职级分层进行长期且定期的 Data 观察、定义、收集、监控与分析。个人很建议可以利用 Scrum 的管理方式来追蹤与数据相关人员的回馈,作为整体的沟通桥樑。

企业内部如果能透明且中性的看待数据,创新就有机会在很多地方发生,小数据也有机会有大发现,也许从服务流程、作业流程甚至是内部沟通流程都有机会产生创新,相同的是小创新也有机会有大表现。

  1. 让 Open Data 成为企业目标

无庸置疑的这是最难的,但我强烈建议企业要朝这个方向进行,原因很简单,当你把去识别化的数据开放出来,就有机会让全世界的人帮你创新,看看 Google、Facebook 和各国际大厂过去 10 年的发展趋势就可以明白,这里就不多做说明了。

而最重要的,当你有能力将数据透过 API 开放出来,代表内部的数据的流程有相对高的完整度,当有了规格化的数据后,更有机会与合作伙伴进行合作;也可以像 KKBOX 或 Pixnet 一样,举办 Hackathon 的活动来吸引人才,加速服务优化与创新;当然,你的数据如果有价值,一样可以收费,甚至是新的商业模式都有机会藉由开放数据而诞生。

以上 你既然都有耐心看到这里了,就让我总结一下吧!

企业的发展能否永续谁也说不準,不停的向前是必要的,我想不只台湾,许多企业无法应对市场变化往往是无法掌握变化,在过去的工作经验中,即使是高阶经理人,其实也常常没有头绪,不确定下一步该往哪走,如果你能让数据变成企业中的血液,携带养分随着流动到每一个部门甚至员工中,当你用脑过度的时候,心脏就自然会打更多的氧气上来或是呼吸的更用力来得到氧气,一切是自然反应而不是命令得来的,你的体质自然会比其他人更好,更有机会抓住机会,应对挑战。

以上几点其实是写给自己看的,看官如果觉得哪里有问题,按关闭视窗就好!

而 AI 的境界,等我完成以上 6 点再告诉你喔~

完整 Keynote 请看 https://www.youtube.com/watch?v=iDQihBEcTzU

真心要发展 AI 的话,建议至少要佔国家年度总预算的 1%(约 200 亿),并拉升到国家战略等级,而不是政策等级,方向应朝产业 AI 化,而非发展 AI 产业。

小祕技:人才招募也要赶流行,你把资料分析师改成资料科学家,应徵人数多 30% 不是问题。

Sense 这个字太难用中文来描述,大概就是感觉、理解力、联想力的综合吧!

相关文章