描述、預測、指示－三種分析方式的利與弊

在2023年5月的《哈佛商業評論》中，進化定價公司（Evo Pricing）的創辦人兼執行長法布里齊歐．范提尼（Fabrizio Fantini）和哈佛商學院企管講座教授達斯．納拉揚達斯（Das Narayandas）合作，探討了在人類和機器之間找到平衡點的議題，該議題被寫成一篇名為〈行銷分析〉（Analytics for Marketers）的文章。

在文章中，他們介紹了三種類型的分析方法：描述性（descriptive）、預測性（predictive）、以及指示性（prescriptive），並強調了每種方法的優勢和限制。

1.描述性分析：歷史數據整理

描述性分析專注於過去的歷史數據，例如：銷售報告和客戶行為報告等，以幫助管理層理解過去的情況。

儘管開發和實施描述性分析相對簡單且成本較低，但由於人類難以處理大量細節資訊，因此這種分析通常過於簡化，使得決策較為粗略。此外，描述性分析依賴內部交易數據，因此決策時需要仰賴管理者的直覺和克服偏見的能力。

2.預測性分析：有限預見未來

預測性分析透過建立模型，預測不同變數組合下的結果（如預測價格彈性、預測行銷轉化率等），以協助管理人員做出更深入的研究和選擇最適合的行動方案。

儘管預測性分析無法確定性地預測未來，並且在建立預測模型的過程中具挑戰性，但它仍提供了有價值的見解。

3.指示性分析：精細引導指導

指示性分析利用大數據快速分析市場情況，並根據管理者制定的目標制定決策。這種方法著重於決策的效益，同時考慮市場預測和不確定性，以最大化優化利潤。例如，零售商根據物流成本和市場不確定性來調整庫存補貨策略。

儘管指示性模型能帶來較大的財務回報和業務表現，但設置成本高且複雜，需要專業知識和硬體設施。

最後，這篇文章強調，不同的分析方法適用於不同的情況，並且在這些方法中，人類的角色至關重要。人類需要將業務規則和目標轉化為機器友好的優化目標和規則，使得指示性模型能夠提供動態調整建議。這樣的平衡和合作，能夠實現更好的行銷策略和業務效益。

黃揚博（政大企研碩士，識商創辦人）、羅凱揚（台科大企管博士）

資料來源：Fantini, F., & Narayandas, D. (2023). Analytics for Marketers. Harvard Business Review, 101(3), 82–91. https://hbr.org/2023/05/analytics-for-marketers

✨ 歡迎追蹤，獲取更多相關資訊

► 識商IG：

https://www.instagram.com/bizsense2023/

► Line交流社群：

https://line.me/ti/g2/a2QRj--XfM3FRZBOZpB4rdJGravtdpVOeSLBpQ?utm_source=invitation&utm_medium=link_copy&utm_campaign=default

✨ 最新活動：AI商業策略讀書會

詳細活動頁面 👉 https://bizsense-read.com/ai%E8%BD%89%E5%9E%8B/