啟動數位力系列 2：五層次架構 了解企業數據分析能力成熟度

資誠創新諮詢公司執行董事盧志浩、資誠創新諮詢公司協理林杰綸

根據PwC《全球資料與分析調查報告》（PwC Global Data & Analytics Survey 2014）指出，59%的高階主管都是依賴人為判斷做決策，而非數據分析。人為判斷主要靠領導人經驗累積，經驗累積最大的挑戰就是必須透過許多情況與時間的累積，並且考驗人類的記憶與直覺力。面對經濟環境比過去複雜且變化快速，這樣的管理經驗很難用科學化的方式傳承。

近年因為中美貿易戰與疫情的影響，許多台灣企業都必須積極朝國際化佈局或分散式營運；此外，經營權陸續交棒給家族二代接班人或專業經理人，對比過去以單一廠辦合一，或者靠走動式管理的時代更為複雜、快速。在數位時代下，企業無疑更需要仰賴數據分析輔助經管決策。許多大型或領先的跨國企業，因規模較大且跨地域經營，依賴數據分析且透過數字建立管理溝通的基礎，已經是日常管理的一部分了。

數據分析大哉問：企業想要解決那些問題？

雖然絕大多數企業都認同數據分析的價值，但是不清楚為何需要，或如何應用數據分析的企業比例也不低。該如何掌握數據分析精髓，創造企業實質、有感效益？企業必須先理解：數據分析應用相當廣泛，舉凡提高銷售、開發新產品、改善作業效率、降低營運成本、招募人才……等，幾乎各種管理需求都能透過數據分析找到答案。但前提是：必須清楚認知「透過數據資料，到底想要解決哪些管理問題？」

數據分析一般而言可依數據和分析的複雜性分成五個層次

• 數據描述發生議題（Descriptive）
  
• 找出可能原因（Diagnostic）
• 預測可能結果（Predictive）
• 建立行動方案與決策參考（Prescriptive）
• 透過認知進行自動或半自動反應（Cognitive）

越往後，帶來的商業價值愈高，分析困難度與複雜度也更高。

以下用幾個產業例子，說明這五個層次與代表意義：

• 流通服務業：有許多企業善用數位科技來改變傳統行銷做法，透過匯整客戶身份資料、購買交易內容、交易網路 / 媒體、購物習性等等資料，整理出對商品交易偏好的描述性數據（Descriptive）。而綜合診斷分析（Diagnostic），則可以進一步透過分析，了解客戶購買原因，可能是因為生活需要、型態或者興趣而進行購買。了解了這些購買因素之後，進而推測消費者可能會在那些情況、時機、透過哪一種方式，購買那些產品，就是預測（Predictive）。而商家則可以這些客戶洞察，建立各種主動式推銷或者建議（Prescriptive），與使用者進行有效互動，進而轉化傳統「亂槍打鳥式」的行銷，進入精準化行銷時代。          
  
• 製造業：藉由物聯網技術，在生產設備上加裝感測器，收集溫度、濕度、速度、位置、震動、壓力、流量、電流等狀態描述數據（Descriptive），並運用演算法診斷分析 （Diagnostic），充分掌握生產設備與製程關鍵參數的變化趨勢，預測可能發生的結果（Predictive），藉以管理設備、識別故障異常，提出預防性保養、換線等解決方案（Prescriptive），解決最擔心的突發性停機問題及不良率問題，提早與精準的預防維護機制。另外，透過無軌導引 AGV 車及派車系統，整合客戶端資訊系統、現場設備狀態、製程需求等描述性資訊（Descriptive），透過數據診斷分析（Diagnostic），進行最佳化物料派送之自主認知科技（Cognitive），提供更便利之智慧化物流系統，協助企業有效提升效率和競爭力。
  

四個步驟 擁抱數據分析的管理新紀元

隨著企業規模越來越大，若不採用數據分析來管理企業，經營者或專業經理人將更加疲於奔命，每天處理各種層出不窮的危機與過失。主因就是沒有將數據分析運用在經營決策上，各階層管理人員無法以精確數字進行溝通管理，也無法隨時掌握各地區與事業體營運狀況，而造成問題無法在第一時間解決，甚至在發生前就已經防範。

要運用數據分析來支援決策，落實重點管理目標，企業可以利用以下步驟，開始打造以數據為基礎的管理系統：

1. 釐清目前有什麼管理議題，可以用數據分析解決或進行決策
   
2. 有無足夠正確資料，需要那些額外的資料收集工作
3. 如何運用資料分析工具與系統，進行包括分析、資料整合、萃取載入、及數據品質檢查
4. 如何透過管理流程，讓數據分析的結果與建議，透過改善方案來落實

以數據分析驅動決策已經是現代企業競爭的常態，沒有數據與分析能力的企業，就像是在黑暗中靠著經驗與直覺摸索前進，對比帶著探照燈與配備 GPS 定位系統的競爭者，差異會越來越大。數位時代下的企業競爭，將是運用數據下決策的生死之戰，企業應該放下嘗試用傳統管理方法解決現今挑戰的思維，全心擁抱數據決策工具，此其時也。