【Gipi 數位思維】為什麼有「數據策略」的企業擁有更強的競爭力?

這將會大幅提升公司在商業上的競爭力,因為當別人都還在土法煉鋼,你做什麼決策其實已經都比別人更有依據了。
評論
評論

上一篇 用三國志為引,談完商業數據管理的重要性後,在各個場合中總會有人問我:「我已知道數據很重要,但我對於如何開始做數據管理仍是毫無頭緒,gipi 你怎麼看?」,我的回答是:「你需要建構公司的數據策略。」

本文,我將跟各位分享何謂數據策略(data strategy)?以及如何建構數據策略。

何謂數據策略?

所謂的數據策略,顧名思義就是企業如何採集、儲存、管理、使用數據,並對企業整體帶來助益。而在這個前提下,我們可以說數據策略是衍生自企業策略,而且數據與企業策略間的關係愈來愈緊密(回顧一下我上一篇文章: 談商業數據管理的重要性),企業不該只盯著落後指標看,而是從數據中挖掘出洞見,並採取行動。

我認為,未來領先全球的頂尖企業,絕對都是擁有並能善用數據的公司。

建構數據策略的 4 個步驟

Step1. 依據企業目標設定數據目標

任何的計畫一定都有一個目標,而數據策略的目標必須衍生自企業策略,因為數據管理的目的是為了改善企業營運績效,若數據管理未對企業帶來任何助益,那一切都是白搭。

不論你是用五力分析、競爭策略、價值鏈、SWOT 或者策略地圖來展開公司策略,你最終都該有幾個明確且必須執行的策略目標要達成,例如 A 產品的業績比例提升、客戶滿意度提高、市占率拉升、行銷的精準度提升等。

為了達成策略目標,我們會設定一些對應的行動方案,並依據行動方案展開專案,確保行動方案完成時,策略目標也同時達成。

在企業目標之下,你對數據的期待是什麼?或換個問法,你希望數據可以幫上你什麼忙?以下我援引《大數據,從概念到運營》書中所提到的五級成熟度索引,希望讓各位對數據的用途先有一個宏觀的了解。

  •  業務監督:
    這是最基礎的數據應用,關鍵點在於「監督營運上是否有異常」,常見的管理工具例如銷售報表、dashboard(儀表板)等各種基礎的統計分析內容,是最典型的應用。
  •  業務洞見:
    若說業務監督的數據是管理的落後數據,那這部分的數據一般是領先的數據,可以「提早告訴你哪些地方有狀況」,包含哪些產品銷量突然暴增或暴跌,哪些生產線的 workload 已經超標,哪些客戶的行為已經發生改變。這部分一般會建立一些統計模型或試驗項目,用來挖掘或預測潛在的機會與問題。
  •  業務優化:
    在挖掘出洞見後,能自動化並批量的運行,例如根據客戶屬性與行為交叉推薦合適的商品、根據當下個行銷通路的表現自動調整投放金額、根據社群媒體的議題與聲量,決定某些產品的進貨與囤貨,智慧製造、智慧零售、智慧 XX,很多跟 AI 或智慧扯上邊的應用,大致上都歸於這一個層級。
  •  數據貨幣化:
    就是將數據包裝後用來服務客戶。當你擁有廣大的數據,而這些數據對於特定的目標客戶是有價值的,那你就能做數據生意,re-targeting 就是一種典型的應用,而 open data 若經過包裝,也能稱的上是一種數據貨幣化。
  •  業務轉型:
    這可能好發於硬體公司,尤其是那些想搞 IoT 的公司?過去他們以生產硬體為主要獲利方式,而數據採集很大一部分是仰賴終端的載具,載具的範圍從大家熟知的 PC、手機等漸漸的擴展到其他的 device 或 sensor 上,當數以百億計的數據都是透過這些硬體裝置採集而來,而硬體公司擁有這些數據的使用權時,他們就有機會轉型成以數據賺錢。

你希望數據可以幫上你什麼忙?

做數據策略前必然得先回答這個問題,因為有了期待,目標明確了,策略才得以展開。這個問題對老闆或高階主管來說或許困難了點,我建議你找商務分析師與數據專家們一塊討論吧!

