DMA01
深入淺出Data Driven

深入淺出Data Driven

千葉 熊

在許多數據的底下,真正重要的是它背後的資訊和意義。數據究竟跟你講了什麼?有時候,我們得到了許多數據,卻不知道如何應用。其實,得到數據只是一個開頭,後續的分析更為重要。

數據化的時代,有數據只是開頭

大約2016 年上半年,台灣企業的數位廣告預算首次超越傳統電視廣告。各公司紛紛開始聘請UI 、UX 設計師,數據分析師也將快成為一間公司必備的職務。但是聘請那麼多數位與數據人才,耗了那麼多的成本,真的有為公司達到理想的成效嗎?

企業主在聘請這些人之後,有可能會面臨到幾個問題。為何增加數位預算業績卻沒有成長?為什麼廣告預算都投放在 Google 和 Facebook ?為什麼辛苦的產出內容、獲得流量、開版位,賺大錢的卻不是我們?

在許多數據的底下,真正重要的是它背後的資訊和意義。數據究竟跟你講了什麼?

有時候,我們得到了許多數據,卻不知道如何應用。其實,得到數據只是一個開頭,後續的分析更為重要。

 

數據驅動 (Data Driven) 不止人才,更是一個體系

沒有達到預期效果的另一個非常重要的原因,是公司沒有建構出數據驅動 ( Data driven ) 的架構。

實質地改變成為數據化的體系,並且具有數據化的思維,才是企業成功的關鍵。

許多公司依然使用過去的管理與運作模式,用原有的方式制定決策,訂定公司的績效與方向。既然如此,那麼雇用了再多數據人才也沒有用。

想想你的公司是如何做決策的?是老闆說了算,還是透過數據去協助決策?

假設你在經營電商,有一個產品銷量不佳,身為營運單位的你會怎麼做?你會覺得問題是產品的圖片不夠吸引人?描述寫的不夠詳細?網站response太慢,還是根本這個產品在市場上沒有需求?

數據導向的公司不會用猜的,而是運用各種可獲取、蒐集的數據中,抽絲剝繭找出答案。

而其中的難題在於:

1. 想要解決什麼問題?這個問題應該要很明確

2. 要如何透過數據去找出正確答案?

3. 確定沒有被表面上的數據騙嗎?你的數據分析準確嗎?

再重申一次,數據導向的公司應該是非常有邏輯性的一個體系,不會靠直覺去猜測問題所在。重點應該是如何找出問題所在以及如何蒐集與分析數據來找出對策

而這是一個永無休止的測試與優化流程。

要注意的是很有可能被數據誤導,請一位經驗豐富的數據分析師很重要。但不同的人對不同數據會產生不同的解讀。如果解讀錯誤,很可能會做出錯誤決策,浪費時間與資源。

 

只要有數據分析師就夠了?

如果公司憑著數據訂定了績效目標、執行單位卻沒有與數據策略配合,仍是事倍功半,無法與之相輔相成達到目標。

公司的每一個人都必須接觸、熟悉數據,最終每一個人都會提問,並且靠數據來找出答案。

 

聘請數據人才前的準備

1. 分派一個數據的管理者

聘請數據人才前,應該要有詳細的數據團隊規劃。數據驅動化的首要工作,就是需要一位具備數據專業的領導者,許多公司願意聘請數據人才,卻不願意把權力、或是將決策權限下放。

決策者不願學習相關知識,或者不願意另行指派一位數據領導者,最終在實行上都是有困難的。

2. 將公司的願景與數據價值鏈 ( Data Value Chain ) 緊密扣合

每間公司的營運模式不同,不應只將別人的成功案例或是方式套用在自己公司上,而是需要與公司的願景作詳細的訂定。因此公司體制也應該調整,用數據做串連,整合成數據價值鏈。

將需要數位化、或是有連動關係的部門互相串連。最終才不會只有一部份的公司數據化,無法完全得到數據化的效益。

3. 制定與企業目標績效一致的策略

知道願景,並且將其與數據價值鏈扣合之後,接著開始訂出達到公司願景的事項,再來一一列出如何用數據來達成績效與目標。並且開始依此制定策略。

4. 吸引人才來完成你的策略

當企業裡的架構都已經建立起來,一切準備就緒之後,此刻才是集結數據人才的時候。這時再雇用相關人才,馬上就可以上軌道,並開始運作企業的數據驅動化。

 

成為數據驅動公司的五大步驟

1. 制定策略(Strategy)

數據策略是數據驅動化的開始,利用這種方式可以幫助過濾掉對公司沒幫助的資料。才不會擁有多而無用的龐大數據,反帶來巨大的維護與儲存成本。

先釐清目標,思考不同的數據可以實際帶來什麼效益?現階段的是要蒐集名單,還是尋找顧客?

2. 識別關鍵場域(Identify key areas)

數據會從各種管道進來,可能是顧客現場留的意見,可能是透過網站互動的過程中得到的行為。管理資料的來源很重要,因而需要知道最有效和最大量的數據來源,也就是識別資料的關鍵場域。

3. 資料目標定位(Data targeting)

當數據開始進來時,而當也知道數據蒐集的主要管道(關鍵場域)在哪裡時,就得開始觀察、分析這些數據所帶來的資訊。

一旦開始獲得數據,就必需篩選並定義出最具價值的部份。

4. 蒐集並分析資料

確認得到有用的數據之後,就必須開始持續追蹤、擴大蒐集。為了要有效地分析資料就必須將系統整合,並把異質資料進行完整的串聯,形成一個資料池。

從不同來源得到的資料之間也可能會有很大的差異,若要將它們聚集統整在一起,需要穩定的Data pipeline與一套有系統的ETL(資料倉儲)底層基礎建設,則是另一個重要的課題。

5.調整、洞察、實踐

最後一步,也是最重要的部分,就是需要將洞察結果付諸實行。

網路上有許多企業可使用的BI工具,能將複雜的數據圖像化來幫助決策者理解?是這意思嗎?

重要的不是資料外在的美觀,而是要如何透過圖表將洞察結論視覺化,幫助看的人理解內容,並且應用在決策當中。

 

轉型成數據驅動的公司

數據導向不只是全由數字來決策,也不是選對BI工具就能幫你得到更多洞察;更不是聘請很多資料科學家就能成為一間數據導向的公司。

不光是雇用數據人才就好,也不只是一個部門,它是一整個公司的文化體系。當數據驅動成為一個企業的核心價值時,數位、行銷、業務、廣告、客戶,每個不同部門的人都開始應用便能相互串連,發揮數據最大的效益與價值。

公司領導者必須帶頭開始轉變,帶領數位驅動的思維與風氣才能夠轉型。

 

延伸閱讀:
1. Become Data-Driven or Perish: Why your company needs a Data Strategy and not just more Data People
2. 5 Steps to Data-Driven Business Decisions
3. Media transformation based on DDCS

 

 

原文出處:深入淺出Data Driven

千葉 熊
千葉 熊

我是熊~一年四季冬眠中~@_@

千葉 熊的Medium:https://medium.com/@ChibaKuma

【文思不藏私】六個社群平台的變現模式
除了廣告變現外,本篇文章整理了社群平台的其他六種可能的變現模式。
UX學習系列(一) UX到底是什麼?從零基礎開始學習「User eXperience (UX)」
先從心態開始下筆,談談為什麼組織內部執行UX專案容易失敗的原因,書中提及的原因我認為不只適用在UX設計,許多專案會失敗,有87%跟書中提及的原因相似。
UI與UX有什麼差異?
本章將探討何謂 UX 以及 UI 與 UX 的差異