增加閒置資源被使用、知道何時可以被使用、誰是在不同時段的需求使用者、願意負擔多少使用代價,同時還需要在原本擁有人的權利不受影響下,讓共享的循環持續下去,並且確保每位使用者信任這循還,其中最主要的關鍵,便是數據工具。
以uber為例,透過數據資料,系統讓使用者知道當下時段利用uber車輛的價格是多少,也會讓提供車輛服務的uber司機瞭解付出的時間勞務得到的收益;透過系統媒合閒置車輛與需求消費者的地點距離,司機與乘客藉由雙向評分,讓下一位使用者在乘車前可以對所搭乘(或接送)的對象有評估選擇依據。
Airbnb也是,在房東端提供多元性的儀表板及成效分析工具,讓房東定出心中滿意的價格。
也透過數據技術,建立起房客在選擇住房時,自搜尋比較、地點、時段、類別、價位、可訂房時間等等的資料下的預測模型,並將數據經由系統再反饋房東,作為價格策略設定的基礎來源。
或許你會覺得,肯定需要有強大的數據團隊,才能讓這些平台有豐富的營運成果;而在我的角度來看,其實更重要的是對數據的洞見。
舉個假設,如果在共享的訂房平台,你跟朋友個別選房時,網頁千篇一律只提示某某房特價將於幾十幾分結束,卻無其他更多相關資訊;或是透過區域分類、一次呈現幾千筆資料供人索驥,辛苦評估後最終顯示該房型預約已滿,這樣會不會讓你覺得難以接受?另外若你是房東,平台透過後台顯示出一篇又一篇的數字,但沒有提供這些數字可以給予你在定價或提高出租率的建議策略,甚至連如何使用的說明都鮮少看到,那麼你會覺得這些數據是幫助、還是視覺閱讀壓力?
在數據分析的基礎原則,通常會依照目的性、適用對象以及可行性來檢視,換言之,數據資料之外,對於數據的洞見才是決定共享模式在營運上的關鍵點,以平台來說,不光僅僅是系統提供適用於個人的數據建議結果,更進一步可能需要建立教學系統,讓共享平台的使用者能依照自己需求去掌握學習更多資訊工具,uber及Airbnb如此,電商的蝦皮、淘寶、亞馬遜等等也如此。
從這點延伸來看看,企業間還是存在許多對於數據只是一張張統計報表,每場會議堆疊越多數字似乎就越多內容的盲點依舊存在;或是每次對數據有需求時,總是叫工程師重新撈數字,而對於數據分析或營運分析報告,也止於單點思維卻不是整體面思考,這也是身為顧問的我們,為什麼每次都是先從思維與觀念上來著手的主因之一。