Step2. 盤點數據,檢視落差

Step1 我們先設定期待,希望數據可以幫上什麼忙,而 Step2 就要來檢視現階段所擁有的數據是否能滿足我們的期望了。

舉個例子,如果今天的策略目標是要「提高用戶滿意度」,一般我會透過以下的步驟去盤點我所需要的數據。

首先問,「如何衡量用戶滿意度?相關指標為何?」

這是我第一個會問的問題,得到的答案可能是服務使用頻率、回購率、推薦率、客訴狀況、退款紀錄、服務滿意度調查等等指標。如果你無法提出你的衡量指標,數據就很難幫得上忙,在此請再次回顧我前一篇文章所提到的觀念:數據不會完全精準,但是可以比之前更好,就值得做。

接著問,「這些指標所需的數據是否完備?」

所謂的完備指的是正確、完整且可取得。此問題得到的答案可能如下表,各個指標的數據完備狀況可能略有不同,其中可能涉及彙整、合併、擴展、加工與採集的需求,而這些就是數據的落差,必須衍生對應的數據行動方案。

到上面這個步驟,我們已經盤點完衡量客戶滿意度相關的數據,只要這些數據完備了,我們就能做好業務監督的工作,但我們的策略目標是提高用戶滿意度,這已是業務洞見與業務優化的層次,所以我會進一步問:

「能找出哪類型的客人回購率最高、最低嗎?」
「能找出哪類型的客人推薦率最高、最低嗎?」
「客戶退款前通常有什麼行為?能找出早期徵狀嗎?」
「滿意度調查分數的高低是否與回購、推薦、退款有正相關?」

要回答這些問題,會需要做一些統計分析與模型建立,同時涉及一些自動化機制,例如對潛在回購或推薦的客人推送合適的 eDM 或廣告,鼓勵他們採取行動,或對潛在高退款風險的客人,自動推送關懷訊息,或告知客服人員必須立刻介入關懷等。

Step3. 規劃數據行動方案

設定目標,檢視落差設定方案,這是策略規劃中的典型作法。一般策略規劃中,行動方案結構大致如下:先選定一個企業策略目標,說明用來衡量策略目標完成的基準為何,並描述相關限制,接著展開將採取的行動方案,以及行動方案的細節,包含成員、目標、專案執行計畫、里程碑等等。

而在 Step2 時,其實已經挖掘出相關的數據落差,差別只在行動方案的細節仍未展開,當我們把數據行動方案加到策略行動方案的結構時,看起來就會像下圖這個樣子,數據策略正式與企業策略掛勾了。(以 B 代表業務行動方案,D 代表數據行動方案)

Step4. 讓數據策略成果回歸「商業數據管理」機制

透過反覆執行 Step1 ~ Step3,就能將每個企業策略相關的數據工作展開來,公司的短期數據工作就有了個全貌,如下圖,就可作為這個策略週期內數據團隊所要執行的相關工作。

有別於傳統的數據管理,這邊我特別加上了商業兩個字。這意味著我們談論的數據管理,不僅僅限於技術層次的管理工作,而是建基於商業目的之上,例如針對業績、客戶、行銷、服務、財務等主要營運流程所需數據的管理,企業需要有個長期的數據策略去採集、儲存、管理與使用各種商業數據。

以客戶的數據為例,原先我們不清楚哪些客戶是潛在高退款風險的,但隨著模型的建立始能找出這些客戶,而模型比對後,自動將這些客戶標示並推送到服務人員手中,要求服務人員對客戶做關懷,透過數據管理將相關工作自動化,也提升了營運效率。

你可以逐一將各主要業務領域在數據上能做到的事情盤點出來,這可用來呈現該業務領域的商業數據成熟度。老話一句,高價值的事都不會容易做,但萬事起頭難,請從今天開始思考公司的數據策略吧!這將會大幅提升公司在商業上的競爭力,因為當別人都還在土法煉鋼,你做什麼決策其實已經都比別人更有依據了。


