你也許沒辦法 AI First,但可以 Data First!

評論
Computer Files
Computer Files
評論

本篇來自 urAD 優愛德投稿,原文同步刊登於 官方部落格 ,技術長張天豪撰寫。

AI (Artificial Intelligence) First 是在今年 Google I/O 上由 CEO -- Sundar Pichai 提出的全球方向 (註一),而 AI 的話題在近期也不斷地發酵,姑且不論歐美各巨頭的論戰,即使在台灣的各產業也興起了一波波的 AI 熱潮,一堆沒人說得清楚但又好像很厲害的名詞不斷的出現,連科技部也跳下來準備投入 5 年 50 億的經費發展 AI 產業 (註二),AI 霎那間成為神級如鋼鐵人從天而降般的角色,親眼看到的人不斷的闡述這個意象,更厲害的是從沒看到的人口中所聽到的描述,你會發現他們不但跟鋼鐵人是從小到大的朋友,而且比他的爸媽還了解他。

但其實鋼鐵人的的 AI 是 Jarvis....(小聲)

不過今天要討論的並不是 AI,而是 Data。Data 可以說是 AI 的養分,沒有 Data 的滋養,AI 是無法以任何方式產生的。藉由現在 Cloud Services (AWS, GCP, Azure) 的成熟,讓我們就算沒辦法像 Google 投入數百億美金在 AI 的發展上,不過從 Data First 出發是絕對可行的!

事實上 Data 一直以來都存在企業中,有的被系統化紀錄像是 ERP / CRM / EIP / CMS / DMP / BPM / HR.. 等等,而偏向知識,know-how 類型的 Data 則記錄在每一個員工的大腦裡,又有部分完全沒被記錄或記錄在他人的系統裡,例如網站上的行為存放在 GA,社群的資料存放在 Facebook 或 LINE,所以請放心,要打造屬於自己的 Jarvis 是絕對有機會的。

這是一個 go big or die 的問題,你如果同意 Data 是重要的,你的企業該如何在未來三到五年內,成為一個以 Data 為核心的企業,並讓 Data 成為你在商場上邁向下一步的競爭關鍵呢?

  1. 讓 Data 成為企業文化的一部份

不論公司的大小,如果你仔細的把工作流程或決策流程撥開來看,一定會發現有所謂「憑感覺」或是「從以前就這樣」或是「這是老闆說的」這類不盡合理但又相安無事的處理方式,而許多管理階層會把這樣的方式視為合理甚至是個人的能力表現,製造自己無法替代的假象,但其實反而讓公司無法正規的成長。如果公司有上述的狀況,那代表在這些狀態下,公司沒有收集足夠的資訊進行決策上的歸納與策略制定,

要打造 Data First 為核心的企業從管理階層在 mind set 上的改變是必要的,首先就要拋棄經驗法則,用 Data 挑戰或證實自己的想法,問自己:真的是這樣嗎?在這過程中,你會驚訝的發現人在 0.01 秒之內可以處理的事情需要多少的 Data,而這些 Data 通常不存在任何的系統裡。

對我來說,Data First 並不是要產生新的生意、換掉哪個職位或是多增加多少% 的淨利,而是讓每個部門,每個職位都有垂手可得的資料用於分析、討論、規劃等等。換句話說,你不需要去「要」Data,而是 Data 自動送到你的面前,進而讓所有的人產生對 Data 的想法和好奇心。這必須是一種文化,一種思維,一種呼吸的時候都感覺得到的氣味才能辦得到。

  1. 聚集以 Behavior 為主體的 Data,並且讓它產生關聯

剛剛提過了,企業本來就存在各種的 Data。依照不同的部門和目標,就會使用一個或多個系統或服務,而這些系統或服務所產生的資料大都是分散的,舉例行銷部門可能有媒體或廣告資料,業務或客服部門可能有 CRM 資料,技術部門有主機網路或服務的 Log 資料,管理部門也有帳務與員工的資料,這些分散的資料就如同分散的資源,連全貌都看不清楚,更別說綜效了。

看到這裡,如果你的想法是:啊!這不可能啦!那請自行登出,因為以下內容太過驚悚,不適合小朋友繼續觀賞。

但如果你的想法是:這就是我要做的!那恭喜你已經跨出第一步了。

首先,在資料收集上,你可以利用資料倉儲 (Data Warehouse) 來整合所有的資料,方法和工具大同小異,重點在能夠自動的收集 (collect)、監控 (monitor)、管理 (manage) 不同的資料來源和流程,不需要為了技術而技術,找尋適合你的方法即可。

