Contact us

【讀懂數據】淺談「數據素養」的意義;決策者該具備的數據素養能力是什麼?

#數據識讀 #數據素養 #決策

「數據素養」(Data Literacy)是什麼?為什麼重要?

現代人無時不刻仰賴網路,對企業而言亦然;網路發展與數位化浪潮,已經進一步將企業、個人都推向數據化的腳步前進,就像路上一眼望去,人人用智慧型手機了一樣,網路世界爆炸促使人們不論是否有意識,都正在被數據的龐大力量影響生活、左右選擇。

對企業而言,「數據」既是幫助規劃策略、保持生產運轉的糧食,但同時也是加速企業之間各種商業競爭的推手。怎麼讓數據的力量,為企業帶來助益?答案是人人都要擁有「數據素養」。

 

「數據素養」到底是什麼?最直白的核心價值就是:

培養一個人具備足夠知識與工具操作技能,能讓人在數據資訊的大海中,挑選出「對我的目標有用的」數據資料、並進行客觀的解讀分析。

 

如此一來,當我們想要用數據協助做任何行動時,才不會陷入資訊焦慮,覺得「這個好像有用、那個可能也很重要……」而盲目蒐集、最終無法挑選「該看什麼、該用什麼」;也會無法思考可用數據之間的關聯性、得出有意義的結論,最終被海量的資訊淹沒。

「數據素養」涵蓋的知識和技能包山包海,若我們單純聚焦在「企業工作」方面的數據素養,其中就包含許多種邏輯能力職能的培育。

 

提升決策能力
圖片來源:網路

 

成就企業成功,哪些是「決策者」應具備的數據素養?

企業為了順利推動各種商業行為(例如賣出產品),企業中每個人需要具有一定的數據素養;不僅是決策者與管理者,也包含每一個細節工作的專案執行人、業務開發者、一線服務者等……差別是不同職責工作者,所需鑽研的數據素養在專業項目、深度會有所不同;這些我們未來將再逐一討論。今天這篇文章,主要探討「決策者需要具備的數據素養」;決策者例如高階經理人、專案主導人;對這些人而言,「個人培養數據素養,是為了提升下有效決策、帶領團隊的能力」:

 

一、判斷、篩選出必要的數據

為此,決策者其中一項數據素養,是「判斷我需要什麼數據」。這是決策者本人從長期深耕於自身產業,關注趨勢動向、消費者行為、不斷親身參與企業的各種商業活動,而累積的厚實知識應用能力。

以此,在開始著手蒐集數據之前,決策者能先行評估:這次我想達到的目標是什麼?根據這個大目標,我在每個階段立下的子目標是什麼?我能操控的成本付出是什麼?

 

經過上述思考,我們才能立下有用的蒐集指標,接著操作 AI、數位工具,根據指標接手幫我們抓取數據資料、甚至抓取後先能初步篩選,精簡需花費人力閱讀分析的資料範圍。讓決策者在手中數據資料不偏頗、確實符合大目標的前提下,節省大量整理資料庶務的時間。讓決策者專注於分析:這些數據資料之間的關係、背後代表什麼意義?根據這些新發現的事實和臆測,企業團隊可以做什麼努力,來達成企業的目標、改善企業的不足?

 

挑選數據
圖片來源:網路

 

二、鑑識數據資訊的品質

決策者另一項須具備的重要素養,是「鑑識數據資訊的品質」。

決策者前期在樹立指標獲取數據時,縱使已經詳細審查,但真正執行專案時,市場、環境、人為因素依然會時常變化;造成原本設計的指標、獲得的數據不一定符合實際需求。決策者必須在帶領團隊往大目標前進時,不被過往經驗束縛住,不斷反思驗證「現在我手上的數據,是否還對實現目標有用?」以及最重要的「這些數據是真實反映現況的嗎?

數據的品質(真實性與實用性)對決策者、乃至於整個企業團隊至關重要。如果決策者無法判斷數據品質,那辛苦蒐集來的大量數據幾乎不能採信。

 

舉例,如果發生以下情況:

判斷數據

 

怎麼辦呢?

決策者要能回頭去反思出了什麼問題,比較兩份報告設計的指標,哪一個更符合企業目標和消費事實?或者甚至都不符合、需要重新評估指標?或甚至商品廣告的目標一開始就不對了呢?……諸如此類能延伸出的問題百百種。

以現在的科技,任何人都能抓到一堆數據,但數據經常受到誤用、衍伸的成效也有失精確。理性的決策者不會對所有數據照單全收,需要時刻反思、批判再驗證;才能帶領團隊用「有用的數據,做有意義的工作」。

 

三、運用數據分析,做出決策

當決策這做到前面這兩點,「我取得的數據符合目標、數據品質也是正確、實用的」,那接下來針對這些數據做出的事實分析、規劃的應對策略、建議的執行做法等等,才能真正幫助到整個團隊。

決策者怎麼分析數據?人稱「數據素養教父」的 BrainStorm 公司副總裁 Jordan Morrow《數據識讀者》一書中,提出他針對數據分析的四層次見解;解釋當決策者面對已知的事實、過去與現在蒐集到的有用數據,該如何分析結論?進而提出策略加以執行?