Akamai 服務上新,於邊緣處推動快速創新

Akamai EdgeWorkers 為開發團隊提供豐富功能和工具來創建新的微服務,利用 Akamai 提供的 25 萬台分佈式服務器組成的網絡,在邊緣執行安全而快速的計算,並在邊緣暫存內容,以實現快速交付。
評論
評論

在雲計算技術還沒有大規模普及前,絕大部分企業和組織都需要自建數據中心,或通過託管的方式來部署自己的硬體基礎架構,並在此基礎上為員工和客戶提供服務。取決於業務或其他方面的諸多要求,此時需要部署的數據中心可能有很多個,並廣泛分佈在不同地區,藉此為客戶提供流暢的體驗,並透過多個數據中心保障連續性。在發展的過程中,隨著「雲端」的出現,讓各個組織的計算開始集中。

而當在線直播、無人駕駛、智能家電、物聯網等應用開始陸續深入我們的工作和生活,情況又不同了。以往透過雲平台集中運行和服務的模式,因為距離導致的網絡延遲已經對用戶的使用體驗產生極大影響。為了提供更敏捷、靈活、快速、可靠的體驗,企業需要從最貼近用戶的地方提供服務。因此,邊緣計算就成為最有效的解決方法。

透過將數據的收集、分析和處理等工作,由「雲中心」重新分散到最接近用戶的邊緣位置,企業可以就近為用戶提供服務,通過延遲更低的響應打造更出色的用戶體驗。

「無服務器」的出現,帶來計算方式的革新

以前,當組織需要上線一套業務系統時,首先需要採購並部署相應的服務器硬體,並且要負擔服務器日常運維過程中的管理、維護、補丁安裝、配置等繁瑣任務。

上雲前,組織需要在自己的數據中心,以硬體服務器的方式執行這一系列工作;上雲後雖然簡單許多,但依然需要面對雲服務商提供的虛擬服務器,從本質上來看相關負擔仍相當繁重。

無服務器(Serverless)技術的出現,讓組織可以在不需要考慮服務器的情況下,構建並運行由微服務構成的創新式應用程式與和服務。藉此不僅可以省略基礎架構管理任務,還能為幾乎任何類型的應用程式或後端服務構建無服務器應用程序,更方便、靈活地構建出具備極高可用性的應用。

Akamai EdgeWorkers :為創新賦能

Akamai EdgeWorkers 為開發團隊提供豐富功能和工具來創建新的微服務,利用Akamai 超過 25 萬台分佈式服務器組成的網絡,在邊緣執行安全而快速的計算,並在邊緣暫存內容,以實現快速交付。

當開發團隊在邊緣開啟代碼時,他們會將數據、見解和邏輯推送到更靠近最終用戶的位置。Akamai 的高性能、可擴展式實施模型,可確保數據和計算不會被延遲問題困擾,進而避免對數字化體驗產生負面影響。

在該服務幫助下,開發者可直接在 Akamai 的全球分佈式平台上快速、迭代地創建和部署新服務,以解決問題和自定義交付。

長期以來,Akamai 在邊緣計算的創新和成功實施皆具有優勢。自 1998 年起,便開始為 Akamai 內容交付網絡(CDN)的客戶推出自定義交付邏輯,其他里程碑還包括 2001 年的 Edge Site Includes 、2002 年的 Edge Java 以及 2014 年的 cloudlet 應用程式。

目前, Akamai 在全球擁有超過 4100 個入網點,為 EdgeWorkers 用戶提供出色的邊緣基礎架構規模和範圍,開發人員可以在靠近最終用戶和他們的數字化接觸點的地方部署代碼,以實現盡可能低的延遲。EdgeWorkers 同樣獨立於雲,客戶可以選擇利用 CDN 供應商或雲供應商平台上的無服務器計算功能。在 Akamai 幫助下,客戶可以在整個混合雲或多雲環境中部署單一的無服務器計算平台。

更多相關資訊:https://www.akamai.com/solutions/edge

本文章內容由「猿聲串動」提供,經關鍵評論網媒體集團廣編企劃編審。