而行為資料 (Behavior Data),常常在企業中被忽略,例如想知道三個月前某一天的銷售大增的原因,大概有 8 成的行銷人員是用猜的,他們會說:應該是某一個活動或是某個產品大賣,但實際上的關聯和記錄往往沒有被規律的收集下來,所以你又會常聽到:上次這個活動蠻有效果的,但這次好像沒那麼好?當然很多事情是很難用單一變數來重複驗證,不過將 Data 收集下來做長期觀察是有必要的。

接下來先記住一件事:GIGO (Garbage in, Garbage out),意思是說如果你收集的是垃圾,那最後產生的除了垃圾之外還會有其他的嗎?Data 的匯集當然不會是把所有資料丟到一個地方就沒事了,包括資料的採集、清理、對應、標籤... 等等,有許多的事情必須要做,這需要企業整體的共識,降低企業的投資風險,所以絕非單純屬於技術部門的責任。

假設你已經建立了一個資料倉儲,接下來就是把資料之間的關聯性建立起來,資料之間存在可能是強關聯也可能是弱關聯,而決定關聯的方式應由各部門提出,你要做的就是把所有的資料來源攤開讓他們做選擇,再由技術部門處理當中的邏輯即可。為什麼是各部門提出呢?原因很簡單,使用資料的部門絕對比技術部門更了解資料所代表的意義,你若作為部門主管,也應該會比員工更具有資料的敏感度,所提出的需求才能貼近實際的狀況。

  1. 讓員工升級,每個人都可以是資料科學家

許多台灣的企業,把員工作為生產線的一部分,用各類型的系統來對流程進行管理或是對產品進行良率提升,長期下來,你還沒把機器人訓練成人,到是先把人訓練成機器人了。另外近期有許多的企業開始注意 Big Data 的發展,紛紛的開啟資料科學家 (註四) 的職缺,希望藉由資料分析找出 Data 的價值,但是整個流程耗時費工,成本又高,效益極難評估,很多公司只是拿來當作說嘴或對外包裝的題材,而不是認真想做,這在大企業中最容易發生

你該了解的是,跟資料靠近的第一線人員其實才是對資料最有 Sense (註五) 的人,例如行銷人對行銷或媒體資料、業務對客戶或業績資料、產線對生產相關資料... 等,資料科學家再厲害,也要花很長的時間去了解資料的特質,也常發生分析出的報表被給予“這不用你分析我也知道”的評語。所以不如讓第一線人員可以使用一些工具,像是 Google Data Studio、Tableau 或是 M$ Excel,做適當的教育訓練,讓他們對資料產生想法或好奇心,鼓勵員工提出數據的觀察,說不定效果更好呢!

另外,通常員工在日常工作中的判斷是來自經驗的累積,但人的記憶是選擇性的,如果能將判斷標準的來源數據化,作為判斷的參考,好處是公司可以降低錯誤決策的發生機率,員工也可以更客觀的態度來處理相關庶務,甚至提供建議,讓資料的收集可以更完整,一魚多吃啊!

呵呵... 好像越說越難了!沒錯,搞定人絕對比搞定系統困難多多多多多了!想將企業打造成 Data First 的環境,就要讓員工也知道你是玩真的,懂嗎!

  1. 用數據做管理,拋棄數字管理

數字管理在台灣各產業都已經運行多年,在數字至上的企業裡,有著數不清的假 KPI 和無意義的數字作為管理績效的方式,以下舉兩個例子:

「例一」

目標:會員數增加

作法:舉辦加入會員抽 iPhone 的活動,會員三個月增加 130%

這類的活動一定會吸引到大量的會員,但大部分的會員可能根本不是你的潛在顧客,他們過三個月之後甚至不記得自己在哪些地方加入會員,而你說不定還辦了慶功宴慶祝會員破 xx 萬呢!

「例二」

目標:銀行衝信用卡申請數

作法:辦卡禮 + 強迫員工每月要有 x 張申辦數,信用卡申請增加 xx 萬張

你可以簡單算一下你有幾張人情信用卡完全沒用過甚至沒開卡,但銀行端在辦卡禮、製卡、申辦流程、帳單和管理,這些都是成本。銀行說不定還會辦激勵大會,發獎金犒賞優秀員工,銀行界的朋友啊!我相信你們懂,只是不想改變吧!

而數據管理的方式會如何進行呢?

