當大家都在談數據做數據,可是你真的走對方向了嗎?

2022/10/14閱讀時間約 6 分鐘
近幾年來,市面上總不乏出現各種新名詞,「類火車」、「微解封」、「類普篩」、「元宇宙」、「大數據」...等,這些排山倒海的資訊,讓我們深怕自己一不小心沒跟上,會錯過了世代更迭的腳步,其中,特別是「大數據」這三個字流行最久,也是目前影響企業最深。以台灣市場來說,各類領域的企業,假如發展策略沒有跟大數據扯上邊,就似乎沒有走在正確的道路上,但實際上,「數據」早已存在於公司內部許久,只要資料累積蒐集量達到一個程度,人人都可以稱做「大數據」,但我們的重點應放在,數據的價值不是因為它「大」,而是在於它「活」,數據不應該拿來隨便用,而是去思考如何活用
Dan Ariely曾在Facebook的場子中說了一句玩笑話,諷刺形容多數人盲從大數據的一種現象:「大數據就像青少年談性:每個人都在討論,卻沒人知道真正怎麼做;每個人都認為別人在做,所以每個人都聲稱自已有做。」
來源:Sisense

打造一個適合「Data Driven」的產品組織

掌握大數據的好處其實相當多,我們可透過它操作會員經營、行銷科技MarTech,還可進行演算模型分析,將它運用在預測行銷和品牌策略上,但掌握得好與壞,則完全取決於我們抓重點的功力,就有如學生時期念書考試,有的同學整本教科書滿滿的劃線重點,看似很認真,反而「所有都是重點」等於「沒有重點」,所以我們一再強調的是,要懂得方法活用數據,抓到有效的關鍵因素,才不會輕易的迷航在數據浪潮中。
因此,這一切都需先建構一套正確施行數據的步驟,以下的內容主要參考了文章Achieving business impact with data提出的系統化流程(A systematic approach translates data insights into business value),並透過自己實務上的經驗,用比較接地氣的方式加以解說:
來源:Achieving business impact with data

生成和蒐集數據

一開始,任何公司的前置工作就是,先決定打造一個具備甚麼「Data Driven」條件的產品組織,白話一點的解釋—「願意花多少錢投資數據」,數據投資大致可分成三方面。
  1. 架構數據的硬體設備:採用自架硬體系統,還是透過運端儲存及運算。
  2. 數據分析軟體:包含商業分析、預測分析及視覺化呈現應用軟體。
  3. 數據分析人才:內聘或外找數據團隊(包括數據工程師、數據科學家、數據分析師)。
以上都確定了後,我們才可知道利用甚麼樣的食材(軟硬體),去做出甚麼樣的料理(生成和蒐集數據)

精煉數據

當基礎的數據工作皆到位後,接下來就是梳理整體商業脈絡,發掘產品與用戶的完整使用路徑?路徑裡的每一步驟是否重要?要獨自建立關鍵衡量指標(Key Performance Indicator)嗎?產品的使用流程漏斗(Funnel)?以及定義重要核心行為與轉換目標?最後,並完成建立可供檢視產品健康度的儀表板(Dashboard)。
其次,找到並確認每次產品優化的方向,一次只專注解決一個問題,不要過度貪心想要馬上做到完美,至於怎麼找到根源的問題(Root Problem),建議可透過豐田生產方式(TPS,Toyota Production System)創始人「大野耐一」,他極力倡導的思考技巧,「要求每個人面對問題時,嘗試反覆詢問5次「為什麼」,追根究底去找出根本原因。」
來源:用直覺解決問題,治標不治本!問「5個為什麼」才能找出問題背後的真正原因

將洞察轉化為行動

Data Driven中的最重要一個步驟,就是透過分析實驗去驗證假說的正確性,並重複找出更多的優化空間,這時就相當需要團隊成員進行「腦內風暴brainstorming」的討論,盡可能發想任何假說與可行方案,另外還可搭配知名Growth Hacker—Sean Ellis所提出的ICE(Impact影響力,Confidence自信心程度,Ease容易度)原則,將所有的假說進行判斷評級,找出最高分者優先進入實驗流程的階段,過程如下:
  • 建立假說
  • 進行實驗
  • 驗證假說
在不斷的實驗嘗試中,具備領域知識與分析洞察力是相當重要的,這可以確保我們在假說過程中有效的解讀數據,將洞察轉換成可操作的行動方案,請記住,重點一直不在於擁有甚麼數據,而在於你怎麼使用數據!

推動廣泛的採用

當假說被驗證出來,對於產品的關鍵指標具有提升的效果時,我們就需將假說行動正式推入市場,在這個階段裡,目標是為了讓公司各部門人員懂得追蹤數據,理解數據,應用數據,並引導他們怎麼的透過數據去優化自己的日常工作,最後,透過每一階段的Review和Retro,分析實驗結果與一開始所設置的假說是否一致,是否符合預期,然後再一次的假說、實驗、再迭代....。

除了組織和治理之外,還掌握有關技術和基礎設施的任務

回到最現實的狀況,要產生更高階的大數據應用(比如機器學習、最佳化模型、預測分析等),技術能力與軟硬體的提升也是不可避免的,除此之外也是最重要的一點,就是公司需具備一個有助於「Data Driven」的工作環境—例如,支持改變的力量,這還包括了公司垂直與水平階層的緊密配合。
上面所談的數據導入流程,並非唯一且標準的答案,不同的企業文化,不同的成長階段、不同的領域都應該不太一樣,只要掌握到衡量、發想、執行、分析、迭代這幾個重要原則,自然就能找到適合自己公司的最佳方式!
參考資料:
贊助創作者百元,就抽 $8,888 紅包與好禮!
喜歡對稱,也喜歡大膽留白,喜歡狗,也喜歡貓,喜歡朝更好的自己邁進--目前在互聯網時代,做數據運營的工作,現在的我,還喜歡窩在家,用簡單的事物填滿每一天。
涵蓋一個完整產品開發所需要學習到的數據分析架構
如果要發表留言,請先登入註冊會員
享受沈浸的閱讀體驗
徜徉在不受干擾的簡約介面,瀏覽數百萬篇原創內容。
領取見面禮
只要設定追蹤作者,即可享有 48小時
Premium 閱讀權限