我們先用下圖,簡單說明「數據分析的邏輯」的四種層次,分別有針對過去現在解讀的〔描述性分析〕、〔診斷性分析〕,以及了解了現在、推知未來該做什麼〔預測性分析〕、〔指示性分析〕:

 

數據分析4層次

 

以上是核心的邏輯思維,我們可以用簡單舉例,來說明實際應用可能是什麼樣子:

1. 當企業發生一件事實時,我們開啟「描述性分析」,通盤了解事實

舉例事實:「統計上一季,我們對客戶訂單的完美交付率比上上季下降5%。」

接著,為了搞清楚事情全貌,我們追查上一季各生產線的出貨統計,發現其中 A 生產線,曾延遲了 3 天交付初步產品給 B 生產線,結果 B 產線事先備好的原料有 20% 過期不能用,又需緊急調貨,環環相扣延遲了訂單交付給客戶的時間。

 

2. 用「診斷性分析」,全盤了解 A、B 產線的營運與運輸成效情況、以及 A、B 內外部溝通情況等等資訊,分析事件背後問題

  • A 產線為什麼會延遲?人手不足?機械不夠?管理方式不夠好?還是外力因素(如停電風災)?為什麼以前不會延遲現在會?
  • B 產線在發現延遲當天做了什麼?B 產線日常儲備原料的冷凍設備有發揮作用嗎?

 

3. 綜合「描述性分析」、「診斷性分析」提出解決辦法,例如:

  • A、B 產線應建立各自針對突發狀況,且能與他線合作的應變機制,如冷凍裝置、 電力人力備援等。
  • 公司總部的專案人員、A 產線、B 產線之間應在預期到危機發生前(A 估計可能會延遲、而不是已經延遲時), 便匯報給兩處以便機動性調整。

 

接下來,當決策者解決現下問題,並把眼光放遠至下一步棋時,例如規劃明年目標、未來 3 年公司執行走向等等,我們就可以看到「預測性分析」和「指示性分析」的應用,例如:

 

4. 「預測性分析」從過去問題解決成功/失敗的經驗,預測改變企業現況將會發生什麼事

當老闆決定,明年要提高業務標準,再加 5% 時,老闆與決策者要透過過去成效,推算出相對「產品線產出量需要提高 15%,才足以供給客戶」。

  • 決策者預測未來:產線之間延遲、突發狀況的機率將提高。
  • 進一步,為未來問題準備措施:開發備用原料/運輸供應商、產線動線調整、新招募人力資源……等等。一切安排好後,才能確保目標真的能順利達成。

 

5. 最後「指示性分析」,比較偏向宏觀面,是企業領導人應具有的眼光格局

  • 例如:根據亞洲趨勢觀測,預期未來兩年 A 商品需求量有望大增,建議搭配貿易方針改良,鎖定某地區先占領市佔率,例如加大陌開南亞市場。而這其中「怎麼佔領」所牽涉到的資源損耗,企業該怎麼調配……
  • 例如現今的消費市場資訊以數據為核心、人與AI共同協作為主,企業以此進行優化策略、執行策略、執行後再度蒐集數據的循環等等。

 

這四種不同的分析能力,決策者需要時時交互運用,例如做「預測性分析」時,同時加入「描述、診斷分析」觀察我的預測是否符合我的企業現況?競業做過類似的決策嗎?當時競業的可用資源是什麼、結果是什麼?……總之,這四階段之間沒有高低、前後之分,而是同時存在的

 

指示性分析
圖片來源:網路

 

最後,讓我們總結今天的文章重點:

在企業中,每個人因為自身工作涉及的職能、知識範圍,需要具備不同方面的「數據素養」。數據素養所涵蓋的東西很多,每個人需要掌握的程度也不同,但其核心價值不變:「讓人類面對龐大的數據資訊時,能足以挑選出有用的數據資料、並進行客觀的解讀分析」。

身為企業中的決策者,應該培養「從數據中分析、獲得啟發,助於提升決策能力」的數據素養能力。怎麼培養?可以從四層次的「數據分析的邏輯」著手;分析企業過去、現在、未來裡已經發生、正發生、可能發生的各種問題,因此來更了解企業內的各種計畫執行成本與成效,並做出越來越有益企業內全體人員的決策。

以上,是我們本次針對數據素養的觀點;未來 Digit Spark 將持續研究數據素養的各種議題,與讀者們一起探討。如果您也對數據素養、數據行銷有興趣,歡迎聯繫我們,與我們交流!

 

延伸閱讀:

參考資料:

 

 

《Digit Spark 震豪網路媒體事業集團》整合企業在〈行銷獲客〉、〈商機開發〉、〈營運校正〉等各方面所需的數據應用服務;活用AI串聯商業策略,帶領企業進行全方位優化。