第一:做長期的數據觀察-企業同時會執行有許多的活動 (Activities),以上面兩個例子來說,持續追蹤經由這些活動對企業的影響是什麼,從客戶期間價值 (Life Time Value)、產品或服務的銷售、活動相關成本應做適當的攤提到每個細項做長期的評估。

第二:依數據設立目標並徹底執行-許多的企業分析是一回事,執行又是一回事,原因很簡單,都是因為管理階層還是做數字管理,員工在多做多錯的企業氛圍下,不敢挑戰新的方式,讓企業呈現殭化的狀態。再以上面兩個例子來說,如果目標改成:增加 30% 的會員年度貢獻度和提升 20% 的持卡人滿意度,整體的思維和進行方式就會完全不同,而有數據作為依據,企業的成長動能來源也可以更透明。

  1. 重心放在創新,而不是管控

企業創新是所有的經理人都在追求的,過去製造業的思維主要是管控,標準作業流程 (SOP) 幾乎每天都掛在管理階層的嘴⋯⋯對,你沒看錯,是嘴裡,在只有數字沒有數據的企業中,充其量只是把現有工作流程化或自動化,這和創新的定義有很大的不同,簡單來說舊思維是無法創造新方法的。

我們不希望變成一個僵化的企業,但在現在變化如此快速的環境中,如果一個 SOP 執行了 2 年都沒人能提出改善方式,在某種程度上可能存在很大的問題,又如果改善都是由管理階層提出,代表企業存在更大的問題,代表企業內部存在者被動改變而非主動創新的文化認同問題。

要成為一個 Data First 的企業,你就要學習管理數據,這裡說的並不是 data warehouse、database、dataflow 之類的相關技能,而是依照不同部門和職級分層進行長期且定期的 Data 觀察、定義、收集、監控與分析。個人很建議可以利用 Scrum 的管理方式來追蹤與數據相關人員的回饋,作為整體的溝通橋樑。

企業內部如果能透明且中性的看待數據,創新就有機會在很多地方發生,小數據也有機會有大發現,也許從服務流程、作業流程甚至是內部溝通流程都有機會產生創新,相同的是小創新也有機會有大表現。

  1. 讓 Open Data 成為企業目標

無庸置疑的這是最難的,但我強烈建議企業要朝這個方向進行,原因很簡單,當你把去識別化的數據開放出來,就有機會讓全世界的人幫你創新,看看 Google、Facebook 和各國際大廠過去 10 年的發展趨勢就可以明白,這裡就不多做說明了。

而最重要的,當你有能力將數據透過 API 開放出來,代表內部的數據的流程有相對高的完整度,當有了規格化的數據後,更有機會與合作夥伴進行合作;也可以像 KKBOX 或 Pixnet 一樣,舉辦 Hackathon 的活動來吸引人才,加速服務優化與創新;當然,你的數據如果有價值,一樣可以收費,甚至是新的商業模式都有機會藉由開放數據而誕生。

以上........ 你既然都有耐心看到這裡了,就讓我總結一下吧!

企業的發展能否永續誰也說不準,不停的向前是必要的,我想不只台灣,許多企業無法應對市場變化往往是無法掌握變化,在過去的工作經驗中,即使是高階經理人,其實也常常沒有頭緒,不確定下一步該往哪走,如果你能讓數據變成企業中的血液,攜帶養分隨著流動到每一個部門甚至員工中,當你用腦過度的時候,心臟就自然會打更多的氧氣上來或是呼吸的更用力來得到氧氣,一切是自然反應而不是命令得來的,你的體質自然會比其他人更好,更有機會抓住機會,應對挑戰。

以上幾點其實是寫給自己看的,看官如果覺得哪裡有問題,按關閉視窗就好!

而 AI 的境界,等我完成以上 6 點再告訴你喔~

(註一) 完整 Keynote 請看 https://www.youtube.com/watch?v=iDQihBEcTzU

(註二) 真心要發展 AI 的話,建議至少要佔國家年度總預算的 1%(約 200 億),並拉升到國家戰略等級,而不是政策等級,方向應朝產業 AI 化,而非發展 AI 產業。

(註三) 小祕技:人才招募也要趕流行,你把資料分析師改成資料科學家,應徵人數多 30% 不是問題。

(註四) Sense 這個字太難用中文來描述,大概就是感覺、理解力、聯想力的綜合吧!


精選熱門好工作

平台客服人員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$20,000

西餐主廚、西餐副主廚

Sugar Pea
臺北市.台灣

獎勵 NT$20,000

資深前端工程師 - 影音串流 (Senior Frontend Engineer)

iKala 愛卡拉
臺北市.台灣

獎勵 NT$20,000

評論