曾經被喻為世界上最感性的工作——數據科學家，但隨著生成式 AI 的迅速進化，數據分析已成為大語言模型應用的基本技能。一時之間風水輪流轉，單純只做數據分析、產出洞察報告的職務，不再吸引眾多學子爭相投入；畢竟自 2025 年起，最熱門的 Buzzword 絕對是 AI。不過，這並不影響這本《解讀數據的技術》的價值。如果把數據分析的學問分成道（價值觀、原則）、法（方法論、流程）、術（工具、實作技巧），那麼作者車賢那是想透過文字與讀者分享數據分析的價值，以及實務進行中的困難點，而這個面向的觀念並不會因為分析改由 AI 進行而有所不同。車賢那在書中開宗明義地指出，企業的核心價值就是追求利潤，因此才更應該花費大量心力去瞭解客戶，畢竟客戶是利潤的源頭。也因此，許多公司行號會想運用數據分析，來回答各種經營相關的疑難雜症。
雖然這是一本韓國作者的著作，描述的多半是韓國的產業環境與企業氛圍，但有趣的是，作者點出的問題同樣能在台灣業界看到。例如，許多公司是以製造商／零售商的角度來收集、解讀、運用數據，而非真正站在消費者的立場，用心理解並服務客戶。又或者誤以為只要投資預算購買昂貴的分析工具，就有辦法做出有成效的數據分析專案，而不是在一開始先釐清數據分析的目標。最後，更常見的是，當分析結果不如預期時，便選擇忽略數字、直接執行原有的計畫，只是把數據分析當成自我肯定的看板工具。
想要用資料、數據來證明一件事的相關性，並不像你我想的那麼容易。就算把範圍縮小成「為何上個月的 A 商品業績變差了？」這樣看似簡單的問題，也必須先將所有與銷售相關的變數數值化，例如商品、會員、促銷活動、假日或節慶等；若是實體店鋪，還得納入氣候、人流、商圈等因素。後續才有辦法進行多維度的交叉比對、時間序列分析，嘗試找出問題的解答。
十之八九的分析題目，都是源自於滿足經營高層對特定議題的好奇心，屬於一種由上而下的專案。然而，就數據分析業務本身所具有的不確定性而言，要正確評估專案完成的時程本就有難度，也因此常出現很急、在線等的需求，卻遇上無法告知完成時間的悖論。真正能將數據導向作為企業營運核心方針的組織，絕非只是購買工具、招募員工、成立部門就能有所成果；有時關鍵只取決於企業最高營運主管，是否打從心裡認同數據的價值與潛力。
沒有留言:
張貼留言